科学计算与数学建模第六章.ppt

在(6.3.10)中取k=m ，将导致与(6.3.11) 得矛盾故 （空集合）。对任意 ，有 （由(6.3.10)），由此可见，当 时有 。否 则，上式就与 A为弱对角占优阵矛盾。 但对任意 和 ，必有 ，因而 从而 A为可约矩阵，这与A 为不可约矩阵假设矛盾。 * 定理 6.3.12 若 为严格对角占优矩阵或为不可约对角占优矩阵，则对任意的初始向量 方程组Ax=b 的Jacobi迭代法和G-S迭代法均收敛。且G-S迭代法比Jacobi迭代法收敛速度快。 证明 设A为不可约对角占优矩阵，先证明G-S迭代法收敛。由弱对角占优阵假设知 而G-S迭代矩阵为 又 * * 即 记 则： * 特征方程 6.3.3 迭代法的收敛性 迭代法的 收敛性 12条定理 8条定义 * 定义6.3.1 设有矩阵序列 及 如果 成立，则称 收敛于A。记为 。 例如，矩阵序列 当 时， （当 时）。 矩阵序列收敛的概念可以用任何矩阵范数来描述。 * * 下面介绍向量、矩阵的范数定义、常用的范数形式以及相关性质。 定义 6.3.2 （向量范数）如果 的某个实值函数 （1）正定性： （2） ，c 为实数 （3）三角不等式： 则称 为 上的一个向量范数（或向量的模） 利用三角不等式容易证明： （4） 在 中，三角不等式即为三角形两边长之和大于第三边长。如下图： ? * ||x+y|| ||y|| 定义 6.3.3设 上四种常用向量范数如下： (1)向量的1—范数： (2)向量的∞ —范数： (3)向量的2—范数： * (4)向量的p—范数： 易证明：它们均满足向量范数定义 ，且前三种向量范数均为第四种的向量范数的特例。其中 * 例6.3.3 设 计算 解 * 定理 6.3.1 设非负实值函数 为 上任一向量范数，则N(x) 是x分量 的连续函数。 定理 6.3.2（范数等价性）设 为 上任意两种范数，则存在常数 ，使得： 定理 6.3.3 在 中， （ 时）其中 为向量的任一种范数 * 定义 6.3.4 （矩阵的范数）若矩阵 的某个非负实值函数 满足条件： (1)正定性： (2)正齐次性： (3)三角不等式： (4) 则称N(A) 为 上的一个矩阵范数或模 * 如果将矩阵A看成 向量空间中的元素，则由向量2—范数定义有： 这就是矩阵的Frobenius范数, 明显它满足上面定义。 在大多数与估算有关的问题中，矩阵和向量会同时参与讨论，所以希望引进一种矩阵的范数。它和向量范数相联系且和向量范数是相容的，即： * 定义6.3.5 （矩阵的算子范数）设 给出一种向量范数 相应地定义一种矩阵的非负函数： （最大比值）易验证： 满足前一矩阵范数的定义。因此 是 上的一个范数，称之为A的算子范数。 * 定理 6.3.4 设 是 上的一个向量范数，则 是