С.П. Шарый - Институт вычислительных технологий СО РАН
С.П. Шарый - Институт вычислительных технологий СО РАН
С.П. Шарый - Институт вычислительных технологий СО РАН
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
3.5. Обусловленность систем линейных уравнений 265Рис. 3.9. Иллюстрация возмущения решения системы линейныхуравнений с плохой обусловленностью матрицы.Тем не менее, существует практически важный частный случай, когданахождение числа обусловленности матрицы может быть выполненодостаточно эффективно. Это случай спектральной матричной нормы‖·‖ 2 , подчинённой евклидовой норме векторов.Напомним (<strong>П</strong>редложение 3.2.5), что для любой неособенной квадратнойматрицы A справедливо равенство σ max (A −1 ) = σ −1min(A), и поэтомуотносительно спектральной нормы число обусловленности матрицыестьcond 2 (A) = σ max(A)σ min (A) .Этот результат помогает понять большую роль сингулярных чисел в современнойвычислительной линейной алгебре и важность алгоритмовдля их нахождения. В совокупности с ясным геометрическим смысломевклидовой векторной нормы (2-нормы) это вызывает преимущественноеиспользование этих норм для многих задач теории и практики.Наконец, если матрица A симметрична (эрмитова), то её сингулярныечисла совпадают с модулями собственных значений, и тогдаcond 2 (A) = max i|λ i (A)|min i |λ i (A)|(3.41)— спектральное число обусловленности равно отношению наибольшегои наименьшего по модулю собственных значений матрицы. Для сим-