第3章 计算方法 解线性方程组及迭代解法.ppt

数 值 分 析 ——第3章 解线性方程组的迭代解法 解非线性方程： f(x) = 0 ? x = ?(x) 令xk+1 = ?(xk)，若xk ? ?, 则 对于线性方程组Ax=b. 考虑等价方程组x=Bx+f, 为此构造序列： x(k+1)=Bx(k)+f ——向量的迭代公式. 要考虑向量列的收敛性，误差，向量间的距离. 3.2 基本概念 3.2.1 向量与矩阵的范数 回顾：Rn中向量的范数： 性质：① ?x: || x || ? 0, 且 ||x|| = 0 ? x = 0 ② ?k ? R, ?x: || kx || = |k||| x || ③ ?x, y: || x + y|| ? ||x|| + ||y|| 3.2 基本概念 3.2.1 向量与矩阵的范数 1. 向量范数 【定义3-1】设V为线性空间，V上的实值函数 N(x) = ||x||满足： ① 正定性：?x?V: || x|| ? 0, 且||x|| = 0 ? x = 0 ② 正齐性：?k?R, ?x?V: || kx|| = |k||| x|| ③ 三角不等式：?x, y?V: || x+y|| ? ||x|| + ||y|| 则称N(x) = ||x||为V上向量x的范数. 3.2 基本概念 3.2.1 向量与矩阵的范数 性质： ① 若x ? 0, ② ||– x|| = || x|| ③ |||x|| – || y||| ? ||x – y|| 3.2 基本概念 3.2.1 向量与矩阵的范数 线性空间可以定义各种范数. 其中最常用的有： ?x = (x1, x2,…, xn)? Rn (Cn) ① 欧式范数： ——又称为2-范数 ② 最大模范数： ——又称为?-范数 ③ 绝对值范数： ——又称为1-范数 ④ p范数： 3.2 基本概念 3.2.1 向量与矩阵的范数 注：① 可以证明上述定义均满足向量的范数定义. ② 2-范数和1-范数都是p-范数的特例. ③ ?-范数也是p-范数的特例. (∵ 令p??，有||x||p?||x||?). 3.2 基本概念 3.2.1 向量与矩阵的范数 【例3-3】视m?n矩阵为m?n维向量, ?Am?n : ——称为A的F范数. 3.2 基本概念 3.2.1 向量与矩阵的范数 2. 矩阵范数——只考虑Rn中的方阵 【定义3-2】若?An?n. 对应一个实数||A||，满足： ① || A|| ? 0, 且||A|| = 0 ? A = 0 ② || kA|| = |k||| A|| ③ || A+B|| ? ||A|| + ||B|| ④ || AB|| ? ||A||||B|| 则称||A||为方阵的范数——矩阵范数. 例如 为矩阵范数. 3.2 基本概念 3.2.1 向量与矩阵的范数 2. 矩阵范数——只考虑Rn中的方阵 注：矩阵理化及运算常要考虑矩阵与向量的乘积，希望范数|| Ax|| ? ||A||||x||. 【定义3-3】设||?||为向量范数，||?||M为矩阵范数. 若?A ? Rn?n，?x ? Rn ? || Ax|| ? ||A||M||x||. 则称||A||M为与向量范数||?||相容的矩阵范数. 注：||A||F与||?||1不相容，如 3.2 基本概念 3.2.1 向量与矩阵的范数 2. 矩阵范数——只考虑Rn中的方阵 【定义3-4】设?A ? Rn?n，||?||为向量范数. 称 为矩阵A的算子范数.(诱导范数). 注： ① ②可以证明算子范数满足矩阵范数的4个条件.故为矩阵范数. ③ 矩阵范数不一定都是算子范数，如F-范数. 3.2 基本概念 3.2.1 向量与矩阵的范数 2. 矩阵范数——只考虑Rn中的方阵 ④ 算子范数与向量范数相容. (∵ ) 3.2 基本概念