数值分析(研究生)第四章线性方程组及直接解法二.ppt

* 上页 下页 返回 第四章 线性方程组的直接解法（二） 第五节 向量和矩阵范数 第六节 方程组的性态与误差分析 §5 向量和矩阵的范数 一、向量范数 定义 　　　Rn空间的向量范数 || · || 对任意 满足条件： （正定性) 对任意 (齐次性) （三角不等式) 常用向量范数： ? = = n i i x x 1 1 | | || || v ? = = n i i x x 1 2 2 | | || || v p n i p i p x x / 1 1 | | || || = ? = v | | max || || 1 i n i x x ? ? ? = v 注： 定义 　　　向量序列 收敛于向量 是指对每一个 1 ? i ? n 都有 . 可以理解为 定义 　　　若存在常数C 0 使得对任意 有 , 则称范数 || · ||A 比范数 || · ||B 强. 定义 　　　若范数 || · ||A 比|| · ||B 强，同时|| · ||B 也比|| · ||A 强，即存在常数 C1、C2 0 使得 ，则称 || · ||A 和|| · ||B 等价. 定理 Rn 上一切范数都等价. 可以理解为对任何向量范数都成立. 二、矩阵范数 定义 　　　Rm?n空间的矩阵范数 || · || 对任意 满足： （正定性) 对任意 (齐次性) （三角不等式) (4)* || AB || ? || A || · || B || （相容 当 m = n 时) 常用矩阵范数： Frobenius 范数 — 向量|| · ||2的直接推广 对方阵 以及 有 利用Cauchy 不等式 可证. 算子范数 由向量范数 || · ||p 导出关于矩阵 A ? Rn?n 的 p 范数: 则 特别有： （行和范数） （列和范数） （谱范数 ） 矩阵 ATA 的最大 特征根 注：? Frobenius 范数不是算子范数. ? 我们只关心有相容性的范数，算子范数总是相容的. ? 即使 A中元素全为实数，其特征根和相应特征向量仍可能是复数.将上述定义中绝对值换成复数模均成立. 若不然，则必存在某个向量范数 || · ||v 使得 对任意A 成立. 反例 ? 三、 谱半径 定义 　　　矩阵A的谱半径记为 ? (A) = ，其中?i 为 A 的特征根. Re Im ? ? ? ? ? ? ? ? ? (A) 定理 对任意算子范数 || · || 有 证明： 由算子范数的相容性，得到 将任意一个特征根 ? 所对应的特征向量 代入 定理 若A对称，则有 证明： A对称 若? 是 A 的一个特征根，则?2 必是 A2 的特征根. 又：对称矩阵的特征根为实数，即 ?2(A) 为非负实数， 故得证. 对某个 A 的特征根? 成立 所以2-范数亦称为谱范数. 定理 若矩阵 B 对某个算子范数满足 ||B|| 1，则必有 ① 可逆 ② 证明： ① 若不然，则 有非零解，即存在非零向量 使得 ? ② §6 方程组的性态与误差分析 求解 时，A 和 的误差对解 有何影响？ ? 设 A 精确， 有误差　 ，得到的解为 ，即 绝对误差放大因子 又 相对误差放大因子 ? 设 精确，A有误差 　 ，得到的解为 ，即 (只要? A充分小，使得 是关键 的误差放大因子，称为 A的条件数，记为cond (A) , 越 则 A 越病态， 难得准确解. 大 注: ? cond (A) 的具体大小与 || · || 的取法有关，但相对大小一致. ? cond (A) 取决于A，与解题方法无关. ? 常用条件数有： cond (A)1 cond (A)? cond (A)2 特别地，若 A 对称，则 条件数的性质： ? A可逆，则 cond (A)p ? 1； ? A可逆，? ? R 则 cond (? A) = cond (A) ； ? A正交，则 cond (A)2=1； ? A可逆，R正交，则 cond (RA)2