Формальное решение задачи (1) строится по известным формулам Крамера:
Формальное решение устойчиво, т.е. непрерывно зависит от входных данных A и f.
Действительно, варьируя , найдем:
Получаем, что:
(4)
Таким образом:
Нормы
Основные используемые в нормы:
1) Норма вектора x.
Запишем разложение вектора по базису:
.
Базисные вектора образуют строку e, а координаты вектора ` x - столбец X
a) Евклидова норма вектора
b) -Норма (при p=2 норма Гильберта - Шмидта)
(для конечномерного случая 1/n можно перед суммой опустить).
с) c - норма (равномерная или Чебышевская норма вектора x)
В имеют место соотношения:
т.е. в все эти нормы эквивалентны и сходимость в любой из них влечет сходимость в остальных нормах.
Проверим, например:
Имеем:
2). Норма матрицы А. Норма матрицы А, согласованная с нормой вектора x определяется следующим образом:
Отсюда
Это условие согласования норм ||x| | и ||A||.
Можно проверить, что введенная таким образом норма матрицы удовлетворяет неравенствам:
|
|
,
Для квадратных матриц наиболее употребительны следующие нормы:
(где - собственные значения симметричной самосопряженной матрицы , ).
Первые две нормы не имеют специальных названий:
- называется максимальной,
- сферической или евклидовой,
- спектральной.
Умножая вектор х на матрицу А, получаем новый вектор Ах, норма которого может сильно отличаться от нормы вектора х.
Величину можно рассматривать как своеобразный «коэффициент растяжения» вектора х матрицей А. Для некоторых векторов он может быть малым, а для некоторых большим.
Если M и m – максимальное и минимальное значение коэффициента растяжения, то
Нормой матрицы А называется максимальное значение коэффициента растяжения:
Минимальное значение коэффициента растяжения также играет важную роль в линейной алгебре.
Если А – невырожденная матрица, то для нормы обратной матрицы справедливо равенство: