3.1. Нормы векторов и матриц. Понятие согласованности и подчиненности матричных норм
Для оценки погрешности (разности векторов точного и приближенного решений) используются различные нормы линейного векторного пространства. Напомним, что нормой вектора называется произвольный линейный положительно определенный функционал , который удовлетворяет трем аксиомам:
1. – положительная определенность;
2. , – линейность при умножении на скаляр;
3. – неравенство треугольника.
Векторные нормы, получившие наиболее широкое распространение в численном анализе:
– Евклидова норма (при соответ-м определении скалярного произведения);
– максимальная норма;
– энергетическая норма, порожденная положительно определенным самосопряженным оператором .
Т.к. для матриц определена операция умножения, то естественно добавить требовавание – аксиома мультипликативности матричной нормы.
Матричная норма называется согласованной, если (вектор в данном случае может трактоваться как матрица, имеющая размерность ). Для получения не улучшаемых оценок произведения матрицы на вектор используют нормы матриц, подчиненные соответствующим векторным нормам.
Определение. Норма матрицы , подчиненная векторной норме , определяется числом (1)
В случае квадратных матриц из определения подчиненной матричной нормы следует ее согласованность, мультипликативность и минимальность среди всех возможных согласованных норм. Подчиненные матричные нормы для приведенных выше основных векторных норм вычисляются следующим образом.
– матричная норма, подчиненная векторной Евклидовой норме, равна максимальному сингулярному числу матрицы. Сингулярные числа матрицы вычисляются как корень квадратный из совпадающих собственных значений матриц и. Для симметричной, положительно определенной матрицы сингулярные числа совпадают со спектром собственных значений данной матрицы.
. В качестве данной нормы выступает максимальное значение суммы абсолютных величин элементов строк матрицы.
Выбор конкретной нормы для получения оценок приближенного решения определяется в основном целью исследований и спецификой задачи. При этом следует иметь в виду, что нормы конечномерного линейного векторного пространства эквивалентны с точностью до постоянного множителя.
Норма эквивалентна норме если для любого элемента (вектора или матрицы) найдутся такие постоянные и , что выполняется неравенства .
Например, для норм и имеют место оценки , .
- 1.1. Прямые методы решения систем линейных алгебраических уравнений. Метод Гаусса (вычислительная сложность, выбор ведущего элемента).
- 1.2. Понятие об одношаговых и многошаговых методах. Метод Эйлера решения задачи Коши для системы оду первого порядка.
- 2.1. Lu представление матрицы. Обращение матриц и вычисление определителя.
- 2.2. Локальная и глобальная ошибка одношагового метода решения задачи Коши. Задача для погрешности метода, устойчивость и сходимость.
- 3.1. Нормы векторов и матриц. Понятие согласованности и подчиненности матричных норм
- 3.2. Методы Рунге-Кутта. Схема метода четвертого порядка.
- Число обусловленности матрицы системы лау. Оценки вычислительной погрешности при решении систем лау
- Многошаговые методы. Явные и неявные методы. Метод Адамса
- 5.1. Понятие устойчивости численных методов для жестких систем. Метод Гира.
- 5.2. Итерационные методы решения систем лау. Метод простой итерации. Условия сходимости и критерий остановки итераций.
- 6.2. Разностная аппроксимация дифференциальных операторов. Сеточный шаблон. Явные и неявные схемы для нестационарных задач математической физики.
- 7.1. Прямые методы вычисления собственных значений. Преобразования подобия. Метод Данилевского.
- 7.2. Порядок аппроксимации разностной схемы. Оценка порядка аппроксимации разностной схемы с весами для нестационарного уравнения теплопроводности.
- 8.1. Оптимальное значение итерационного параметра. Метод минимальных невязок.
- 8.2. Основные понятия теории разностных схем. Пространство сеточных функций и сеточные нормы.
- 9.1. Итерационные методы решения проблемы собственных значений. Степенной метод.
- 9.2. Спектральный метод исследования устойчивости разностных схем для уравнений с постоянными коэффициентами.
- 10.1. Итерационные методы решения нелинейных уравнений. Метод Ньютона.
- 10.2. Устойчивость и сходимость разностных схем. Оценка погрешности разностного решения.
- 21.1. Спектр собственных значений разностного оператора второй производной.
- 21.2. Разностные аналоги формул Грина и теоремы вложения норм сеточных функций.