《矩阵分析第章》-公开课件.pptVIP

第五章 范数,序列,级数 前言 向量与矩阵范数是向量与矩阵的一个重要数字特征---用它可以建立向量集或矩阵集的拓扑结构,从而便于研究向量或矩阵序列,向量或矩阵级数的收敛性质.因此,这一章的理论在数值分析及其它领域中十分有用. 本章是本课程重点内容之一.所有5节都要认真学好.最后一节(矩阵幂级数)是研究矩阵函数的重要工具. §5.1 向量范数 向量范数是酉空间向量长度的推广.特别 x?V=Cn,的标准长度: ‖x‖=?(x,x)=(|x1|2+…+|xn|2)1/2 满足 ① ?x?V,‖x‖?0; ‖x‖= 0 ? x=0 (非负性) ② ?x?V,k?C,‖kx‖=|k|‖x‖ (齐次性) ③ ?x,y?V,‖x+y‖?‖x‖+‖y‖(三角不等式) 定义5.1.1:数域F上线性空间V称为赋范空间,如果存在映射 ‖?‖:V?R 满足上述三条公理.‖x‖称为x的范数. 几点注记 ?向量范数的概念不仅限于酉空间,即:酉空间是赋范空间,但存在不是酉空间的赋范空间. ?同一酉空间可能除标准内积定义的(标准)范数之外还有别的范数.例如,在Cn中可定义下列范数: x?Cn,‖x‖?= max{|x1|,…,|xn|}. (它显然满足非负公理; ‖kx‖?= max{|kx1|,…,|kxn|} |kxi|=|k||xi| =|k|max{|x1|,…,