《数值分析》课件.pptVIP

§1.3 向量范数与矩阵范数 为了研究线性方程组近似解的误差估计和迭代法的收敛性，我们需要对 Rn 中向量或 Rn×n 中矩阵的“大小”引进某种度量----向量或矩阵的范数。向量范数是三维欧氏空间中向量长度概念的推广，在数值分析中起着重要作用。 1.3.1 向量范数 向量的范数是刻画向量大小的量, 又叫向量的模. 定理1.1 对 Rn 中的任一向量 ?p -范数 ?任2种范数在刻画收敛性时等价 定理1.2 对 Rn 上的任意二种向量范数|| · ||a ,|| · ||b , 均有与向量 x 无关的常数 m 与 M (0mM)，使下列的关系成立 1.3.2 矩阵范数 ?矩阵范数与向量范数的相容性 ?定义 给定向量范数||·||和矩阵范数||·||, 如果对任意的 n 维向量 x 和任意的n×n矩阵A，它们总满足 证明 先证相容性. 对任意的n×n矩阵A和n维非零向量 y. 由于 练习:计算矩阵 的各种范数. 定理1.4第1个结论的证明 * * (1)正定性: ,且 ; (2)齐次性:对 ,有 ; (3)三角不等式: . ?定义 Rn 上的实值函数‖·‖称为向量范数，如果对任意的 x, y∈Rn, 它均满足下列3条性质: 则 和 都是向量范数. 记 , , T, ? 3种常用的范数 满足正定性是显然的. (1) 证明 仅证 是向量范数. (2) 对任意的实数 k , 有 (3) 设 , 则 证毕 叫1-范数, (列范数); 叫2-范数, (Euclid(欧几里得)范数) ; 叫 -范数, (行范数); 其中, 练习:计算向量 的各种范数. 证明略. 意义：向量x的某一种范数可以任意小（大）时， 该向量的其它任何一种范数也会任意小（大）。 ? 矩阵的范数是刻画矩阵大小的量,又叫矩阵的模. ?定义 Rn×n上的实值函数‖·‖称为矩阵范数，如果对任意的矩阵 A 和 B, 它均满足下列4条性质: 正定性 齐次性 三角不等式 积的范数小于等于范数的积 则称所给的矩阵范数与向量范数是相容的。 定理1.3 设在Rn中给定一种向量范数，对任意的n×n矩阵 A，式(1.2)中定义的函数是一种矩阵范数，并且它与给定的向量范数是相容的. , 单位球上的最大像值 所以有 此结果对 y=0 也成立. 再证 (1.2) 式定义的矩阵函数为范数. (1) 当A=0时，||A||=0；当A≠ 0时，必有x0∈Rn ， ||x0||=1，满足 Ax0≠ 0 ，因而必有 ||A||0. (2) 对任意的数 k∈R，有 (3) 对任意的n×n矩阵 A 和 B, 有 (4) 对任意的n×n矩阵 A 和 B, 有 证毕 上式所定义的矩阵范数叫做从属于所给定向量范数的矩阵范数,又称为矩阵的算子范数. 设给定的向量范数为||·||p, 则从属于向量范数的矩阵范数为: 上式中矩阵范数 ||A||p 也叫 A的 p -范数. 矩阵的p -范数与向量的p -范数相容,即, ||Ax||p≤ ||A||p· ||x||p . 定理1.4（几种常用的范数） 证明 对于2-范数, 设 n 维向量 x 满足 ||x||2 = 1. 注意到 因为，ATA是正定或半正定的, 故它的全部特征值 li 非 负, 设 设 （ATA） 相应的规范正交特征向量为 u1,u2,…,un， 因而存在实数 k1, k2,…, kn， 使 并且有 由此可得 所以 取 , 则有 , 以及 ▼1,∞-范数公式证明 证毕 ?单位矩阵 I 的任何一种算子范数都有 ? 还有一种常用的矩阵范数， 称为Frobrnius（佛罗贝尼乌斯）范数，又称为Euclid 范数。 注: 不从属于任何向量范数，即 不是算子范数. ? 几种常用的相容关系 定理1.5 设矩阵 A∈Rn×n 的某种范数 ||A||1， 则 I±A 为非奇异矩阵，并且当该种范数为算子 范数时，还有下式成立。 证明 假定 I±A 奇异，则齐次线性方程组 (I±A)x =0 有非零解 在上式两边同取与所用矩阵范数数相容的向量范数，得 因 ，故由上式得 。与已知条件矛盾，因而 必非奇异。