数值分析3-解线性方程组直接法
解线性代数方程组直接法
高斯消元,高斯主元素消元
矩阵三角分解法,列主元三角分解
平方根法
** A A A**为n阶对称正定矩阵
Cholesky分解: A = L L T A=LL^T A=LLT
两种唯一分解:
(1)**
L
L
L是单位下三角矩阵,
D
D
D**是对角元完全为正的对角矩阵
A
=
L
D
L
T
A=LDL^T
A=LDLT
(2)当限定
L
L
L的对角元全为正时,Cholesky分解唯一。
追赶法
方程组性态和误差分析
向量范数:
∣
∣
x
∣
∣
1
=
∑
i
=
1
n
∣
x
i
∣
||x||_1=\sum_{i=1}^n|x_i|
∣∣x∣∣1=i=1∑n∣xi∣
∣ ∣ x ∣ ∣ 2 = ∑ i = 1 n ∣ x i ∣ 2 ||x||_2=\sqrt{\sum_{i=1}^{n}|x_i|^2} ∣∣x∣∣2=i=1∑n∣xi∣2
∣ ∣ x ∣ ∣ ∞ = max 1 ≤ i ≤ n ∣ x i ∣ ||x||_\infty=\max_{1\leq i\leq n}|x_i| ∣∣x∣∣∞=1≤i≤nmax∣xi∣
相容:
A
A
A为矩阵,
x
x
x为向量
∣
∣
A
x
∣
∣
p
≤
∣
∣
A
∣
∣
p
⋅
∣
∣
x
∣
∣
p
||Ax||_p\leq||A||_p\cdot||x||_p
∣∣Ax∣∣p≤∣∣A∣∣p⋅∣∣x∣∣p
由此推出从属范数
∣
∣
A
∣
∣
p
=
max
x
≠
0
∣
∣
A
x
∣
∣
p
∣
∣
x
∣
∣
p
||A||_p=\max_{x\neq0}\frac{||Ax||_p}{||x||_p}
∣∣A∣∣p=x=0max∣∣x∣∣p∣∣Ax∣∣p
由此可以推导矩阵范数
∣
∣
A
∣
∣
1
=
max
1
≤
j
≤
n
∑
i
=
1
n
∣
a
i
j
∣
(
列
范
数
)
||A||_1=\max_{1\leq j\leq n}\sum_{i=1}^n|a_{ij}|(列范数)
∣∣A∣∣1=1≤j≤nmaxi=1∑n∣aij∣(列范数)
∣ ∣ A ∣ ∣ 2 = λ m a x ( A A T ) ( 谱 范 数 ) ||A||_2=\sqrt{\lambda_{max}(AA^T)}(谱范数) ∣∣A∣∣2=λmax(AAT)(谱范数)
∣ ∣ A ∣ ∣ ∞ = max 1 ≤ i ≤ n ∑ j = 1 n ∣ a i j ∣ ( 行 范 数 ) ||A||_\infty=\max_{1\leq i \leq n}\sum_{j=1}^n|a_{ij}|(行范数) ∣∣A∣∣∞=1≤i≤nmaxj=1∑n∣aij∣(行范数)
∣ ∣ A ∣ ∣ F = ∑ j = 1 n ∑ i = 1 n a i j 2 ||A||_F=\sqrt{\sum_{j=1}^n\sum_{i=1}^na_{ij}^2} ∣∣A∣∣F=j=1∑ni=1∑naij2
注意矩阵范数和向量范数各有一个特殊的:
∣
∣
x
∣
∣
2
=
x
T
x
∣
∣
A
∣
∣
F
=
A
T
A
∣
∣
A
∣
∣
2
=
ρ
(
A
T
A
)
||x||_2=\sqrt{x^Tx}\\ ||A||_F=\sqrt{A^TA}\\ ||A||_2=\sqrt{\rho(A^TA)}
∣∣x∣∣2=xTx∣∣A∣∣F=ATA∣∣A∣∣2=ρ(ATA)
矩阵条件数
C
o
n
d
(
A
)
=
∣
∣
A
−
1
∣
∣
⋅
∣
∣
A
∣
∣
Cond(A)=||A^{-1}||\cdot ||A||
Cond(A)=∣∣A−1∣∣⋅∣∣A∣∣