3.5向量和矩阵的范数2008.ppt

3.5 向量和矩阵的范数 定义3.1 设 为定义在R n上的实函数，如果对任意 它满足条件： （1） 当且仅当x=0 (正定性） （2） （对任意常数 ） （齐次性） （3） （三角不等式） 因此方程组是良态的，并且 * 高斯消去法； 列主元高斯消去法； 三角分解法：A=LU；Ly =b→y；Ux=y→x 特殊线性方程组：追赶法；改进平方根法（改进的乔累斯基） 3.5.1 向量的范数 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，需要对n维向量空间R n中的向量的“大小”给出某种度量。 衡量数的误差用到绝对值； 现代数学中常用“范数”来度量向量的“大小”。 3.5.1 向量的范数 （对任意 ） 则称 为R n上的向量范数 （4） 设 x =(x1, x2,…, xn)T∈Rn，定义三种常用的向量范数 （1）向量的“1-”范数： （2）向量的“2-”范数： （3）向量的“∞-”范数： 可以证明向量函数||x||p是Rn上的向量的范数， 且前三种范数是“p”范数的特殊情况( ) 3.5.1 向量的范数(续) （4）向量的“p-”范数： 3.5.1 向量的范数(续) 定义3.2 设有一向量序列{x(k)}和向量x*，如果当k→∞时向量x(k)的每一个分量都收敛于x*的相应分量，则称向量序列{x(k)}收敛于向量x*，记为 由“∞”范数的定义易知 定理3.3 （向量范数的连续性）设f(x)=||x||为 Rn 上的任一向量范数，则f(x)为x的分量x1，x2，…， xn的连续函数。 3.5.1 向量的范数(续) 定理3.4 设||x||p和||x||q为 Rn 上任意两种向量范数，则存在常数C1,C2 0，使得对任意x∈ Rn有 3.5.1 向量的范数(续) 定理 3.5 其中||x||为向量的任一种范数。 证 由于 而对于Rn 上任一种范数||x||，由定理3.4知，存在常数C1,C2 0，使得 于是可得 定理得证 例 设 x =(-1, 2, 3)T计算||x||1, ||x||∞, ||x||2 ||x||1=1+2+3=6 解 ||x||2=(12+22+32)1/2 = ||x||∞=max{1,2,3}=3 3.5.1 向量的范数(续) 矩阵范数具有5个性质： （1）对任意A∈Rn×n， ||A||≥0，||A|| = 0当且仅当 A=0； 非负性 （2）对任意常数λ∈R和任意A∈Rn×n，||λA||=|λ|*||A|| 齐次性 （3）对任意A∈Rn×n， B∈Rn×n，有 ||A+B||≤||A||+||B|| （4）对任意A∈Rn×n， B∈Rn×n，有 ||AB||≤||A||*||B|| 3.5.2 矩阵的范数 （续） （5）对任意A∈Rn×n， x∈Rn，有||Ax||≤||A||*||x|| 3.5.2 矩阵的范数 3.5.2 矩阵的范数 （续） 定义3.4 设A∈Rn×n的特征值为λi(i=1,2,…,n)，则称 为A的谱半径 常用的矩阵范数计算公式： （1） 称为A的列范数或1-范数 设A∈Rn×n则 （3） 称为A的行范数或无穷大范数 （2） A的2-范数或谱范数 例 设 计算||A||1、||A||∞ 解 ||A||1 = max{5, 8}=8 ||A||∞ = max{4,9}=9 3.5.2 矩阵的范数 （续） 3.5.2 矩阵的范数 （续） 定理3.7 如果A∈Rn×n为对称矩阵，则 定理3.8 设A∈Rn×n，则 其中||A||为Rn×n上的任一范数。 证 设λi为A的任意一个特征值，xi为对应的特征向量，则有 两边取范数得 λi为A的任意一个特征值 3.5.2 矩阵的范数 （续） 定理 3.9 设||A||p，||A||q为Rn×n上的任意两种矩阵范数，则存在常数C1,C2 0，使得对任意A∈ Rn×n有 两个矩阵之间的距离的定义 定义3.5 设A∈ Rn×n，B∈ Rn×n，称||A-B|