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

**$A$**为n阶对称正定矩阵

Cholesky分解：$A=L{L}^T$

两种唯一分解：

（1）**$L$是单位下三角矩阵，$D$**是对角元完全为正的对角矩阵
$$A=LD{L}^T$$
（2）当限定$L$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：
$$||x|{|}_1=\sum _{i=1}^n|x_i|$$

$$||x|{|}_2=\sqrt{\sum _{i=1}^n|x_i{|}^2}$$

$$||x|{|}_{\infty }=\underset{1\le i\le n}{\max }|x_i|$$

相容：$A$为矩阵，$x$为向量
$$||Ax|{|}_p\le ||A|{|}_p\cdot ||x|{|}_p$$
由此推出从属范数
$$||A|{|}_p=\underset{x\ne 0}{\max }\frac{||Ax|{|}_p}{||x|{|}_p}$$
由此可以推导矩阵范数
$$||A|{|}_1=\underset{1\le j\le n}{\max }\sum _{i=1}^n|a_{ij}|（列范数）$$

$$||A|{|}_2=\sqrt{{\lambda }_{max}(A{A}^T)}（谱范数）$$

$$||A|{|}_{\infty }=\underset{1\le i\le n}{\max }\sum _{j=1}^n|a_{ij}|（行范数）$$

$$||A|{|}_F=\sqrt{\sum _{j=1}^n\sum _{i=1}^n{a}_{ij}^2}$$

注意矩阵范数和向量范数各有一个特殊的：
$$\begin{gathered} ||x|{|}_2=\sqrt{x^{T}x} \\ ||A|{|}_F=\sqrt{A^{T}A} \\ ||A|{|}_2=\sqrt{\rho (A^{T}A)} \end{gathered}$$
矩阵条件数 $Cond(A)=||A^{-1}||\cdot ||A||$