выч.методы лин. алгебры
.pdfÒåìà: Вычислительные методы линейной алгебры.1 Подчиненные и согласованные матричные нормы.
Координатная сходимость используется в теоретических исследованиях, в практических приложениях удобнее пользоваться сходимостью по норме. Это объясняется тем, что при исследовании линейных пространств большой размерности трудно иметь дело с большим числом координатных последовательностей.
Вспомним определение линейного нормированного пространства.
Говорят, что в линейном пространстве X введена норма, если каждому
вектору x 2 X поставлено в соответствие действительное число kxk, называемое нормой, причем выполнены:
1.kxk 0 для 8x, причем kxk = 0, тогда и только тогда, когда x = 0;
2.k xk = j j kxk для 8x 2 X; 8 - вещественно;
3.kx + yk kxk + kyk äëÿ 8x è y èç X.
В n-мерном векторном постранстве наиболее употребительными являются следующие нормы:
n |
|
|
|
|
Xi |
p |
|
|
= 1maxi n jxij: |
|
||||
kxk1 = |
jxij; kxk2 = (x; x); kxk1 |
|||
=1 |
|
|
|
|
Из курса линейной алгебры известно, что множество всех квадратных матриц порядка n с обычным определением сложения матриц и умножения матрицы на число является линеным пространством. В нем как и во всяком линейном пространстве можно различными способами ввести норму, лишь бы выполнялись аксиомы нормы, например:
n |
n |
kAkE = v |
aij2 ; |
u
XX
u
t
i=1 j=1
евклидова норма матрицы А.
Выполнение аксиом нормы очевидно, ибо она представляет собой вклидову длину kk2 вектора, имеющего n2 компонент и составленного из n2 элемен-
тов матрицы.
С другой стороны, мы рассматриваем матрицу не как вектор с n2 êîì-
понентами, а как матрицу определяющую линейное преобразование n-ìåð- ного пространства и для нас матрицы представляют интерес именно с этой точки зрения.
Поэтому, если в пространстве векторов уже определена некоторая норма, то норму в пространстве матриц желательно вводить так, чтобы она была в некотором смысле согласована с нормой в пространстве векторов.
1
Определение: Если в n-мерном пространстве X определена некоторая норма kxk, то подчиненной ей нормой в пространстве матриц порядка n называ-
ется величина:
k |
A |
k |
= sup |
kAxk |
( |
|
) |
|
x |
||||||||
|
|
|
|
|||||
|
|
|
x6=0 k k |
|
|
|
Y проверить, что так введенна норма удовлетворяет аксиомам нормы.
Непосредственным следствием опеределения подчиненной матричной нормы является неравенство
kAxk kAk kxk; 8x; в том числе для = 0 ( )
Следствие: Говорят, что матричная норма согласована с векторной, если для всех А и х справедливо неравенство ( )
Тогда, всякая подчиненная матричная норма согласована с той векторной нормой, которой она подчинена. Обратное, вообще говоря, неверно. Пример согласованности норм kAkE è kxk2 в чем легко убедиться, исполь- зуя неравенство Коши-Буняковского.
Свойства подчиненных норм:
1.kEk = 1; где E - единичная матрица
2.kABk kAk kBk; 8A è B
Доказательство этих свойств:
|
|
|
|
k |
E |
k |
= sup |
kExk |
= 1 |
|
|
|
|
|
|
||||||
|
|
|
|
|
|
x6=0 k |
x |
k |
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
k |
AB |
k |
= sup |
k(AB)xk |
|
sup |
kAk kBxk |
= |
k |
A |
k k |
B |
k |
||||||||
|
|
x |
|
|
x6=0 |
|
|
k |
x |
k |
|
|
|
||||||||
|
|
|
x6=0 k k |
|
|
|
|
|
|
|
|
|
|
|
Использование свойства 1 позволяет утверждать, что не существует век-
торной формы, которой была бы подчинена евклидова норма матрицы. В |
|||
самом деле, |
p |
|
|
|
|
|
|
|
kEkE = n 6= 1 |
Обзначим через kAk1; kAk2; kAk1 матричные нормы, подчиненные соответственно kxk1; kxk2; kxk1:
|
n |
q |
|
|
n |
|
Xi |
|
|
X |
|
|
|
||||
kAxk1 = |
max |
jaijj; kAk2 = maxi i(A A); kAk1 = maxi |
jaijj |
||
j |
|||||
|
=1 |
|
|
|
j=1 |
a) Доказательство справедливости формулы
kAk1 = sup kAxk1
x6=0 kxk1
2
для 8x 6= 0 оценим
n |
|
|
n |
|
|
n |
n |
|
|
|
n n |
X X |
XXj |
|
|
|
X X |
||||||
kAxk1 = |
|
j |
|
aijxjj |
|
|
jaijj jxjj = ( jaijj)jxjj |
||||
i=1 |
|
j=1 |
i=1 |
=1 |
|
|
|
i=1 j=1 |
|||
|
|
|
|
n |
|
n |
|
|
|
n |
|
1 j n |
X |
X |
jxjj = |
1 j n |
Xi |
||||||
jaijj |
|
|
|
jaijj kxk1 |
|||||||
max |
|
|
|
|
max |
|
|
||||
|
|
i=1 |
j=1 |
|
|
=1 |
|||||
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
kAxk1 |
|
max |
Xi |
a |
|
; |
|
|
|
|
|
k k |
|
1 j n |
|
|
|
||
|
|
|
|
x 1 |
|
=1 j ijj |
|
если существует такой вектор y, для которого достигается максимум, то формула доказана.
Обозначим через k номер того столбца, для которого
nn
XX
jaijj = |
max |
j |
a |
ijj |
||
1 j |
|
n |
|
|||
i=1 |
|
|
i=1 |
|
|
в качестве y = ek = (0; : : : ; 0; 11; 0; : : : ; 0)
nn
|
X |
|
|
|
X |
ek = 1; kAekk = |
jaikj = 1maxi n |
jaijj; |
|||
|
i=1 |
|
|
i=1 |
|
Aekk1 |
= max |
Xi |
a |
ijj |
|
kkekk1 |
j |
j |
|
б) Доказательство для kAk2
(A A) = A (A ) = A A; ) A A - симметрич. и неотрицательно определена
(A Ax; x) = (Ax; Ax) = kAxk22 0
все собственные значения симметрической матрицы вещественны, и соот-
ветствующие собственые функции образуют полную ортогональную и нормированную систему, и в силу неотрицательности определителя A A неот-
рицательны, A Aui = i(A A)ui i = 1; n
(
0; i 6= j
u (ui; uj) =
1; i = j
n
X
8x 6= 0 : x = ciui
i=1
ss
X X X
p
kxk2 = (x; x) = ciui; ciui = c2i ;
i i i
1k-я компонента
3
s
X X
pp
|
kAxk2 = |
(Ax; Ax) = |
(A Ax; x) = |
|
(A A |
|
ciui; |
ciui) = |
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i |
i |
|
||||
|
= v |
|
|
|
|
= v |
|
|
|
|
|
|
maxi i |
|
|
|
ci2 |
|||||
|
( |
ci i(A A)ui; |
ciui) |
|
|
|
ici2 |
|
|
|
|
|
||||||||||
|
|
n |
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
u i=1 |
|
|
|
|
|
ui=1 |
|
|
|
|
|
s i |
|
||||||||
|
u X |
|
X |
|
|
uX |
|
|
|
|
q |
|
|
|
X |
|
||||||
|
t |
|
|
|
|
|
t |
|
|
|
|
|
|
|
|
| |
|
|
|
} |
||
äëÿ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k |
{zk2 |
|||
|
8x 6= 0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
|
||
|
|
Axk2 |
q |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
max |
(A |
A) |
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
kkxk2 |
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
i |
i |
|
|
|
|
|
|
|
|
|
|
|
|
p p
9y 6= 0; пусть к - номер максимального с.з. k(A A) = maxi(A A)
r
q
y = uk; kukk2 = 1; kAukk = (A Auk; uk) = max i(A A)
i
| {z }
kuk
Если А - симметрическая матрица A = A
q q q
kAk2 = max i(A A) = max i(A2) = max( i(A))2 = max i(A):
i i i i
2 Обусловленность матриц и с.л.а.у.
Определение: числом обусловленности квадратной матрицы А называется
величина
(A) = sup kAxk kAyk
x6=0;y6=0 kxk kyk
Из ( ) следует, что kAxk kAk kxk 8x; в том числе x = 0 ( )
Говорят, что матричная норма согласована с векторной, если выполнено
( )
Согласно этому определению всякая подчиненная матричная норма согласована с той векторной нормой, которой она подчинена.
Обратное, вообще говоря, неверно.
Примеры согласованных норм: kxk2 è kAkE
Y показать это, используя неравенство Коши - Буняковского.
Свойства подчиненной нормы:
1)kEk = 1
2)kABk kAk kBk 8A; B
Y доказать эти свойства
4
Использование свойства 1 позволяет утверждать, что не 9 - ет векторной
нормы, которой была бы подчинена k kE В самом деле kEkE = pn 6= 1
Обозначим через kAk1; kAk2; kAk1 ветственно нормам kxk1; kxk2; kxk1
|
|
|
|
|
|
n |
|
|
|
|
kAk1 = 1 j n |
Xi |
ijj |
k k1 |
= |
||||
|
|
j |
|||||||
|
|
|
max |
|
a |
|
x |
||
|
|
|
|
=1 |
|
|
|
||
kAk2 |
= r |
|
|
|
|
|
|
|
|
1 i n i |
|
A) - спектральная норма |
|||||||
|
|
max |
(A |
n
jxijj (1)
x 2 |
= v |
n |
xi2 |
(2) |
k k |
ui=1 |
|
|
|
|
uX |
|
|
t
kAk1 = |
1maxi n |
Xj |
|
|
|
kxk1 = maxi |
jxij (3) |
|
jaijj |
|
|||||||
|
|
=1 |
|
|
|
|
|
|
Сначала докажем справедливость формулы (1). |
|
|||||||
По определеню подчиненной нормы |
|
|
|
|||||
|
|
k |
A |
k1 |
= sup |
kAxk1 |
|
|
|
|
kxk1 |
|
|||||
|
|
|
x6=0 |
|
||||
n |
n |
|
|
n |
n |
|
n |
n |
|
X X |
|
|
|
|
Xi |
X |
|
|
X X |
|||
kAxk1 = |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
n |
|
|
|
n |
j=1 |
|
|
i=1 j=1 |
X |
|
|
|
=1 j=1 |
|
|
i=1 |
||||
|
1 j n |
jaijj |
X |
1 j n |
Xi |
|
|||||||
|
|
|
|
|
jxjj = |
jaijjkxk1 |
|||||||
|
max |
|
|
|
|
|
|
|
|
max |
|
|
|
|
|
i=1 |
|
|
|
j=1 |
|
=1 |
|
||||
Отсюда, для всех x 6= 0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
kAxk1 |
|
|
n |
|
|
|
||||
|
|
|
|
max |
|
a |
|
|
|||||
|
|
|
|
k k |
|
|
1 j n |
Xi |
|
|
|||
|
|
|
|
x |
1 |
|
=1 j ijj |
|
и для доказательства формулы (1) достаточно показать, что 9 такой вектор
у, для которого |
|
|
|
|
n |
|
|
|
|
|
|
|
|
kAk1 |
max |
Xi |
a |
|||
k |
y |
k |
|
1 j n |
|
|
|
|
1 |
=1 j ijj |
обозначим через k - номер того столбца, для которого
nn
XX
jaikj = |
max |
j |
a |
ijj |
||
1 j |
|
n |
|
|||
i=1 |
|
|
i=1 |
|
|
в качестве искомого вектора у следует взять k-ый координатный столбец
5
ek = (0; 0; :::; 1 ; 0; :::; 0) ;
|{z}
k-ое место
|
|
|
|
|
|
n |
|
|
|
|
|
n |
|
|
|
|
|
|
X |
|
max |
X |
|||
kekk1 = 1; kAekk1 = |
jaikj = |
1 |
j |
|
n |
jaijj ! |
||||||
|
|
|
|
|
|
i=1 |
|
|
|
|
i=1 |
|
|
kAekk1 |
|
n |
|
|
|
|
|
|
|||
|
= max |
a |
- формула доказана! |
|||||||||
|
k |
ek |
k |
|
1 j n |
Xi |
|
|
|
|
|
|
|
|
|
1 |
=1 j ijj |
|
|
|
|
|
|
Аналогично доказывается формула (3). Перейдем к доказательству форму-
ëû (2)
Матрица A A - матрица и положительно определена.
Из курса линейной алгебры известно, что все собственные числа симметричной матрицы вещественны, кроме того собственные значения неотрицательны. Кроме того, симметричная матрица обладает полным ортонорми-
рованным набором обственных векторов, обозначим ui собственный вектор A A отвечающий ее собственному значению i(A A) : (A A)ui = i(A A)ui
ò.å. A Aui = iui; i = 1; n;
По определению подчиненной нормы
kAk2 = sup kAxk2
x6=0 kxk2
kAxk
Оценим сверху величину kxk22
Поскольку u1; :::; un образуют базис n-мерного векторного пространства, то
x можно представить:
n
|
|
|
|
|
|
|
|
|
|
x = |
ciui |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
Вычислим |
|
|
|
|
|
|
|
|
|
Xi |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
v |
|
|
|
|
|
|
|
v |
|
|
|
|
|
|
|
|
|
|
|
|
kxk2 |
|
|
|
|
|
n |
|
|
n |
|
|
|
|
n |
|
|
|
|
|
|
||||
|
|
|
= (x; x) = u(i=1 ciui; i=1 ciui) = ui=1 ci2 |
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
p |
|
|
|
u X |
|
X |
|
uX |
|
|
|
||||||||||
Оценим |
|
|
|
|
|
|
|
|
t |
|
|
|
|
|
t |
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
= v |
|
|
|
|
|
|
|
|
|
||||||||
|
|
2 = |
|
|
|
|
= |
|
|
|
|
|
(A A |
n |
|
|
|
n |
ciui) = |
||||||||
k |
Ax |
|
(Ax; Ax) |
(A Ax; x) |
i=1 |
ciui; |
i=1 |
||||||||||||||||||||
k |
|
p |
|
|
|
p |
|
u |
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
u |
|
X |
|
|
|
X |
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
t |
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
n |
|
|
|
n |
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
||
|
= v( |
ci iui; ciui) = v |
|
|
|
|
|
v |
ci2 = |
||||||||||||||||||
|
ici2 |
|
1maxi n |
i |
|||||||||||||||||||||||
|
u i=1 |
|
|
i=1 |
|
|
ui=1 |
|
|
|
|
|
ui=1 |
||||||||||||||
|
u X |
|
|
X |
|
|
uX |
|
|
|
q |
|
|
|
|
uX |
|||||||||||
|
t |
|
|
|
|
|
|
|
t |
|
|
|
|
|
|
|
|
t |
|
|
|
6
q
= max i kxk2
1 i n
Отсюда следует, что для всех x 6= 0
kAxk2 r max i(A A) kxk2 1 i n
Покажем, что существует такой y, для которого достигается равенство. Обозначим через k - номер максимального собственного значения, в качестве
искомого вектора y возьмем uk; имеем p p
kukk2 = 1; kAukk2 = (A Auk; uk) = k
В частном случае симметрической матрицы А спектральная норма
rr
kAxk2 = |
1maxi n i(Ax; Ax) = |
1maxi n i(A2) = |
|||
|
|
|
|
|
|
|
r |
|
|
n |
i |
|
1 i n i |
1 i n i=1 |
|||
= |
|
max 2(A) = max |
X |
(A) |
|
|
|
Обусловленность матриц и систем линейных алгебраических уравнений.
Числом обусловленности матрицы A называется
(A) = sup kAxk kAyk
x6=0;y6=0 kxk kyk
Чтобы понять смысл этой характеристики, рассмотрим систему уравнений
Ax = f (2)
с невырожденной матрицей А и рассмотрим систему уравнений с возмущенной правой частью
|
|
|
|
A(x + ) = f + |
(3) |
|
|
|
|
||||||||
- возмущение решения, вызванное возмущением |
правой части |
||||||||||||||||
Вычтем (2) из (3): имеем A = |
|
|
|
|
|
|
|
|
|
|
|
||||||
Оценим: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k k |
kfk |
= |
k k |
kAxk |
= |
|
Ax |
|
A |
|
(A) |
k k |
; |
|||
kxk k k |
kxk |
kA k |
kkxkk kk kk |
|
kfk |
||||||||||||
|
|
|
|
|
|||||||||||||
Отсюда: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
k k |
|
(A) |
k k |
: |
(4) |
|
|
|
|
||||
|
|
|
|
kxk |
|
|
kfk |
|
|
|
|
|
|
Заметим, что из определения точной верхней грани непосредственно следует, что (A) - наименьшая из констант, для которых при всех f 6= 0 и всех
7
6= 0 справедливо (4). Величины
k k
kfk - наз. относительным возмущением правой части
k k
kfk - относительным возмущением решения.
Неравенство (4) показывает, что если число (A) велико, то даже при ма-
лом относительном возмущении правой части относительное возмущение решения может быть достаточно большим: последнее может быть больше первого в (A) раз. Иными словами, при большом числе обусловленности
даже малое изменение правой части может привести к большому изменению решения. В таком случае говорят, что решение системы плохо определено, или плохо обусловлено ее правой частью.
Если же число (A) невелико, то из (4) следует, что малое изменение пра-
вой части приводит к малому изменению решения. В этом случае говорят, что решение системы хорошо обусловлено ее правой частью.
Мерой обусловленности решения системы ее правой частью, как мы видим, и является число обусловленности марицы этой системы.
Матрицы с большим числом обусловленности называют плохо обусловленными, а матрицы, имеющие большое число обусловленности - хорошо обусловленными.
Предполагаем, что А невырожденная, получим формулу для (A):
kAxk
(A) =
supx6=0 kxk
kAyk
infy6=0 kyk
Числитель есть kAk подчиненная норме векторной kxk Сделаем замену z = Ay
inf |
kAyk |
= inf |
|
kzk |
|
= inf |
1 |
|
= |
1 |
|
|
|
= |
|
1 |
|
||||||
|
|
A 1z |
|
|
kA 1zk |
|
|
|
kA 1zk |
|
|
A 1 |
|
||||||||||
y=0 |
k |
y |
k |
z=0 |
k |
k |
z=0 |
|
|
|
supz=0 |
|
|
k |
k |
||||||||
6 |
|
6 |
|
6 |
|
z |
k |
|
|
z |
k |
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
k |
|
6 |
|
k |
|
|
|
|
Окончательно, (A) = kAk kA 1k
Если, А - вырожденная, то однородная система Ay = 0 имеет нетривиальное
решение и следовательно
inf kAyk = 0
y6=0 kyk
В этом случае (A) = 1
Отметим, что число обусловленности матрицы не может быть 1. Выясняя смысл числа обусловленности (A) мы видели, что оно характеризует обусловленность решения системы Ax = f ее правой частью. Оказывается, что (A) указывает и на характер обусловленности решения системы ее матрицей.
8
Наряду с системой Ax = f рассмотрим систему
(A + )(x + ) = f +
Здесь - возмущение решения, вызванное возмущением правой части и возмущением матрицы системы.
Теорема
Åñëè kA 1k k k < 1, то для относительного возмущения решения: справедлива оценка
|
k k |
|
(A) |
|
k k |
+ |
k k |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
kxk |
1 (A) |
kkAkk |
kfk kAk |
|
|
|
|||||
Для доказательства понадобится лемма: |
|
|
|
|
|
|
|
|
||||
Y |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Лемма: ПустьkBk < 1. Тогда матрица E + B имеет обратную и k(E + B) 1k |
1 |
|
||||||||||
|
|
|||||||||||
1 kBk |
Доказательство теоремы:
(A + )(x + ) = f +
Ax = f
(A + ) = x
матрицу A + = A(E + A 1 ) и покажем, что она имеет обратную. Так как kA 1 k kA 1kk k < 1, то по лемме
E + A 1 имеет обратную, следовательно, имеет обратную и матрица
A(E + A 1 ):
= (A + ) 1( x)
= (E + A 1 ) 1A 1( x)
Оценим сверху по норме:
k k k(E + A 1 ) 1)k kA 1k (k k + k kkxk)
|
|
1 |
|
|
|
|
|
|
|
A 1 |
A |
|
k k |
|
|
kfk |
+ |
k k |
|
x |
|
||||||||||||||
|
1 kA |
kk kAk |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
k |
|
k k |
|
|
k k |
|
|
k |
|
|||||||||||||||
|
1 |
kkAk |
k |
|
k k k |
A |
|
|
|
f |
|
|
|
|
A |
|
|
k k |
|||||||||||||||||
|
|
1 |
|
|
|
|
|
|
(A) |
|
|
k k |
|
|
|
kfk |
|
|
+ |
k k |
|
|
|
x |
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
1 (A) |
kkAkk |
|
|
|
|
kAk kAk kfk kAk k k |
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
(A) |
|
|
|
k k |
+ |
k k |
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
1 (A) |
kkAkk |
|
kfk kAk |
|
|
|
|
|
|
|
9
Полученная оценка показывает, что (A) является мерой обусловленности решения системы Ax = f как ее правой частью, так и матрицей, т.е. всей
системой в целом.
Тогда если есть нормы kxk1; kxk2; kxk1, òî k k1; k k2; k k1: Пример:
|
|
|
|
|
|
|
|
|
A = |
1:0001 |
1 |
|
|
|
f = |
2:0001 x = 1 |
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
1:0001 |
|
|
|
|
|
2:0001 |
|
|
|
1 |
|
|
|
|
||||||||||||
Выясним число обусловленности |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
k k2 = kAk2 kA 1k2 |
|
kAk2 |
|
= max( 1(A); 2(A)); |
|
|
|
|
|
|
|||||||||||||||||||||||||||||||
ò.ê. |
матрица симметрична, то |
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||
|
|
2 |
|
21:0001 |
2 |
=20 |
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
(1 |
) |
|
|
|
|
|
|
|
|
|
|
|
|
(1 ) 1:0001 = 0 |
|
|
1 = 0:0001 |
||||||||||||||||||||||||
1 2 + |
1:0001 |
= 0 |
|
|
|
2 |
) |
|
|
|
|
|
|
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
+ 0:0001 |
|
|
|
1 |
|
+ 1:0001 = 0 |
|
|
|
|
= 2:0001 |
||||||||||||||||
|
2 |
2 |
|
(1 + 0:0001 2 |
= 0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
||||||||||||
|
0:0002 0:0001 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
1;2 = 1 p |
1 + 0:0002 + 0:00012 |
= 1 (1 + 0:0001) |
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||
1 = 2:0001; 2 = 0:0001; |
значит kAk2 = 2:0001; |
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||
A 1 также симметрична, поэтому |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
kA 1k2 = max( 1(A 1); 2(A 1)) = max( |
1 |
|
|
|
1 |
|
) = |
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||
|
|
|
|
|
|
1(A) |
2(A) |
||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
= |
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
= |
|
|
1 |
= 104 |
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
j min( 1(A 1); 2 |
|
|
|
|
|
|
0:0001 |
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
(A 1))j |
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(A) = 2:0001 104; |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
Рассмотрим возмущенную систему: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(A + ) (x + ) 6= f + ; |
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| |
|
|
|
{z |
|
} |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
y |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
= |
0:00005 = |
|
|
0 |
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
1:0001 |
0 |
|
|
|
0 |
|
|
|
|
0:0001 |
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
1:00005 |
0 |
|
|
= 2:00005 |
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
1:0001 |
|
|
|
0:0001 |
|
|
|
2:0002 |
|
|
|
|
|
|
|||||||||||
Решение не имеет ничего общего с решением исходной системы. |
|||||||||||||||||||||||||||||||||||||||||
Найдем относительное возмущение решения |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
p |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k k2 |
= |
ky xk2 |
= |
|
|
2 |
= 1; |
|
|
|
(0:00005 |
|
|
) |
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
kxk2 |
|
kxk2 |
|
|
|
p2 |
|
|
|
|
|
|
|
|
|
|
|
|
1 = 0; 2 = 0:0005 = 5 10 4
k k = maxi=1;2 j i( )j = 0:5 10 4
10