矩阵方程AXB=D的相容性条件及通解 极小范数解

最小二乘法 极小范数最小二乘解

1 线性空间与内积空间 2 向量范数与矩阵范数 3 矩阵特征值 4 矩阵标准型 5 几类特殊矩阵

一、考核知识点: 向量范数与矩阵范数及其性质,谱半径,严格对角占优矩阵,迭代法的收敛 性,雅可比迭代法与高斯塞德尔迭代法及其收敛性

§1 课程研究的内容和构造算法的主要途径 §2 误差 §3 有效算法要具备的条件 §4 灵敏度分析 §5 向量范数与矩阵范数

1.2.1 线性空间基本概念 1.2.2 矩阵特征值与谱半径 1.2.3 对称正定矩阵 1.2.4 向量范数与矩阵范数 1.2.5 内积与内积空间 1.2.6 矩阵标准型

定义1设映射C→R满足: (1)正定性0,当且仅当x=0时,=0; (2)齐次性xx∈r,x∈Cn; (3)三角不等式x+y+y,x,y∈Cn

二维向量和三维向量都可以度量其大小和长度 高维向量的\长度\能否定义呢? \范数\是对向量和矩阵的一种度量,实际上是二维 和三维向量长度概念的一种推广 数域:数的集合,对加法和乘法封闭 线性空间:可简化为向量的集合对向量的加法和 数量乘法封闭, 也称为向量空间

复习《线性代数》有关内容 1.矩阵与向量 2矩阵的加减运算 3非奇异矩阵 4分块方阵的行列式和逆 5.二次型和向量范数 6标量函数的定号性

工程实际中，存在大量的解线性方程组的问题。很多数值方法到最后也会涉及到线性方程组的求解问题：如样条插值的M和m关系式，曲线拟合的法方程组，方程组的Newton迭代等问题。 4.1 高斯消去法 4.2 选主元素的高斯消去法 4.3 矩阵的三角分解法 4.4 平方根法与改进平方根法 4.5 向量和矩阵的范数 4.6 线性方程组的性态和解的误差分析 4.7 解线性方程组的迭代法 4.8 迭代法的收敛性及误差估计