计算方法-5.1矩阵相似变换和范数精要.pptVIP

例1.求下列向量的各种常用范数 解: * * 许多问题中，需要对向量进行某种线性变换： * * 5.1.6 矩阵范数 矩阵范数 定义2. * * 定义4. --------(9) * * 向量和矩阵的范数虽然可以分别独立地规定，但在对向量x进行矩阵变换时，要满足相容性条件。 根据向量的常用范数可以得到常用的矩阵范数 --------(10) --------(11) --------(12) * * 例4. 求矩阵A的各种常用范数 解: 由于 * * 特征方程为 * * 容易计算 计算较复杂 对矩阵元素的 变化比较敏感 不是从属范数 较少使用 使用最广泛 性质较好 * * 定义5. 而 因此 --------(13) 显然 * * 即 所以 定理1. --------(14) 证明略 * * 华长生制作 * * 第五章 矩阵特征值和特征 向量的算法 第五章矩阵特征值和特征 向量的算法 5.1 矩阵相似变换与范数 5.2 幂法与反幂法 5.3 雅可比（Jacobi）方法 5.4 QR方法 * * 矩阵的基本术语及运算的基本性质 1.矩阵的加法和减法 * * 2.矩阵的乘法 * * 3.矩阵的除法没有意义 4.矩阵的转置 5.几种特殊矩阵 * * 5.1.1 相似矩阵与相似变换的概念 5.1矩阵相似变化与范数 * * 5.1.2 相似矩阵与相似变换的性质 * * 证明 * * 推论 若 阶方阵A与对角阵 1. 等价关系 * * 利用对角矩阵计算矩阵多项式 k个 * * 利用上述结论 可以很方便地 计算矩阵A的 多项式 * * 证明 * * 5.1.3 利用相似变换将方阵对角化 * * 命题得证 * * 推论　 如果 阶矩阵 的 个特征值互不相等， 则 与对角阵相似 说明　如果 的特征方程有重根，此时不一定有 个线性无关的特征向量，从而矩阵 不一定能 对角化，但如果能找到 个线性无关的特征向量， 还是能对角化 * * 例1 判断下列实矩阵能否化为对角阵？ 解 * * 解之得基础解系 * * 求得基础解系 * * 解之得基础解系 故 不能化为对角矩阵. * * A能否对角化？若能对角 例2 解 * * 解之得基础解系 * * 所以 可对角化. * * 注意 　　即矩阵 的列向量和对角矩阵中特征值的位置 要相互对应． * * １．相似矩阵 　 相似是矩阵之间的一种关系，它具有很多良好 的性质，除了课堂内介绍的以外，还有： * * 5.1.4 相似变换的特点 ２．相似变换与相似变换矩阵 　　这种变换的重要意义在于简化对矩阵的各种 运算，其方法是先通过相似变换，将矩阵变成与 之等价的对角矩阵，再对对角矩阵进行运算，从 而将比较复杂的矩阵的运算转化为比较简单的对 角矩阵的运算 　　相似变换是对方阵进行的一种运算，它把 A 变成　　　，而可逆矩阵 称为进行这一变换的 相似变换矩阵 * * 思考题 * * 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 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, 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? 也称为向量空间 * * 5.1.5 向量范数 --------(1) --------(2) --------(3) * * 显然 并且由于 --------(4) * * * * * *