1-向量范数与矩阵范数.pptVIP

* * 为了学习线性方程组的迭代解法并研究其收敛性，对方程组的近似解作出误差分析，下面简要介绍向量范数与矩阵的范数（模），用于描述向量与矩阵的大小。 (1) 向量的范数 ，其长度为 我们用其度量向量的“大小”。 §3 向量范数与矩阵范数 对于空间直角坐标系 中的任意向量 实质上是向量 的一个实值函数， (1非负性). 对任意 ，都有 (2齐次性). 对任意 和向量 , (3三角不等式). 对任意 ,都有 将向量的长度概念加以推广，便得到向量范数概念。 它满足如下3个条件： 当且仅当 ，有 定义1 设 是定义在 上的实值函数， 非负性，即 当且仅当 ② 齐次性，即 ③ 三角不等式，即对 ,总有 则称 为 上向量 的范数（或模）。 向量 的1—范数： 向量 的2—范数： 向量 的 范数： 如果它满足三个条件： 最常用的如下3种向量范数： 下面只证 是向量范数： 证明： （1）由向量的2—范数有 满足定义中条件① （2）对任一 有 满足定义中条件② 由 的含义，可用内积表示，即 （3）任取向量 ，则有 （3）任取向量 ，则有 根据Cauchy-Schwarz（柯西-施瓦兹）不等式 有 满足定义中条件③。证毕 向量的2—范数也称为Euclid范数。 其实，向量的1—范数， 2—范数， 范数， 它们都是p—范数 的特例，其中，正整数 ，并且有 容易验证 的3种范数之间有如下关系： 下面验证第2式 设 ，则 例5 设 ，求 解：由向量 的1，2， 范数定义 于是有 ，又 即有 ，故有 定义2 设 是定义在 上的实值函数， 1. 非负性， 即 当且仅当 2. 齐次性， 即 3. 三角不等式，即对 ,总有 4. 矩阵乘法不等式，即对 ,总有 则称 为 上矩阵 的范数（或模）。 (2) 矩阵的范数 如果它满足4个条件： 定理 设向量 , 矩阵 ，给定一种向量 ，令 则它与所给定的向量范数相容，称为矩阵 在实际应用问题中，矩阵和向量常常具有一定关系，即满足矩阵、向量乘法的相容性，且有结论 范数 的算子范数。 证 首先证明相容性。 所以有 此结果显然也适用于Y=0的情形。 对任意矩阵 和任意的非零向量 由于 再证明 满足矩阵范数的四个条件。 （1）当A=0时， ；当A≠0时，必有 （3）对任意的矩阵 有 （2）对任一数 ，式 成立。 （4） 证毕。 1―范数（列模） 2―范数（谱模） ∞―范数（行模） 其中 为 的特征值。 常用的3种算子范数的定义与算式为：p10-11 例6 设 ，求 及 。 解： 又 的特征方程为 它的根为 因而 练习:已知矩阵A和向量X，求 ， 及 。 其中