数值分析之解线性方程组的直接方法 5.X
矩阵
谱分解
设
, 若存在数 (实数或复数) 和非零向量 , 使 则称
为 的特征值, 为 对应 的特征向量, 的全体特征值称为 的谱,记作 , 即 . 记 称为矩阵
的谱半径.
特征值特征向量性质
与 有相同的特征值 及特征向量 . - 若
非奇异, 则 的特征值为 , 特征向量为 . - 相似矩阵
有相同的特征多项式.
特殊矩阵
设
.
- 对角矩阵 如果当
. - 三对角矩阵 如果当
. - 上三角矩阵 如果当
. - 上海森伯格 (Hessenberg)阵 如果当
. - 对称矩阵 如果
. - 埃尔米特矩阵 设
, 如果 , 即为 的共轭转置). - 对称正定矩阵 如果 (1)
, (2)对任意非零向量 , . - 正交矩阵 如果
. - 西矩阵 设
, 如果 . - 初等置换阵由单位矩阵
交换第 行与第 行 (或交换第 列与第 列), 得到的矩阵记为 , 且
(为交换 第 行与第 行得到的矩阵);
(为交换 第 列与第 列得到的矩阵). - 置换阵由初等置换阵的乘积得到的矩阵.
定理一 (满秩矩阵的等价命题)
设
, 则下述命题等价 :
- 对任何
, 方程组 有唯一解. - 齐次方程组
只有唯一解 . . 存在. 的秩 .
定理二 (正定矩阵的性质)
设
为对称正定矩阵, 则
为非奇异矩阵, 且 亦是对称正定矩阵. - 记
为 的顺序主子阵, 则 亦是对称正定矩阵, 其中
的特征值 . 的顺序主子式都大于零, 即 .
定理三 (重特征值的矩阵相似为非对角形式的若尔当形)
定理 4 (若尔当 (Jordan) 标准形) 设
为 阶矩阵, 则存在一个非奇异矩阵 使得
其中
为若尔当块.
(1)当的若尔当标准形中所有若尔当块 均为一阶时, 此标准形变成对角矩阵.
(2) 如果的特征值各不相同,则其若尔当标准形必为对角矩阵 .
直接解方程组
高斯消元法
高斯若尔当消元法
把
变成对角阵, 再归一化为 ,
列主元消元法
进行高斯消元法的时候, 选取每一列绝对值最大的数作为主元, 换行来进行操作
矩阵三角分解法
(1)
, 求 ;
(2), 求 .
LU分解 (杜利特尔分解) [各阶顺序主子式不为零即可]
设
为 阶矩阵, 如果 的顺序主子式 , 则 可分解为一个单位下三角矩阵 和一个上三角矩阵 的乘积, 且这种分解是唯一的.
平方根法 (对称正定阵的三角分解或楚列斯基分解) [对称正定阵]
如果
为 阶对称正定矩阵, 则存在一个实的非奇异下三角矩阵 使 , 当限定 的对角元素为正时, 这种分解是唯一的.
改进的平方根法 [对称且各阶顺序主子式不为零]
设
为 阶对称矩阵, 且 的所有顺序主子式均不为零, 则 可唯一分解为
,
其中为单位下三角矩阵, 为对角矩阵.
追赶法 (三对角方程的LU分解)
误差分析
算子范数 (有矩阵向量相容性的范数)
定义
设
, 给出一种向量范数 (如 或 ), 相应地定义一个矩阵的非负函数
可验证
满足定义 4(见下面定理), 所以 是 上矩阵的一个范数, 称为 的算子范数, 也称从属范数.
3种算子范数
设
, 则 :
(1)(称为 的行范数, 横着, 所以行范数);
(2)
(称为 的列范数, 1竖着所以列范数);
(3)
(称为 的 2-范数), 其中 表示 的最大特征值.
性质
条件数
带横线表示测量值,测量解
结合 (1) (2), 有
因此我们取
为条件数
定义:设
为非奇异阵, 称数 或 为矩阵 的条件数.
常用条件数
(1)
;
(2)
的谱条件数 当
为对称矩阵时 其中
为 的绝对值最大和绝对值最小的特征值.
条件数的性质
(1) 对任何非奇异矩阵
, 都有 . 事实上,
(2) 设
为非奇异阵且 (常数), 则
(3) 如果
为正交矩阵, 则 ;
如果为非奇异矩阵, 为正交矩阵, 则
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 阿里最新开源QwQ-32B,效果媲美deepseek-r1满血版,部署成本又又又降低了!
· 单线程的Redis速度为什么快?
· SQL Server 2025 AI相关能力初探
· AI编程工具终极对决:字节Trae VS Cursor,谁才是开发者新宠?
· 展开说说关于C#中ORM框架的用法!