_第六章_线性方程组的数值解法迭代法.pptVIP

第三节 向量范数和矩阵范数 向量范数和矩阵范数是研究迭代法及其收敛性、估计方程组近似解的误差的一种有力工具，本节简要介绍其相关概念。 一、向量范数 1、向量范数的定义 （1）绝对值 范数的最简单的例子，是绝对值函数： 并且有三个熟知的性质： ①x ? 0 ? ? x ? 0 ? x ? = 0当且仅当x = 0 ② ?ax? = ? a ? ? ? x ? a为常数 ③ ? x+ y ?≤ ? x ? + ? y ? 第三节 向量范数和矩阵范数 （2）范数的另一个简单例子是二维欧氏空间的长度 欧氏范数也满足三个条件： 设x = (x1, x2) ① x ? 0 ? ?? x ?? 0 ② ?? ax ?? = ? a ? ? ?? x ?? a为常数 ③ ?? x+ y ??≤ ?? x ?? + ?? y ?? 前两个条件显然，第三个条件在几何上解释为三角形一边的长度不大于其它两边长度之和。因此，称之三角不等式。 第三节 向量范数和矩阵范数 （3）下面我们给出n维空间中向量范数的概念： 设X = (x1, x2, …, xn)T，记为X ? R n 定义1：设X ? R n，??Ｘ?? 表示定义在Rn上的一个实值函数，称之为X的范数，它具有下列性质： ①非负性：即对一切X ? R n，X ? 0, ??Ｘ?? 0 ②齐次性：即为任何实数a ? R，X ? R n， ③三角不等式：即对任意两个向量X、Y? R n，恒有 从以上规定范数的三种基本性质、立即可以推出Rn中向量的范数必具有下列性质： ④ ?? 0 ?? = 0 ⑤ 第三节 向量范数和矩阵范数 2、常用的范数 设X = (x1, x2,…, xn)T，则有： （1）向量的1范数 （2）向量的2范数 （3）向量的无穷范数 不难验证，上述三种范数都满足定义的条件。 第三节 向量范数和矩阵范数 3、举例 例1：求向量范数 第三节 向量范数和矩阵范数 例2：P128 设下x=[1 2 3]T，求x的1范数，2范数和无穷范数 解：根据定义可以得到： 第三节 向量范数和矩阵范数 二、矩阵范数 1、定义 对于任意n阶方阵A，按一定的规则由一实数与之对应，记为 ，若 满足： ① ② ③ 则称 为矩阵A的范数。 第三节 向量范数和矩阵范数 2、矩阵范数与向量范数的相容性 对于任意的n维向量x，都有： 这一性质称为矩阵范数与向量范数的相容性。 第三节 向量范数和矩阵范数 3、常用的矩阵范数 （1）矩阵的1范数 第三节 向量范数和矩阵范数 （2）矩阵的无穷范数 第三节 向量范数和矩阵范数 （3）矩阵的2范数 矩阵的谱半径： 矩阵B的诸特征值为： 则特征值的最大绝对值称为B的谱半径，记为： 则： 矩阵的2范数其实为AAT的谱半径的1/2次方。 第三节 向量范数和矩阵范数 关于谱半径的说明： 矩阵A的谱半径 不是A的一种范数，但与A的任何一种范数有某种关系。 第三节 向量范数和矩阵范数 4、矩阵的收敛性 第三节 向量范数和矩阵范数 5、举例 例1：求矩阵A的 各常用范数 解： 第三节 向量范数和矩阵范数 先求ATA的特征值： 特征方程为： 解之可得ATA特征值： 第三节 向量范数和矩阵范数 可得： 所以： 对各个常用范数比较： 第三节 向量范数和矩阵范数 例2： 第三节 向量范数和矩阵范数 例3：P129 例6－7 第四节 解线性方程组的迭代法 迭代法在计算过程中保持迭代矩阵不变，这类方法主要适用于大型稀疏线性方程组的求解。 其基本思想是通过构造迭代格式产生迭代序列，由迭代序列来逼近原方程组的解，因此，要解决的基本问题是： （1） 如何构造迭代格式 （2）迭代序列是否收敛 第四节 解线性方程组的迭代法 一、迭代法的基本思想 设有线性代数方程组： a11x1+a12x2+····+a1nxn=b1 a21x1+a22x2+····+a2nxn=b2 . . . . . . . . . . . . . . . . . . . . . an1x1+an2x2+····+annxn=bn 用矩阵表示： Ax =b 其中A 为系数矩阵，非奇异且设aii≠0；b为右端，x为解向量 做方程组的一个等价变换为：x=Bx+f 第四节 解线性方程组的迭代法 任取初始向量x(0)，按照下列公式构造迭代序列： 结