函授数值课件chap4：逐次逼近法1(基本概念).ppt

华长生制作 * 第六章 逐次逼近法 第六章 逐次逼近法 6.1 基本概念 6.2 线性方程组的迭代法 6.3 非线性方程组的迭代法 6.4 矩阵特征值问题的数值算法 6.5 迭代法的加速 本章要点 本章主要介绍线性方程组的迭代法、非线性方程组 的数值方法 主要方法 基本迭代法、G-J迭代法、G-S迭代法、 Newton迭代法、SOR方法和Aitken加速方法 P264. 2. 4. 9. 11. 14. 17. 21(3). 29. 本章作业 6.1 基本概念 范数是对向量和矩阵的一种度量,实际上是二维 和三维向量长度概念的一种推广 数域: 数的集合,对加法和乘法封闭 线性空间: 可简化为向量的集合,对向量的加法和 数量乘法封闭, 二维向量和三维向量都可以度量其大小和长度 高维向量的长度能否定义呢? 也称为向量空间 定义1. 一、向量和矩阵的范数 --------(1) --------(2) --------(3) 显然 并且由于 --------(4) 例1.求下列向量的各种常用范数 解: 定义2. 例2. 不难验证其满足定义2的4个条件 称为Frobenius范数,简称F-范数 而且可以验证 tr为矩阵的迹 --------(5) --------(6) 类似向量的 2-范数 定义3. --------(7) 简称为从属范数或算子范数 显然，由定义不难推出 定义4. 由(8)式,可知算子范数和其对应的向量范数是相容的 --------(8) --------(9) 根据向量的常用范数可以得到常用的矩阵算子范数 --------(10) --------(11) --------(12) 例3. 解: 类似于向量的2-范数 不过 例4. 求矩阵A的各种常用范数 解: 由于 特征方程为 容易计算 计算较复杂 对矩阵元素的 变化比较敏感 不是从属范数 较少使用 使用最广泛 性质较好 定义5. 而 因此 --------(13) 显然 即 所以 定理1. --------(14) 证明略 定义6. 二、误差分析简介 即有 --------(15) --------(16) --------(17) --------(18) 所以 又因为 可得 (16)和(17)两式相乘,得 相对误差 (18)式表明,由常数项产生的误差,最多可将解的 相对误差放大 倍 在上式能直接使用范数吗？ --------(19) 如果假设 则由定理1.,可知 且 (19)式化为 --------(20) --------(21) --------(22) 定义7. --------(23) 显然 即任意方阵的条件数必不小于1 根据算子范数的不同也有不同的条件数: --------(18) --------(22) 根据定义7的定义,(18)式和(22)式可表示为 -----(24) 实验: Hilbert矩阵和病态方程组 * * * * *