矩阵与数值分析学习指导和典型例题分析报告.docxVIP

第一章 误差分析与向量与矩阵的范数 一、内容提要 本章要求掌握 绝对误差、相对误差、有效数字、误差限 的定义及其相互关系；掌握 数 值稳定性 的概念、设计函数计算时的一些基本原则和误差分析 ；熟练掌握向量和矩阵范数 的 定义及其性质。 1 .误差的基本概念和有效数字 .绝对误差和相对误差 的基本概念 设实数x为某个精确值，a为它的一个近似值，则 称x-a为近似值a的绝对误差，简称 x-a 为误差.当x=0时，=称为a的相对误差.在实际运算中，精确值 x往往是未知的，所 x-a 以常把—匚作为a的相对误差. .绝对误差界和相对误差界 的基本概念 设实数x为某个精确值，a为它的一个近似值，如果有常数 ea，使得 x -a 兰ea 称ea 称ea为a的绝对误差界 或简称为误差界.称 a是a的相对误差界 此例计算中不难发现，绝对误差界和相对误差界并不是唯一的， 但是它们越小，说明a 近似x的程度越好，即a的精度越好. .有效数字 设实数x为某个精确值，a为它的一个近似值，写成 k a 二-10 O.aia2 an 它可以是有限或无限小数的形式， 其中ai(i =1,2,…)是0,1,…,9中的一个数字，sh - 0, k为整 数.如果 x—a兰丄勺。^ 2 则称a为x的具有n位有效数字的近似值. 如果a有n位有效数字，则a的相对误差界满足：兰丄 勺。1」。 |a 2a1 .函数计算的误差估计 如果y = f(X1, x2, ,Xn)为n元函数，自变量X1,X2, ,Xn的近似值分别为 0?,…，an , (Xk -ak)f (xi, X2,…，Xn)-f (ai,a2,…， (Xk -ak) k丄炒k』 其中lf ^_Lf(a1,a2-^,an)，所以可以估计到函数值的误差界，近似地有 Xk a ：Xk ea ea f(Xi,X2,…，Xn) —f(ai,a2,…，an)| 兰e 泄 k4 如果令n = 2 ,设x1, x2的近似值分别为a1, a2，其误差界为X^a^eai 和 x2 —a2兰ea2, 取y rfX’x^为Xi, X2之间的四则运算，则它们的误差估计为， 丄 |印馬+卜2臨 塔圭2 龟 eai eai ； eai 82^*1^+ a2 eai ； ea^ 2 ，日2 式0。 詰 a2 数相加或减时，其运算结果的精度不会比原始数据的任何一个精度高. 对于两个数作相减运算时，由于其相对误差界:电栄2 . 站 ea2ai — a2 ai — a2) 对于两个数作相减运算时，由于其相对误差界: 如果xi和X2是两个十分接近的数，即 ai和a2两个数十分接近，上式表明计算的相对误 差会很大，导致计算值 印-a2的有效数字的位数将会很少。 对于两个数作相除运算时，由于其相对误差界:ai|eai +血曲 对于两个数作相除运算时，由于其相对误差界: ea^ 2 嘉 a2 从关系式中可以看出，如果 x2很小，即a2很小，计算值 也 的误差可能很大。 a2 .数值稳定性的概念、设计算法时的一些 基本原则 ⑴ 算法的数值稳定性：一个算法在计算过程中其 舍入误差不增长称为数值稳定 。反之, 成为数值不稳定。不稳定的算法是不能使用的。 ⑵在实际计算中应尽量避免出现两个相近的数相减 。 ⑶在实际计算中应尽力避免绝对值很小数作除数 。 ⑷注意简化运算步骤，尽量减少运算次数。 ⑸ 多个数相加，应把绝对值小的数相加后，再依次与绝对值大的数相加。 2.向量和矩阵范数 把任何一个向量或矩阵与一个非负实数联系起来， 在某种意义下，这个实数提供了向量 和矩阵的大小的度量。对于每一个范数，相应地有一类矩阵函数，其中每一个函数都可以看 作矩阵大小的一种度量。 范数的主要的应用： 一、 研究这些矩阵和向量的误差估计 。 二、 研究矩阵和向量的序列以及级数的收敛准则。 1）向量范数 定义 存在Rn （ n维实向量空间）上的一个非负实值函数，记为 f （x） =|X，若该函数 满足以下三个条件：即对任意向量 x和y以及任意常数二e R （实数域） （1） 非负性 X 0，并且 X = 0的充分必要条件为 x = 0; （2） 齐次性 | ax] = a || X ； （3） 三角不等式+州誉. 则称函数为Rn上的一个向量范数. 常用三种的向量范数 设任意n维向量 x =（为公2，…，Xn）T , （ xT为向量x的转置）， 向量的1-范数n|x|| 向量的1-范数 n |x||i =迟 Ixi , 7 向量的二-范数 向量的2-范数 般情况下，对给定的任意一种向量范数 ?，其加权的范数可以表为 冈w=\Wx， 其中W为对角矩阵，其对角元作为它的每一个分量的权系数。 向量范数的连续性定理Rn上的任何向量范数 x均为x的连续函数。 向量范数的等价性定理 设|| |