矩阵范数与矩阵函数.pdf

第6章矩阵范数与矩阵函数 6.1 向量范数 1、向量范数的定义 2、 空间上向量范数的性质之一 3、 空间上的常用向量范数 分别称为1-范数、2-范数、∞-范数和-范数。 4、 空间上范数的性质之二 5、 空间上范数的性质之三 6.2 矩阵范数 1、矩阵范数的定义 2、矩阵范数可看作向量范数，但具特殊性 对于某一矩阵范数系，若相容性不等式关系(6.2.1)成立，则 称该矩阵范数系为相容矩阵范数系。 相容矩阵范数系的性质： 3、矩阵的1范数、2范数和∞范数 1 ≜ , 1 2 1 2 H 2 ≜ = Tr( ) 2 , ≜ max ∞ , 性质： (1) 均为矩阵范数； (2) 1范数、2范数是相容矩阵范数，∞范数不是相容矩阵 范数； (3) 2范数也称为Frobenius范数或迹范数，是酉不变范数。 4、矩阵的1-范数、2-范数和∞-范数 考查向量经矩阵映射前后的向量在一般的向量范数意义 下的长度之比的最大值： 则有如下性质： 性质1： 是矩阵范数、且相容，即 式(6.2.4)从向量范数导出的相容矩阵范数，称为由向量范数 诱导的相容矩阵范数，或称为算子范数。 性质2 ： 矩阵的1-范数、2-范数、∞-范数，也分别称为列和范数、 谱范数、行和范数。 5、矩阵范数的应用 对于实际问题，数字矩阵 = () 的每个元素 通常会 带有误差 ，即准确矩阵为 + = + = ( + ) 其中， = ()称为摄动矩阵。 考虑如下问题： （1）若可逆，则与满足什么条件时 + 可逆。 （2）当 + 可逆时，−1与 + −1 的近似程度如何估计。 对以上问题的回答，需要用到定理6.2.6. 式中 ∙ 为任一相容算子矩阵范数。 6.3 向量和矩阵的极限 1、矩阵Cauchy序列和收敛序列的定义 2、矩阵序列极限的属性 3、矩阵序列极限的运算法则 4、方阵谱半径的定义 5、方阵幂有零极限的条件 6、方阵谱半径与范数的关系 6.4 特征值与谱半径的估计 1、方阵特征值的估计 （特征值在复平面上的分布） 圆盘定理1： 盖尔圆系：定理6.4.1中，并集1 ∪ 2 ∪ ⋯ ∪ ≜ 称为矩 阵 的盖尔圆系。 区： 的盖尔圆系 中，记由个圆组成的连通域为 ，又 若 与其它圆无公共点，则称 为 区。 圆盘定理2 ： 设 是 的盖尔圆系之 区，则 中有且只有 的个特征值 （重根算个）。 特征值估计的改善： 2、方阵谱半径的估计 一般方阵的谱半径： 对角占优矩阵的谱半径： 6.5 矩阵幂级数 1、矩阵级数及其收敛性 矩阵序列： × 中，形如 , , ⋯ , , ⋯的有序矩阵列，称 0 1 为矩阵序列。 矩阵级数：由矩阵序列