数值分析课件--第二章解线性方程组的直接方法-(精品课件).pptVIP

解三角方程 Gy=b , GTx=y 可得 解 例4 解线性方程组 平方根法是求对称正定系数线性方程组的三角分解法,对称正定矩阵的Cholesky分解的计算量和存贮量均约为一般矩阵的LU分解的一半. 且Cholesky分解具有数值稳定性. 追赶法是求三对角线性方程组的三角分解法.即方程 三对角矩阵A的各阶顺序主子式都不为零的一个充分条件是: |a1||c1|0 ; |an||dn|0 ; |ai|?|ci|+|di| , cidi? 0 ,i=2,3,…,n-1. 在此条件下, A=LDM=TM , 称之为矩阵A的Crout分解. 对三对角矩阵A进行Crout分解,有 §2.4 追 赶 法 其中 解三角方程 Ty=b , Mx=y 可得 称之为解三对角方程组的追赶法. 解 例5 解线性方程组 当满足条件 |a1||c1|0 ; |an||dn|0 ; |ai|?|ci|+|di| , cidi? 0 ,i=2,3,…,n-1. 时, 追赶法是数值稳定的, 追赶法具有计算程序简单, 存贮 量少,计算量小的优点. §3 向量和矩阵的范数 §3.1 向量的范数 定义2.1 设‖?‖是向量空间Rn上的实值函数, 且满足条件: (1)非负性: 对任何向量x?Rn ,‖x‖?0 ,且‖x‖=0当 且仅当x=0 (2)齐次性: 对任何向量x ?Rn 和实数? , ‖?x‖=|? |‖x‖ (3)三角不等式: 对任何向量x ,y?Rn ‖x+y‖?‖x‖+‖y‖ 则称‖?‖为空间Rn上的范数,‖x‖为向量x的范数. 记x=(x1,x2,…,xn)T, 常用的向量范数有: 向量的1-范数:‖x‖1=|x1|+|x2|+…+|xn| 向量的2-范数:‖x‖2= 向量的?-范数:‖x‖?= 例6 设向量x=(2,-4,3,1)T, 求向量范数‖x‖p ,p=1,2, ?. 解 由定义‖x‖1=10 , ‖x‖2= ,‖x‖?=4 . 虽然不同范数的值可能不同，但它们间存在等价关系. 定理2.2 (范数的等价性) 对于 Rn 上的任何两种范数 ‖?‖?和‖?‖? ,存在正常数m,M,使得 m ‖x‖?? ‖x‖? ?M ‖x‖? ,? x?Rn 常用的三种向量范数满足如下等价关系 ‖x‖?? ‖x‖1 ? n‖x‖? ,? x?Rn 定义2.2 设向量序列 k=1, 2,…,向量 如果 则称向量序列{x(k)}收敛于向量x*, 记作 易见, §3.2 矩阵的范数 定义2.3 设‖?‖是以n阶方阵为变量的实值函数,且满足条件: (1)非负性: ‖A‖?0 ,且‖A‖=0当且仅当A=0 (2)齐次性: ‖?A‖=|? |‖A‖, ??R (3)三角不等式:‖A+B‖?‖A‖+‖B‖ (4)三角不等式:‖AB‖?‖A‖‖B‖ 则称‖A‖为矩阵A的范数. 记A=(aij) , 常用的矩阵范数有: 矩阵的1-范数:‖A‖1 ,也称矩阵的列范数. 矩阵的2-范数:‖A‖2 ,也称为谱范数. 矩阵的?-范数:‖A‖? ,也称为行范数. 矩阵的F-范数:‖A‖F 例7 设矩阵 求矩阵A的范数‖A‖