矩阵与数值分析学习指导和典型例题分析.docxVIP

第一章偏差剖析与向量与矩阵的范数 一、内容概要 本章要求掌握绝对偏差、相对偏差、有效数字、偏差限的定义及其互相关系；掌握数 值稳固性的观点、设计函数计算时的一些基来源则和偏差剖析；娴熟掌握向量和矩阵范数的 定义及其性质。 1．偏差的基本观点和有效数字 1）．绝对偏差和相对偏差的基本观点 设实数x为某个精准值，a为它的一个近似值，则称xa为近似值a的绝对偏差，简称 xa 为偏差．当x0时，x称为a的相对偏差．在实质运算中，精准值x常常是未知的，所 xa 以常把a作为a的相对偏差． 2）．绝对偏差界和相对偏差界的基本观点 设实数x为某个精准值，a为它的一个近似值，假如有常数ea，使得 xaea ea 称ea为a的绝对偏差界，或简称为偏差界．称a是a的相对偏差界． 此例计算中不难发现，绝对偏差界和相对偏差界其实不是独一的，可是它们越小，说明a 近似x的程度越好，即a的精度越好． 3）．有效数字 设实数x为某个精准值，a为它的一个近似值，写成 a k 0.a1a2 an 10 它能够是有限或无穷小数的形式， 此中ai(i1,2, )是0,1, ,9中的一个数字，a1 0,k为整 数．假如 xa 110kn 2 则称a为x的拥有n位有效数字的近似值 ． 假如a有n位有效数字，则 a的相对偏差界知足： x a 1 101n。 a 2a1 4）．函数计算的偏差预计 假如 y f (1,2, , n)为n元函数，自变量 x1,x2,,xn的近似值分别为a1,a2, ,an， xx x 则 n f f(x1,x2,,xn) f(a1,a2, ,an) (xk ak) k1xk a 此中 f f(a,a ,,a )，因此能够预计到函数值的偏差界，近似地有 xka xk 12 n n f f(x1,x2,,xn) f(a1,a2, ,an)ea eak k1 xk a 假如令n 2 ，设x,x 的近似值分别为a,a，其偏差界为x a e 和x 2 a ea ， 12 1 2 1 1 a1 2 2 取yf(x1,x2)为x1,x2之间的四则运算，则它们的偏差预计为， ea1a2 ea1 ea1 ；eaa 2 a1 ea a2 ea 1 ；ea 1 a1ea1a2ea1 ，a20。 a 2 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，因为其相对偏差界： ea1a2 ea1 ea2 。 a1a2 a1 a2 假如x1和x2是两个十分靠近的数，即 a1和a2两个数十分靠近，上式表示计算的相对误 差会很大，致使计算值a1 a2的有效数字的位数将会极少。 ea1 a1ea a2ea 对于两个数作相除运算时，因为其相对偏差界： 1 2 1。 a2 a2 从关系式中能够看出，假如 x2很小，即a2很小，计算值 a1的偏差可能很大。 a2 5）．数值稳固性的观点、设计算法时的一些 基来源则 ⑴算法的数值稳固性：一个算法在计算过程中其 舍入偏差不增加称为数值稳固。反之， 成为数值不稳固。不稳固的算法是不可以使用的。 ⑵在实质计算中应尽量 防止出现两个邻近的数相减 。 ⑶在实质计算中应全力 防止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，再挨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，这个实数供给了向量 和矩阵的大小的胸怀。对于每一个范数，相应地有一类矩阵函数， 此中每一个函数都能够看 作矩阵大小的一种胸怀。 范数的主要的应用： 一、研究这些矩阵和向量的偏差预计 。 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 知足以下三个条件：即对随意愿量x和y以及随意常数R（实数域） （1）非负性x0，并且x0的充分必需条件为x0; （2）齐次性xx； （3）三角不等式xyxy． 则称函数为Rn上的一个向量范数． 常用三种的向量范数 设随意ｎ维向量x(x1,x2,,xn)T，（xT为向量x的转置）， n x x x  xi，向量的1-范数 1 1 2 n 2 xTx 1 2 xi x,x2 ， 向量的2-范数 i1 maxxi， 向量的 -范数 1 in 一般状况下，对给定的随意一种向量范数，其加权的范数能够表为 xWWx， 此中W为对角矩阵，其对角元作为它的每一个重量的权系数。 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 和 为Rn上的随意两种向量范数，则存在两个与向量 x没关的正常数c1和c2，使得下边的不等式建立 c1 x x c2x，此中x Rn. 2).矩阵范数 定