北京航空航天大学数值分析课程知识点总结.docVIP

PAGE 1 1.2 误差知识与算法知识 1.2.2 绝对误差、相对误差与有效数字 设是准确值的一个近似值，记，称为近似值的绝对误差，简称误差。如果的一个上界已知，记为，即，则称为近似值的绝对误差限或绝对误差界，简称误差限或误差界。 记，称为近似值的相对误差。由于未知，实际上总把作为的相对误差，并且也记为，相对误差一般用百分比表示。的上界，即称为近似值的相对误差限或相对误差界。 定义 设数是数的近似值。如果的绝对误差限时它的某一位的半个单位，并且从该位到它的第一位非零数字共有n位，则称用近似时具有n位有效数字。 1.2.3 函数求值的误差估计 设存在足够高阶的导数，是的近似值，则是的近似值。 若且不很大，则有误差估计。 若，且比值不很大，则有误差估计。 对于n元函数，有误差估计；若一阶偏导全为零或很小，则要使用高阶项。 1.2.4 算法及其计算复杂性 要有数值稳定性，即能控制舍入误差的传播。 两数相加要防止较小的数加不到较大的数中所引起的严重后果。 要尽量避免两个相近的近似值相减，以免严重损失有效数字。 除法运算中，要尽量避免除数的绝对值远远小于被除数的绝对值。 1.3 向量范数与矩阵范数 1.3.1 向量范数 定义 定义在上的实值函数称为向量范数，如果对于中的任意向量和满足： 正定性：，当且仅当时，； 齐次性：对任一数，有； 成立三角不等式：。 定理1.1 对中的任一向量，记 则，和都是向量范数。 定理1.2 设和是上的任意两种向量范数，则存在与向量无关的常数m和M(0mM)，使下列关系式成立 1.3.2 矩阵范数 定义 定义在上的实值函数称为矩阵范数，如果对于中的任意矩阵和满足： ，当且仅当时，； 对任一数，有； ； 。 定义 对于给定的向量范数和矩阵范数，如果对于任一个和任一个满足，则称所给的矩阵范数与向量范数是相容的。 定理1.3 设在种给定了一种向量范数，对任一矩阵，令，则由此定义的是一种矩阵范数，并且它与所给定的向量范数相容。 定理1.4 设，则 其中表示矩阵的最大特征值（是正定或半正定矩阵，它的全部特征值非负）。 还有一种常见的矩阵范数，且与向量范数相容，但是不从属于任何向量范数。单位矩阵I的任何一种算子范数。 定理1.5 设矩阵的某种范数，则为非奇异矩阵，并且当该范数为算子范数时，还有成立。 2.1 Gauss消去法 2.1.1 顺序Gauss消去法 定理2.1 顺序Gauss消去法的前n-1个主元素均不为零的充分必要条件是方程组的系数矩阵A的前n-1个顺序主子式 2.1.2 列主元素Gauss消去法 定理2.2 设方程组的系数矩阵A非奇异，则用列主元素Gauss消去法求解方程组时，各个列主元素均不为零。 2.2 直接三角分解法 2.2.1 Doolittle分解法(单位下三角+上三角)与Crout分解法(下三角+单位上三角) 定理2.3 矩阵有唯一的Doolittle分解的充分必要条件是A的前n-1个顺序主子式。 推论 矩阵有唯一的Crout分解的充分必要条件是A的前n-1个顺序主子式。 2.2.2 选主元的Doolittle分解法 定理2.4 若矩阵非奇异，则存在置换矩阵Q，使QA可做Doolittle分解。 2.2.3 三角分解法解带状线性方程组 定理2.5(保带状结构的三角分解) 设是上半带宽为s、下半带宽为r的带状矩阵，且A的前n-1个顺序主子式均不为零，则A有唯一的Doolittle分解 为节省空间，用C(m,n)存储A的带内元素，其中m=r+s+1，并且。 2.2.5 拟三对角线性方程组的求解方法 2.3 矩阵的条件数与病态线性方程组 2.3.1 矩阵的条件数与线性方程组的性态 定义 对非奇异矩阵A，称量为矩阵A的条件数，记作。 矩阵A的条件数与所取的矩阵范数有关，常用的条件数是 ， 性质1 对任何非奇异矩阵A，。 性质2 设A是非奇异矩阵，是常数，则有。 性质3 设A是非奇异的是对称矩阵，则有，其中和分别是矩阵A的模为最大和模为最小的特征值。 性质4 设A是正交矩阵，则有。 2.3.2 关于病态线性方程组的求解问题 采用高精度的算术运算。 平衡方法（行平衡，取每行绝对值最大数的倒数组成对角阵，乘在原方程左右两边）。 残差校正。 2.4 迭代法 2.4.1 迭代法的一般形式及其收敛性 定义 设矩阵G的特征值是，称为矩阵G的谱半径。 定理2.9 对任意的向量d，迭代法收敛的充分必要条件是。 定理2.9 如果矩阵G的某种范数||G||1，则 方程组的解存在且唯一； 对于迭代公式，有，且下列两式成立 2.4.2 Jacobi迭代法 定理2.10 Jacobi迭代法收敛的充分必要条件是。 定理2.11 如果，则Jacobi迭代法收敛。 引理2.1 若矩阵是主对角线按行(或按列