关于矩阵的条件数、病态方程组等,这些概念是计算数学中比较重要的概念,这里只作简单的介绍。
考虑线性方程组
地球物理数据处理基础
完全由它的系数矩阵A和右端向量b所确定。在求解线性方程组时,这些都作为已知数据。在实际问题中,这些数据往往由观测或通过其他计算得到的,因而必定带有误差或某种不确定性的影响,从而引起解的误差或解的不确定性,因而有必要对线性方程组的性态进行研究。
先假定系统矩阵A非奇异,是精确的,而右端向量b有误差,假设它可以表示为b+δb,并且同时假设解的误差为δx,则有
地球物理数据处理基础
显然,Aδx=δb,所以,δx=A-1δb,从而有
‖δx‖≤‖A-1‖·‖δb‖
又由原方程(3-11)式有
地球物理数据处理基础
因此
地球物理数据处理基础
假定b≠0,因而x≠0,我们有
地球物理数据处理基础
如果假定b是精确的,而A有微小误差(扰动),表示为A+δA,并且相应的解为x+δx,此时
地球物理数据处理基础
假定A+δA非奇异,则
地球物理数据处理基础
因为原式x=A-1b,所以
地球物理数据处理基础
最后得到
地球物理数据处理基础
从式(3-15)和式(3-19)可以看到,线性方程组解的相对误差与观测数据相对误差之间的关系可以由‖A-1‖·‖A‖来确定。我们给‖A-1‖·‖A‖一个名称,即对非奇异矩阵A,称‖A-1‖·‖A‖为矩阵A的条件数,记作cond(A)。
矩阵条件数与所取的矩阵范数有关,最常用的是最大范数‖A‖∞和谱范数‖A‖2,相应的条件有
地球物理数据处理基础
和
地球物理数据处理基础
当A为对称矩阵时,其谱条件数为
地球物理数据处理基础
其中:λ1,λn为矩阵ATA的绝对值最大和绝对值最小的特征值。
条件数具有如下性质:
(1)任何非奇异矩阵A,都有cond(A)≥1,cond(A)=‖A‖·‖A-1‖≥‖A-1 A‖=1;
(2)设A为非奇异阵,并且c≠0(常数),则cond(cA)=cond(A);
(3)如果A为正交矩阵,则cond(A)2=1;
(4)若A为非奇异矩阵,R为正交矩阵,则cond(RA)2=cond(AR)2=cond(A)2。
由式(3-15)和式(3-19)可知,若cond(A)不太大,则数据误差对解的影响不大。反之,若cond(A)很大,则数据误差对解的影响很大。若线性方程组系数矩阵A的条件数cond(A)相对很大,我们就称A(对求解线性方程组而言)是“病态”的,并且称A是“病态”矩阵,或者说A是坏条件的。矩阵“病态”性质是矩阵本身的特性。A条件数越大,病态程度越严重,也就是越难得到方程组比较准确的解。反之,则称A是“良态”的。
[例]计算 的各种和范数和条件数。
解:根据定义可算出‖A‖1=6,‖A‖∞=7, 5.477,
但计算‖A‖2时,要求出ATA的特征值λ1,λ2。在线性代数里,求使方程
地球物理数据处理基础
或(Q-λI)x=0具有非零解的特征值λ,只需对特征多项式求根,即求解特征方程
地球物理数据处理基础
本例中
地球物理数据处理基础
其特征方程为
地球物理数据处理基础
即
(10-λ)(20-λ)-14×14=0
经展开,得
λ2-30λ+200-196=0
或者
λ2-30λ+4=0
解此二次方程得
λ1=15+14.866=29.866
λ2=15-14.866=0.144
故
地球物理数据处理基础
从而
地球物理数据处理基础
这里简单介绍特征值的几何意义,对2阶矩阵 它是通过点Q1(10,-14)和点Q2(-14,-20)的一个椭圆,其长半轴就是特征值λ1=29.866,短半轴是特征值λ2=0.144,两个特征值之比就描述了这个椭圆的奇异度。对3阶矩阵,就是一个椭球,对n阶矩阵就是一个所谓超椭球,它的最大、最小半轴之比就表明这个超椭球的奇异度。关于计算n阶矩阵的特征值和特征向量的方法有幂法和反幂法,雅可比法、豪斯荷尔德法和QR法等,可参考有关书籍。