Mathcad : математический практикум. Часть 1. Есипенко Д.Г - 44 стр.

UptoLike

Рубрика: 

44
rank(А) вычисление ранга матрицы А.
Пример. Для предыдущего примера:
norm1(А), norm2(А), norme(А), normi(А) вычисление различных
норм квадратной матрицы А.
Существует много способов введения нормы вектора. В MathCAD
чаще всего используются следующие три нормы для вектора
),,,(
21 n
xxxx K
=
:
;||||||
1
1
=
=
n
i
i
xx
;||||||
1
2
2
=
=
n
i
i
xx
||max||||
i
i
i
xx
=
.
Внешне столь различные, эти нормы эквивалентны : когда некоторая
последовательность векторов по одной из этих норм стремится к нулю , то
она стремится к нулю и по другой норме.
Напомним , что если для векторов ),,,(
21 n
xxxx K
=
введена норма
||
||
x
, то согласованной с ней нормой матриц называют величину
||||
||||
sup||||
0
x
Ax
A
x
= .
Таким образом, в случае нормы
1
|||| x , согласованная норма матрицы
равна
=
=
n
i
ij
j
aA
1
1
||max||||
, в случае нормы
i
x|||| , согласованная норма
матрицы
равна
=
=
n
j
ij
i
i
aA
1
||max||||
, а в случае нормы
2
|||| x
, точная формула
имеет вид )(||||
max2
T
AAA λ = , где
)(
max
T
AAλ
- максимальное собственное
значение матрицы
T
AA
. Однако вычисление нормы
2
|||| A оказывается
трудоемкой задачей . Но поскольку справедливо неравенство
e
AA ||||||||
2
,
где норма
∑∑
==
=
n
i
n
j
ije
aA
11
2
|||||| вычисляется просто , в оценках вместо
2
|||| A
можно использовать
e
A ||||
. Норму
e
A||||
называют евклидовой нормой
матрицы.
Примеры подсчета норм удобнее рассматривать на практике.
                                                       44
      • rank(А) – вычисление ранга матрицы А.
      Пример. Для предыдущего примера:



      • norm1(А), norm2(А), norme(А), normi(А) – вычисление различных
            норм квадратной матрицы А.
      Существует много способов введения нормы вектора. В MathCAD
чаще всего используются следующие три нормы для вектора
x =( x1 , x 2 ,  , x n ) :
                        n                        n
             || x ||1 =∑ | x i |; || x ||2 = ∑ | xi |2 ; || x || i =max | xi | .
                       i =1                     i =1                   i

      Внешне столь различные, эти нормы эквивалентны: когда некоторая
последовательность векторов по одной из этих норм стремится к нулю, то
она стремится к нулю и по другой норме.
      Напомним, что если для векторов x =( x1 , x 2 ,  , x n ) введена норма
|| x || , то согласованной с ней нормой матриц называют величину
                                                          || Ax ||
                                               || A ||=sup         .
                                                       x≠0 || x ||
      Таким образом, в случае нормы || x ||1 , согласованная норма матрицы
                        n
равна || A ||1 =max ∑ | aij | , в случае нормы || x || i , согласованная норма
                   j   i =1
                                        n
матрицы равна || A || i =max ∑ | a ij | , а в случае нормы || x || 2 , точная формула
                                   i    j =1

имеет вид || A || 2 = λmax ( AAT ) , где λmax ( AA T ) - максимальное собственное
значение матрицы AAT . Однако вычисление нормы || A || 2 оказывается
трудоемкой задачей. Но поскольку справедливо неравенство || A || 2 ≤|| A || e ,
                             n   n
где норма || A || e = ∑ ∑ | a ij | 2 вычисляется просто, в оценках вместо || A || 2
                            i =1 j =1

можно использовать || A || e . Норму || A || e называют евклидовой нормой
матрицы.
    Примеры подсчета норм удобнее рассматривать на практике.