线性代数方程组的直接解法.pptxVIP

§3.5 向量范数与矩阵范数一、 向量范数（/*Vector Norm*/）设 是 的一个映射，若对存在唯一实数 与之对应，且满足?正定性：?齐次性：?三角不等性：且则称 为 中向量 的范数。非负实值函数 称为赋范线性空间可以推广到 第一页，共二十六页。 ?常用的几种向量范数：设? 1-范数：? 2-范数：? -范数：上述3种向量范数统称为P-范数(或者Holder范数)第二页，共二十六页。 设由夹逼定理第三页，共二十六页。 ?两个重要不等式? 闵可夫斯基(Minkowski)不等式：? 柯西-许瓦滋(Cauchy-Schwartz)不等式：或者第四页，共二十六页。 例1：设 是n阶实对称正定矩阵，则是 中的一种向量范数。证明：只需验证范数的3个条件成立即可。? 非负性：? 齐次性：? 三角不等性：存在非奇异下三角阵第五页，共二十六页。 例2：证明是线性空间 上的一种范数。证明：只需验证范数的3个条件成立即可。? 非负性：? 齐次性：? 三角不等性：闵可夫斯基(Minkowski)不等式：第六页，共二十六页。 ?向量范数的性质：性质1性质2是 的n元连续函数.设 和 是 上定义的两种范数，如果存在正数满足则称 和 是 上等价的向量范数。（等价性/*Equivalence Property*/）性质3例如第七页，共二十六页。 性质4向量范数的等价性具有传递性。性质5的所有向量范数是彼此等价的。（向量序列的范数极限）即向量序列的范数收敛等价于向量分量收敛性质6设,则 的充要条件是第八页，共二十六页。 二、 矩阵范数（/*Matrix Norm*/）?正定性：?齐次性：?三角不等性：且则称 为 中矩阵 的范数。 赋范线性空间可以推广到 ?相容性:设 是 的一个映射，若对存在唯一实数 与之对应，且满足第九页，共二十六页。 是一种矩阵范数。例3：设 ，证明：证明：只需验证范数的4个条件成立即可。上述范数可以看成是 维向量的2-范数，故只需验证?记Frobenius范数简称F-范数第十页，共二十六页。 其中称之为矩阵 的迹是 的特征值设 是 上的范数， 是 上的范数如果对 满足则称上述矩阵范数与向量范数相容。相容性（/*Compatibility*/）第十一页，共二十六页。 证明：设显然它是一种向量范数。令设 是 中的任意一种矩阵范数，则在中至少存在一种向量范数 ，使得 和 是相容的。性质第十二页，共二十六页。 记由 得第十三页，共二十六页。 而第十四页，共二十六页。 从属性（/*Subordination*/）设矩阵范数 与向量范数 相容，且对每一个都存在一个非零向量 满足则称 是从属于向量范数 的矩阵范数。从属于向量范数 的必要条件：第十五页，共二十六页。 证明：?矩阵范数与向量范数的相容性：设 是 中的一种向量范数,若定义 则 是 上的一种矩阵范数.第十六页，共二十六页。 ?非负性：设 ，则由?知?齐次性：?三角不等性：第十七页，共二十六页。 ?相容性：矩阵范数的一般定义形式：第十八页，共二十六页。 上述一般定义形式中分别取从而得到常用的3种分别从属于它们的矩阵范数：?列范数：记?行范数：?谱范数：其中 是 的最大特征值谱半径第十九页，共二十六页。 ?谱范数：其中 是 的最大特征值证明：因为 是半正定的对称阵,可设其特征值为其对应的正交规范特征向量为第二十页，共二十六页。 则对第二十一页，共二十六页。 例4：给定矩阵求矩阵 的1、2、 范数。若 是实对称矩阵，则矩阵 的特征值为第二十二页，共二十六页。 ?设 ,则??对任意的正交矩阵 和 ,有第二十三页，共二十六页。 设 是 上的任意一种矩阵范数，则对有??对至少存在一种从属的矩阵范数 ，满足 可看成是 维向量空间，由向量范数的性质3得设 和 是 上定义的两种范数，则存在正数，满足（矩阵范数的等价性）第二十四页，共二十六页。 设 ,则有收敛的充要条件是 . 设 ,则有??当