3.Вычислительные методы линейной алгебры

Вычислительные методы линейной алгебры изучают численные методы решения следующих задач:

1) Решить систему линейных алгебраических уравнений (СЛАУ).

2) Вычислить определитель квадратной матрицы A.

3) Для данной квадратной матрицы A найти обратную A^–1.

4) Определить собственные значения и собственные векторы квадратной матрицы A.

3.1.Нормы векторов и матриц

Приведем определения норм векторов и матриц [1]. Пусть задан вектор x = (x₁, x₂, …, x_n)^T. Наиболее часто для векторов используются следующие нормы:

(3.1)

(3.2)

(3.3)

Норма (3.3) порождена скалярным произведением векторов

.

Для скалярного произведения справедливы следующие соотношения:

.

Если A симметричная матрица, то (Ax, y) = (x, Ay).

Определение 3.1. Нормой матрицы A называется число

. (3.4)

Согласованные с нормами векторов (3.1) — (3.3) нормы матриц определяются формулами

(3.5)

(3.6)

(3.7)

Здесь — собственные значения матрицы A^TA, которая является симметричной. Чтобы обосновать формулу (3.7) рассмотрим определение нормы матрицы (3.4):

Можно доказать [1], что для симметричной матрицы B верно соотношение

, (3.8)

где λ_i — собственные значения матрицы B. Отсюда следует формула (3.7).

Пример 3.1. Вычислить нормы ||x||₁, ||x||₂, ||x||₃ вектора x = (1, 2, – 3)^T.

Решение. Пользуясь определениями норм (3.1) — (3.3), вычислим

Пример 3.2. Вычислить нормы ||A||₁, ||A||₂, ||A||₃ матрицы

Решение. По формулам (3.5), (3.6) находим нормы матриц

Чтобы вычислить норму матрицы по формуле (3.7) необходимо найти собственные значения матрицы, полученной умножением транспонированной матрицы A^T на данную матрицу A:

.

Не вдаваясь пока в подробности методов вычисления собственных значений матриц, вычислим в программе Mathcad собственные значения матрицы с помощью функции eigenvals:

Теперь мы можем вычислить норму матрицы по формуле (3.7):

Определение 3.2. Две нормы ||x||_α и ||x||_β называются эквивалентными, если существуют постоянные γ₁ и γ₂ такие, что при всех x ≠ 0 справедливы соотношения

||x||_α/||x||_β ≤ γ₁, ||x||_β /||x||_α ≤ γ₂.

Нормы ||x||₁, ||x||₂, ||x||₃ эквивалентны между собой, так как выполняются неравенства [1]

||x||₁ ≤ ||x||₃ ≤ ||x||₂ ≤ n||x||₁.

Из эквивалентности норм ||x||₁, ||x||₂, ||x||₃ следует, что, если последовательность векторов сходится по одной из этих норм, то она сходится и по остальным нормам.

Ниже мы будем подразумевать под нормой ||x|| одну из указанных норм, а при необходимости конкретизировать, какую именно. При этом будем под нормой матрицы подразумевать норму, согласованную с нормой вектора.