第二节向量和矩阵范数.ppt

* §1.2 向量和矩阵范数 　　Rn 空间的向量范数 || · || 对任意 满足下列条件： （正定性) 对任意 (齐次性) （三角不等式) 常用向量范数 (设1? p ?) ? = = n i i x x 1 1 | | || || v ? = = n i i x x 1 2 2 | | || || v p n i p i p x x / 1 1 | | || || = ? = v | | max || || 1 i n i x x ? ? ? = v 注： 一. 向量范数 定义1.2.1 定义1.2.2 向量序列 收敛于向量 是指对每一个 1 ? i ? n 都有 。 可以理解为 定义1.2.3 若存在常数 C1、C2 0 使得， 则称 || · ||A 和|| · ||B 等价。 定理1.2.1 Rn 上一切范数都等价。 可以理解为对任何向量范数都成立。 二. 矩阵范数 　　　Rm?n空间的矩阵范数 || · || 对任意 满足： （正定性) 对任意 (齐次性) （三角不等式) (4)* || AB || ? || A || · || B || （相容 当 m = n 时) 定义1.2.4 常用矩阵范数： Frobenius 范数 — 向量|| · ||2的直接推广 对方阵 以及 有 利用Cauchy 不等式 可证。 算子范数 由向量范数 || · ||p 导出关于矩阵 A ? Rn?n 的 p 范数: 则 特别有： （行和范数） （列和范数） （谱范数 ） 矩阵 ATA 的最大 特征值,又叫ATA的谱半径 (设1? p ?) 注：? Frobenius 范数不是算子范数。 ? 我们只关心有相容性的范数，算子范数总是相容的。 ? 即使 A中元素全为实数，其特征值和相应特征向量 仍可能是复数。将上述定义中绝对值换成复数模均成立。 若不然，则必存在某个向量范数 || · ||v 使得 对任意A 成立。 反例 ? ? 谱半径 (定义1.2.5) 矩阵A的谱半径记为 ? (A) = ，其中?i 为 A 的特征值。 Re Im ? ? ? ? ? ? ? ? ? (A) 证明： 由算子范数的相容性，得到 将任意一个特征值 ? 所对应的特征向量 代入 证明： A对称 若? 是 A 的一个特征值，则?2 必是 A2 的特征值。 又：对称矩阵的特征值为实数，即 ?2(A) 为非负实数， 故得证。 对某个 A 的特征值? 成立 所以2-范数亦称为谱范数。 对任意算子范数 || · || 有 定理1.2.2 若A对称，则有 定理1.2.3 定理1.2.4 对任意 ? 0, 存在算子范数 || · || 使得 || A || ? ? (A) + ? 。 证明：省略 设： A A k k =  ? ? lim 是指 ij k ij k a a =  ? ? ) ( lim 对所有 1? i, j ? n 成立。 等价于对 任何算子范数有 定义1.2.5