
- •Глава 3 основы численных методов
- •§ 3.1. Основные понятия линейной алгебры
- •3.1.1. Линейное пространство. Евклидово пространство.
- •3.1.2. Арифметическое пространство. Векторы и операции над ними. Линейная зависимость векторов. Базис.
- •3.1.3. Матрицы и операции над ними. Некоторые виды матриц.
- •3.1.4. Скалярное произведение векторов.
- •3.1.5. Норма вектора. Некоторые свойства векторных норм. Абсолютная и относительная погрешности. Сходимость.
- •3.1.6. Норма матрицы. Некоторые свойства матричных норм.
- •3.1.7. Число обусловленности матрицы.
- •§ 3.2. Прямые методы решения систем линейных алгебраических уравнений
- •3.2.1. Общий вид системы линейных алгебраических уравнений (слау). Понятие о прямых методах решения слау.
- •3.2.2. Метод Гаусса.
- •3.2.3. Вычисление определителя матрицы коэффициентов системы. Некоторые свойства определителей.
- •3.2.4. Выбор главного элемента.
- •3.2.6. Итерационное уточнение.
- •3.2.7. Метод Гаусса для ленточной слау.
- •3.2.8. Слау с несколькими правыми частями.
- •3.2.9. Вычисление обратной матрицы .
- •§ 3.3. Итерационные методы решения систем линейных алгебраических уравнений
- •3.3.1. Понятие об итерационных методах решения слау.
- •3.3.2. Метод Зейделя и метод простой итерации.
- •3.3.3. Общий вид итерационного процесса.
- •§ 3.4. Методы вычисления собственных значений и собственных векторов матриц
- •3.4.1. Основные определения.
- •3.4.2. Характеристическое уравнение.
- •3.4.3. Понятие о методах решения проблемы собственных значений.
- •3.4.4. Определение максимального по модулю собственного числа степенным методом.
- •3.4.5. Собственные значения обратной матрицы.
- •3.4.6. Обобщенная проблема собственных значений.
- •3.4.7. Вычисление минимального собственного числа степенным методом.
- •§ 3.5. Методы численного интегрирования
- •3.5.1. Понятие о формулах численного интегрирования.
- •3.5.2. Формула прямоугольников (формула средних).
- •3.5.3. Формула трапеций.
- •3.5.4. Формула Симпсона.
- •3.5.5. Точность квадратурных формул.
- •3.5.6. Вычисление интеграла с заданной точностью.
- •3.5.7. О современных методах численного интегрирования.
- •§ 3.6. Методы решения нелинейных уравнений
- •3.6.1. Уравнения с одним неизвестным (скалярные).
- •3.6.2. Решение систем нелинейных уравнений.
- •§ 3.7. Метод наименьших квадратов
- •3.7.1. Понятие о методе наименьших квадратов (мнк).
- •3.7.2. Применение мнк для решения переопределенных систем линейных алгебраических уравнений.
3.1.6. Норма матрицы. Некоторые свойства матричных норм.
Определение матричной нормы эквивалентно определению векторной нормы.
Пусть A – произвольная вещественная матрица размером .
Функция
называется нормой вещественной матрицы, если она обладает следующими свойствами:
1)
,
причем
;
2)
,
где
– произвольное вещественное число;
3)
,
где B – произвольная
вещественная матрица размером
.
Чаще всего в вычислительной линейной алгебре используются норма Фробениуса и p-нормы равные соответственно
;
(3.1.49)
.
(3.1.50)
Заметим, что все матричные p-нормы определяются через векторные p-нормы, рассмотренные в предыдущем пункте. Вводимая так норма называется индуцированной, поскольку ее конкретный вид зависит от используемой нормы вектора. В частности, можно записать следующие нормы матрицы:
(3.1.51)
– максимальная сумма модулей элементов по столбцам;
(3.1.52)
– максимальная сумма модулей элементов по строкам;
,
(3.1.53)
где
– максимальное собственное число
матрицы
.
Для симметричной матрицы порядка n имеем:
,
(3.1.54)
где
– собственные значения матрицы A.
Заметим [18,30], что не все матричные нормы удовлетворяют мультипликативному свойству
,
(3.1.55)
где A
и B – вещественные
матрицы размером
и
соответственно.
p-Нормы обладают тем важным свойством, что для каждой вещественной матрицы A размером и произвольного вещественного вектора
n-го порядка выполняется неравенство
.
(3.1.56)
Нормы Фробениуса и p-нормы удовлетворяют определенным неравенствам, часто используемым в матричных вычислениях:
;
;
;
.
(3.1.57)
3.1.7. Число обусловленности матрицы.
Числом обусловленности матрицы A
по отношению к матричной норме
называется величина
(3.1.58)
Сформулируем ниже свойства числа обусловленности.
1.
.
(3.1.59)
2.
.
(3.1.60)
3.
.
(3.1.61)
4. Если
,
то по отношению к норме
,
(3.1.62)
где
и
– соответственно максимальное и
минимальное по модулю собственные
значения матрицы A.
5. Для всякой матрицы A число обусловленности относительно любой матричной нормы
.
(3.1.63)
6. Для всякой матрицы A
размером
и произвольных ортогональных матриц
и
размером
число обусловленности относительно
нормы
.
(3.1.64)
6. Для всякой невырожденной матрицы A размером и произвольной вырожденной матрицы B
.
(3.1.65)