向量范数教程.pptVIP

从而有 则 说明：此结论具有一般性。 定理4.3.1 对于矩阵A的任一矩阵范数总有 故 两边取范数 由于 证明 设 ?是A的特征值 ,X是A的属于?的一个特征向量，又设 是与矩阵范数相容的向量范数。 从而 定理4.3.2 设 ，则对 ，必存在一个诱导矩阵范数，使 证明 由Rordan分解定理，存在可逆矩阵P，使得 令 则易验证 对给定的矩阵 ，规定 于是 可以验证 是 上的矩阵范数，且有 范数的应用---矩阵求逆的扰动分析 引理(P75) 则I-A可逆，且 设 说明： （1）根据范数 的大小来判断 是否为非奇 异矩阵； （2）若矩阵A的范数 很小，由于 是它元素的连续函数， 而 的逆矩阵为I， 则 与I的逼近程度可用不等式（2）给出。 所以矩阵A接近于零矩阵， 证明（1）用反证法 ： 即假设I - A不可逆 则线性方程组（I-A）X=0有非零解X0，因此 矛盾； 所以I - A可逆。 取范数得： 定理4.3.3(P76) 则 设 (1)A+B可逆， 说明：此定理反映 的近似（摄动）程度。 条件数定义 称cond(A)为矩阵A的条件数。条件数反映了近似逆矩阵误差的一个量；条件数越大，近似逆矩阵相对误差越大。 结论 若 则有 第四节 特征值的估计与表示 特征值是矩阵的重要参数之一，矩阵的特征值可以用复平面上的点来表示，当矩阵的阶数比较高时，计算它的特征值一般比较困难，而对它的特征值给出一个范围就是特征值的估计问题。 而实际上，对于许多的应用问题，只要粗略地估计特征值的大小或者分布范围就够了，因此从矩阵的元素出发，用比较简便的运算给出矩阵特征值的所在范围，将有十分重要的意义。 主要内容： 1·矩阵特征值的有关不等式 2·特征值所在的区域—盖尔圆 定理1 设 为 的特征值，则有 等号成立的充分必要条件是A为正规矩阵。 Schur不等式 证明： 由Schur定理， 存在酉矩阵U，使 其中R=（rij）为对角元为A的特征值 的上三角矩阵。 对（1）式两端取共轭转置并两式相乘得： 因为R为对角元为A的特征值的上三角矩阵，所以 矩阵特征值实部与虚部界的不等式 引理：设 满足 则 证明：设 则有 定理2 设 则A的任 一特征值 满足： 证明：设A的属于 的单位特征向量为x,即 上式两端左乘以xH可得 再取共轭转置得. 由引理知： 推论： （1）Hermite矩阵的特征值都是实数； （2）反Hermite矩阵的特征值为零或纯虚数。 例：设矩阵 估计A的特征值的界 因为 所以，由 则A的任一特征值 满足： 关于实矩阵特征值虚部的界，还有更精确的估计式 定理：设 则A的任一特征值 满足： 证明略 在上面的例子中，可进一步地有 显然，当n比较大时，此定理对于实矩阵特征值虚部界的估计仅是前面定理界的一半。 特征值的包含区域--盖尔圆 定义 设 记 称复平面 上的圆域 为矩阵A的第 i个盖尔圆,称Ri为盖尔圆Gi的半径。 盖尔圆定理：矩阵 的全体特征值都在它的n个盖尔圆构成的并集之中. 证明：设A的属于 的单位特征向量为x,记 则有 由于 则 即 从而有 也就是 因此 在A的盖尔圆构成的并集之中. 注意到:A与AT的特征值相同,因此A的全体特征值也都在AT的n个盖尔圆构成的并集之中,称AT的盖尔圆为A的列盖尔圆. 例:估计A的特征值的分布范围 A的4个盖尔圆为: 故A的特征值都在 之中. 连通部分:在矩阵A的盖尔圆中,相交在一起的盖尔圆构成的最大连通区域称为一个连通部分.(孤立的一个盖尔圆也是一个连通部分). 盖尔圆定理2:若矩阵A的某一连通部分由A的k个盖尔圆构成,则其中有且仅有A的k个特征值(盖尔圆相重时按重数记数,特征值相同时也重复记数) 说明:由两个或两个以上的盖尔圆构成的连通部分,特征值的分布不一定均匀.即在连通部分的不同盖尔圆中,分布的特征值的个数可以不相同. 例:估计 的特征值的分布范围. A有两个盖尔圆 故A的特征值都在 之中. 容易求得A的特征值为 由于 所以A的两个特征值都在G1中. 第三章 范数理论 一、向量范数 二、矩阵范数与算子范数 三、范数的应用 主要内容 第一节