- •Вместо введения: о погрешностях при решении прикладных задач
- •Глава I. Численные методы решения уравнений
- •§ 1. Задача локализации корней
- •Ограничение корней
- •Локализация корней
- •Простейший (грубейший) алгоритм локализации корней:
- •§ 2. Понятие об итерационных методах уточнения корней
- •Метод деления пополам (метод вилки)
- •§ 3. Методы хорд и касательных
- •Метод хорд для монотонных выпукло-вогнутых функций
- •Метод касательных для монотонных выпукло-вогнутых функций
- •§ 4. Метрические и банаховы пространства. Теорема о неподвижной точке
- •Матричные нормы
- •§ 5. Метод простой итерации
- •§ 6. Применение метода простой итерации к решению
- •Условие h([; ]) [; ] :
- •Глава II. Вычисления в линейной алгебре
- •§ 1. Метод Гаусса и его улучшения для повышения точности решения
- •§ 2. Метод простой итерации и метод Зейделя
- •§ 3. Подготовка к применению метода простой итерации
- •§ 4. Проблема собственных значений
- •Глава III. Численное интегрирование
- •§ 1. Метод прямоугольников
- •§ 2. Метод трапеций
- •§ 3. Метод Симпсона (параболическое интерполирование)
- •Глава IV. Некоторые методы аппроксимации функций
- •§ 1. Интерполяционный многочлен Лагранжа
- •§ 2. Интерполяционный многочлен Ньютона
- •§ 3. Метод наименьших квадратов
- •Глава V. Некоторые методы численного решения дифференциальных уравнений
- •Приложение: Сводка характеристик численных методов
- •Характеристики метода:
- •Характеристики метода:
- •Характеристики метода:
- •Характеристики метода:
- •Характеристики метода:
Матричные нормы
Множество M(n, R) всех квадратных nn-матриц над полем действительных чисел, как известно, образует векторное пространство размерности n2, которое можно отождествить с R . Поэтому можно определить следующие нормы на M(n, R):
||A||2 = , ||A|| = , ||A||1 = ,
где A = (aij) – квадратная nn-матрица с компонентами aij (1 n). Вопрос о том, почему эти нормы обозначены аналогично введённым выше векторным нормам, но некоторые из них выглядят иначе, будет обсуждаться позднее.
Примеры: 1. Для матрицы A = получаем
||A||2 = , ||A|| = max{|–1| + |2|, |3| + |5| } = 3,
||A||1 = max{|–1| + |3|, |2| + |5|} = 4.
2. Для единичной матрицы I = любого порядка значения всех рассматриваемых норм равны 1.
Оказывается, что эти нормы, определённые для матриц в векторном пространстве, тесно связаны с умножением матриц:
A, B M(n, R) ||A·B|| ||A||·||B||.
Это легко проверить для |||| : если C = A·B, то cij = и . Поэтому ||C|| = ||A|| ·||B|| .
Для нормы ||||1 вычисления аналогичны. В случае ||||2 нужно проверить неравенство , справедливость которого можно уяснить, воспользовавшись неравенством Коши-Буняковского-Шварца – модуль скалярного произведения векторов не превосходит произведения их длин: . Поэтому
Есть другой, более общий, подход к определению матричных норм. Если задана некоторая векторная норма |||| в векторном пространстве nR всех столбцов длины n, то единообразно можно определить связанную с ней матричную норму ||A|| = sup{||A·x|| R | x nR , ||x|| = 1}. Этот супремум конечен, т.к. множество {x nR | ||x|| = 1} ограничено и замкнуто, так что непрерывная функция ||A·x|| на нём достигает максимума.
Теорема (о матричной норме). Если в пространстве nR задана норма |||| , то формула ||A|| = sup{||A·x|| R | x nR , ||x|| = 1} определяет матричную норму, т.е. отображение |||| : M(n, R) R со свойствами:
(Н1): A M(n, R) ||A|| 0 (||A|| = 0 A = 0)
(Н2): R A M(n, R) ||·A|| = ||·||A||
(Н3): A, B M(n, R) ||A + B|| ||A|| + ||B||
(Н4): A, B M(n, R) ||A·B|| ||A||·||B||.
При этом x nR ||A·x|| ||A||·||x||.
Доказательство. Для краткости будем писать sup{||A·x||} вместо sup{||A·x|| R | x nR , ||x|| = 1}.
(Н1): Условие ||A|| 0 очевидно. Кроме того,
(||A|| = 0) (sup{||A·x||} = 0) ( x nR ||A·x|| = 0)
( x nR A·x = 0) A = 0.
(Н2): ||·A|| = sup{||·A·x||} = sup{||·||A·x||} = ||·sup{||A·x||} = ||·||A||.
(Н3): ||A + B|| = sup{||(A + B)·x||} = sup{||A·x+B·x||} sup{||A·x|| + ||B·x||} sup{||A·x||} + sup{||B·x||} = ||A|| + ||B||.
Докажем теперь неравенство x nR ||A·x|| ||A||·||x||. Оно очевидно для x = 0. Если x 0, то для y = имеем ||y|| = = 1, поэтому ||A|| = sup{||A·z|| | ||z|| = 1} ||A·y|| = , откуда и следует, что ||A·x|| ||A||·||x|| .
(Н4): ||A·B|| = sup{||(A·B)·x||} = sup{||A·(B·x)||} sup{||A||·||B·x||} = = ||A||·sup{||B·x||} ||A||·sup{||B||·||x||} = ||A||·||B||·sup{||x|| | ||x|| = 1} = ||A||·||B||.
Теорема доказана.
Упражнения: 1. Докажите, что по любой матричной норме можно построить векторную норму: именно по |||| : M(n, R) R определяется норма |||| : nR R по правилу ||x|| = ||(x … x)||, где (x … x) M(n, R) – матрица, полученная n-кратным повторением столбца x nR.
2. Докажите, что модуль || R любого собственного числа матрицы A M(n, R) не превосходит произвольной нормы ||A|| матрицы A.
3. Докажите, что формула
||A|| = max{|| R | C – собственное число матрицы А}
Определяет матричную норму.
Оказывается, что описанным в теореме о матричных нормах путём по нормам ||||2 , |||| и ||||1 в nR можно получить рассмотренные выше соответствующие нормы матриц. Доказывать это не будем.
Ввиду тесной связи нормы |||| в банаховом пространстве с индуцированной метрикой (x, y) = ||x – y|| теорему о неподвижной точке сжимающего отображения можно переформулировать и для банаховых пространств:
Теорема (о неподвижной точке сжимающего отображения). Пусть в банаховом пространстве B с нормой |||| определено сжимающее отображение f : B B, т.е. c [0; 1) x, y B ||f(x) – f(y)|| c·||x – y|| . Тогда у него существует единственная неподвижная точка x B: f(x) = x. Эта неподвижная точка может быть получена, например, как предел последовательности {xn}n N , где x1 = f(x0), xn+1 = f(xn), а x0 – произвольный элемент из B. При этом
|| xn+1 – x || c·|| xn – x || , || x – xn || .
Важным для приложений является случай сжимающего линейного оператора, т.е. сжимающего отображения f : B B, удовлетворяющего условию линейности , R x, y B f(·x + ·y) = ·f(x) + ·f(y).
Теорема (о сжимающих линейных операторах). Линейный оператор f : B B является сжимающим тогда и только тогда, когда с [0; 1) x B ||f(x)|| c·||x||. Сжимающий линейный оператор имеет единственную неподвижную точку: 0 B. Если f – сжимающий линейный оператор, то линейный оператор – f : B B, где – тождественное отображение, инъективен.
Доказательство. Если оператор сжимающий, то при y = 0 из условия сжимаемости получим ||f(x) – f(0)|| c·||x – 0|| , т.е. ||f(x)|| c·||x|| . Обратно, если x B ||f(x)|| c·||x|| , то при x = y – z будет верно y , z B ||f(y) – f(z)|| = ||f(y – z)|| c·||y – z || , что и требовалось.
Очевидно, что 0 – неподвижная точка линейного оператора: f(0) = 0. Если сжимающий линейный оператор имеет неподвижную точку x, то f(x) = x, и ||x|| = ||f(x)|| c·||x||, что при x 0 приводит к противоречию 1 c. Поэтому x = 0 – единственная неподвижная точка оператора f.
По определению, x B ( – f)(x) = x – f(x). Предположим, что ( – f)(x) = ( – f)(y), т.е. x – f(x) = y – f(y) или x – y = f(x) – f(y) = f(x – y). Значит, x – y – неподвижная точка сжимающего оператора, и поэтому, x – y = 0 , т.е. x = y.
Теорема доказана.
Замечание: Вообще говоря, для бесконечномерного банахова пространства B в условиях теоремы линейный оператор – f : B B не обязан быть сюръективным.
Если B = Rn, то, как известно из курса алгебры, инъективность линейного оператора равносильна его обратимости, т.е. из инъективности оператора в конечномерном пространстве следует его сюръективность. Поэтому получаем
Следствие (об обратимости матрицы). Пусть А M(n, R) и ||A|| < 1. Тогда матрица In – A обратима.
Доказательство. Рассмотрим линейный оператор : nR nR, определённый правилом (x) = A·x. Это – линейный оператор с матрицей A относительно стандартного базиса e1 , … , en пространства nR , где
ei = (0; … ; 0; 1; 0; … ; 0)t
– вектор-столбец с единицей на i-м месте и нулями на остальных. Этот оператор будет сжимающим: x nR ||(x)|| = ||A·x|| ||A||·||x|| и ||A|| < 1, так что в условии сжимаемости оператора можно взять c = ||A|| [0; 1). По теореме о сжимающих линейных операторах, оператор – обратим. Его матрицей в стандартном базисе e1 , … , en будет In – A, что и доказывает её обратимость.
Лемма доказана.
Примеры: 1. Для матрицы A = имеем
||A||2 = ,
||A|| = max{|0,5| + |0|, |–0,45| + |0,9|} = 1,35,
||A||1 = max{|0,5| + |–0,45|, |0| + |0,9|} = 0,95 < 1.
Таким образом, матрица I – A = обратима. Об этом свидетельствует неравенство нулю её определителя и ||A||1 . Остальные нормы не позволяют сделать вывод об обратимости матрицы I – A.
2. Для матрицы A = имеем
||A||2 = < 1,
||A|| = max{|0,2| + |0,2|, |0,9| + |0,3|} = 1,2,
||A||1 = max{|0,2| + |0,9|, |0,2| + |0,3|} = 1,1.
Таким образом, матрица I – A = обратима. Об этом свидетельствует неравенство нулю её определителя и ||A||2 . Остальные нормы не позволяют сделать вывод об обратимости матрицы I – A.
Эти примеры показывают, что для решения задач полезно использовать весь спектр норм: некоторые не помогут, но возможно, какая-то из них и облегчит решение задачи.