4.2. Некоторые сведения о нормах векторов и матриц
Напомним, что решение системы (4.1) рассматриваем в вещественном линейном -мерном векторном пространстве . При этом матрицу отождествляем с линейным оператором . В пространстве можно ввести норму вектора несколькими способами (см. [5, с. 80–87]):
(4.4) |
Нетрудно убедиться, что эти нормы удовлетворяют трем аксиомам норм (см. [5, с. 83]).
При решении задач линейной алгебры матрицы и векторы рассматриваются одновременно. Поэтому норму матрицы определяют так, чтобы она была согласованной с нормой вектора (см. [5, c. 84]).
Определение 1. Говорят, что норма матрицы согласована с нормой вектора , если для любого вектора выполняется неравенство
(4.5) |
При получении оценок точности решения среди всех согласованных норм матрицы выбирают наименьшую
(4.6) |
Такая норма матрицы называется нормой, подчиненной норме вектора.
Справедливы следующие утверждения (см. [5, c. 85–86]):
1) если норма вектора
,
то подчиненная ей норма матрицы есть
2) если норма вектора
то подчиненная ей норма матрицы есть
3) если норма вектора
то подчиненная ей норма матрицы есть
где – наибольшее собственное значение матрицы .
Определение 2. Число λ называется собственным значением матрицы , если существует такой ненулевой вектор , что справедливо
(4.7) |
Из (4.7) следует, что
С другой стороны, по определению нормы матрицы имеем
Тогда
(4.8) |
и неравенство (4.8) означает, что любая норма матрицы больше либо равна модулю произвольного своего собственного значения, в том числе
Определение 3. Число
(4.9) |
называется числом обусловленности матрицы (см. [4, с. 127]).
При любой норме матрицы числоμ, и чем оно больше, тем хуже обусловленность системы (4.1). Как следует из [4, с. 127], если , то это уже означает плохую обусловленность.
Заметим, что вычисление μ связано с нахождением обратной матрицы, а это не всегда легко сделать.
Пример (плохо обусловленная система).
Пусть требуется решить систему линейных уравнений
(4.10) |
, где
Решение.
Так как
то решение системы существует и единственно. Непосредственной подстановкой в систему можно убедиться, что
Определим число обусловленности матрицы . Имеем по определению 3
.
В нашем примере обратную матрицу найти просто:
В качестве нормы матрицы выберем
Тогда
и число обусловленности матрицы
.
Следовательно, система (4.10) является плохо обусловленной.