第三章--线性方程组的数值解法.pptVIP

① 非负性 ||x||?0 ，等号仅当 x=0 时成立； ② 齐次性 对任何实数 ? , || ? x||=| ? |· ||x||； ③ 三角不等式 ||x+y||? ||x|| +||y|| ； 则称 ||x|| 为向量 x 的范数。 定义 对任意 n 维向量 x ?Rn，若对应非负实数 ||x|| ， 满足 §3.4.1 向量的范数 由定义可知，向量 的范数 是按一定规律与 对应的实数，该实数的值没有确定，但只要满足这三个条件，这个实数就是向量 的一种范数。因此定义中的三个条件称为范数公理。 ⑴当 时， 向量范数 有如下性质 证：利用条件⑵，有 ⑵ ⑶ 证： 它们分别叫做向量的?-范数、1-范数、2-范数、p -范数（0p+?）。 p -范数是以上范数的统一表达形式。 常用的向量范数: 满足定义的范数不是唯一的. 设 x = ( x1 , x2 , … , xn)T ，常用的向量范数有 对于∞－范数，有 ⑴当 时，有 ， 只有当 时，才有 ⑵对任意实数 ，因为 ，所以 。 ⑶对任意向量 ，有 因此 是n维空间的一种范数 例：∞－范数的证明 可以证明这几种范数满足下述关系 事实上，对 Rn 上任意两种向量范数 ||x||α? , ||x||β? ，都存在与 x 无关的正常数 c1 , c2 使 这种性质称为向量范数的等价性。 定理：设Rn上的任意两种范数||x||a , ||x||b , 都存在与x无关的正常数c1,c2使得 称满足不等式的两种范数||x||a , ||x||b 是等价的。 推论：有限维Rn上的不同范数是等价的。 设给定 中的向量序列 ， 其中 若对任何 ，都有， 则向量 称为向量序列 的极限， 或者说向量序列收敛于向量 ，记为： 向量收敛的定义： 向量序列收敛性定理： 向量序列收敛 (即 )的充要条件是 ，其中 为向量的任一种范数。 按不同方式规定的范数,其值一般不同。但在各种范数下考虑向量序列收敛性的结论是一致的。即向量序列如对某一种范数收敛则对其它范数也收敛，且有相同的极限。这样，在研究某一具体问题时，可以选择一较易简单的范数。 矩阵范数是用于定义矩阵“大小”的量。 由于在大多数与估计误差有关的问题中,矩阵和向量的乘积经常出现,所以希望引进一种矩阵的范数,它与向量范数有某种关系。 §3.4.2 矩阵的范数 定义：设 ， ，定义矩阵 的范数 对于每一种向量范数 ，相应的矩阵范数 为 其中 是指 的最大可能值。即遍取所有不为0的 ，比值 中最大的，定义为 的矩阵范数。 矩阵范数的性质： ⑴ ,且仅当 时， ； ⑵ 对任意实数 ， ； ⑶ 对同维方阵 ，有: 相容性条件： 由矩阵范数的定义可直接得到 ，即有 ，称为相容性条件。即所给的矩阵范数与向量范数是相容的。 证明 p92 矩阵范数与向量范数的关系： 矩阵范数与向量范数密切相关，向量范数有相应的矩阵范数，即： （如 ） 证明： 矩阵范数与向量范数的关系： 矩阵范数与向量范数密切相关，向量范数有相应的矩阵范数，即： （如 ） 常用的矩阵范数有（矩阵范数的求取） 它们分别叫做矩阵的?-范数、1-范数、谱范数。 （谱范数） 表示 的最大特征值。 例4 设 则 求相应各范数。 解 验证相容性 §3.5 方程组的