§1.4 向量和矩阵范数
DESCRIPTION
定义1 : R n 空间的 向量范数 || · || , 对任意 满足下列条件. 对任意. 常用向量范数:. n. v. . n. =. 2. v. ||. x. ||. |. x. |. . =. ||. x. ||. |. x. |. 2. i. =. 1. i. 1. i. v. =. 1. i. =. ||. x. ||. max. |. x. |. . i. . . 1. i. n. §1.4 向量和矩阵范数. - PowerPoint PPT PresentationTRANSCRIPT
§1.4 向量和矩阵范数 向量范数 ( vector norms )
nRyx ,
对任意定义 1 : Rn 空间的向量范数 || · || , 对任意 满足下列条件 00||||;0||||)1(
xxx||||||||||)2( xx C
||||||||||||)3( yxyx
常用向量范数:
n
iixx
11 ||||||
n
i ixx
1
2
2||||||
||max||||1
ini
xx
主要性质性质 1:‖-x‖=‖x‖性质 2: ‖| x‖-‖y‖ ≤‖| x-y‖
性质 3: 向量范数‖ x‖是 Rn 上向量 x 的连续函数 .范数等价 :设‖·‖A 和‖·‖B 是 R 上任意两种范数,若存在 常数 C1 、 C2 > 0 使得 , 则称 ‖·‖A 和‖·‖B 等价。
定理 1.4.1 Rn 上一切范数都等价。
定义 2:设{ xk }是 Rn 上的向量序列, 令 xk=(xk1,xk2,…, xkn) T , k=1,2 …, .,
又设 x* =( x1* , x2
* …, , xn*) T是 Rn 上的向量 .
如果 lim xki=xi 对所有的 i=1,2,…, n 成立, 那么 ,称向量 x* 是向量序列{ xk }的极限 ,
若一个向量序列有极限 ,称这个向量序列是收敛的 . 对任意一种向量范数‖·‖而言,向量序列{ xk }收敛于向量 x* 的充分必要条件是定理 1.4.2
*lim || || 0kkx x
矩阵范数 ( matrix norms )nmRBA ,定义 3:对任意 , 称 || · || 为 Rmn 空间的矩
阵范数 , 指 || · || 满足 (1)-(3) :00||||;0||||)1( AAA
(2) || || | | || ||A A C对任意||||||||||||)3( BABA
(4) || AB || || A || · || B ||若还满足 (4), 称为相容的矩阵范数
例 5: 设 A= (aij)∈M. 定义2
, 1
1|| || | |n
iji j
A an
证明:这样定义的非负实数不是相容的矩阵范数 .证明:设 1 1 1 1
,1 1 1 1
A B
2 22 2
AB
|| || 1,|| || 1,|| || 2A B AB
从而 || || || || || ||AB A B
相容性( 1)矩阵范数与矩阵范数的相容 :‖AB‖≤‖A‖‖B‖( 2)矩阵范数与向量范数
设 A∈M ‖, A‖是矩阵范数 ,x∈Rn ‖, x‖是向量范数 .如果满足不等式 :‖Ax‖≤‖A‖‖x‖
则称矩阵范数‖ A‖与向量范数‖ x‖相容 .
常用的算子范数:
由向量范数 || · ||p 导出关于矩阵 A Rnn 的 p 范数 :px
p
pp xA
xxA
Apx
||||max||||||||
max||||10 ||||
则ppp
ppp
xAxA
BAAB
||||||||||||
||||||||||||
n
jijaA
ni 1
||max||||1
(行和范数)
n
iijaA
nj 11 ||max||||
1(列和范数)
)(|||| max2 AAA T (谱范数 ( spectral norm ) )
利用 Cauchy 不等式
可证(例 6 )。2 2| | || || || ||x y x y
可以证明 , 对方阵 和 有 : ,nnRA nx R 2 2|| || || || || ||FAx A x
n
i
n
jijF aA
1 1
2|||||| ( 向量 || · ||2 的直接推广 )Frobenius范数 :( operator norm ), 又称为从属的矩阵范数 :算子范数
定理 1.4.6 对任意算子范数 || · || 有 : ||||)( AA 证明:由算子范数的相容性,得到 |||||||||||| xAxA
将任意一个特征根 所对应的特征向量 代入 u
|||||||||||| uAuA |||||||||| uu
命题 (P26 ,推论 1 )若 A 对称,则有 : )(|||| 2 AA A 对称证明: )()(|||| 2
maxmax2 AAAA T
若 是 A 的一个特征根,则 2 必是 A2 的特征根。又:对称矩阵的特征根为实数,即 2(A) 为非负实数,故得证。
)()( 22max AA 对某个 A 的特征根 成立
所以 2- 范数亦称为谱范数。
定理 1.4.4 若矩阵 A 对某个算子范数满足 ||A|| < 1 ,则必有①. I A 可逆; ②. 1 11 || ||
I AA
证明:① 若不然,则 有非零解,即存在非零向量 使得
( ) 0I A x
0x0 0Ax x 0
0
|| || 1|| ||Axx
|| || 1A
② 1( )( )I A I A I 1 1( ) ( )I A A I A
1 1( ) ( )I A I A I A
1 1|| ( ) || 1 || || || ( ) ||I A A I A
§1.5 线性方程组的性态(误差分析) ( Error Analysis for Linear system of Equations )
思考 : 求解 时 , A 和 的误差对解 有何影响?Ax b b x
设 A 精确, 有误差 ,得到的解为 ,即 b b x x
1x A b 1|| || || || || ||x A b
绝对误差放大因子
|| || || || || || || ||b Ax A x 又 1 || |||| || || ||
Ax b
1|| || || |||| || || |||| || || ||x bA Ax b
相对误差放大因子( )A x x b b
设 精确, A 有误差 ,得到的解为 ,即b A x x
( )( )A A x x b
( ) ( )A x x A x x b 1 ( )x A A x x
1
1
|| || || || || |||| ||
|| |||| || || |||| ||
x A Ax x
AA AA
( ) ( )A A x A A x b ( )A A x Ax
1( )A I A A x Ax 1 1 1( )x I A A A Ax
( 只要 A 充分小,使得 )1|||||||||||| 11 AAAA
11
11
|| |||| || || |||| || || || || || || ||
|| |||| || 1 || || || || 1 || || || |||| ||
AA Ax A A A
Ax A A A AA
是关键的误差放大因子,称为A 的状态数 ( 条件数 ) ,记为 cond (A) ,
|||||||| 1 AA
注 : cond (A) 与 所取的范数有关常用条件数有:
cond (A)2 )(/)( minmax AAAA TT
特别地,若 A 对称,则||min||max)( 2
Acond
cond (A)1 =‖ A‖ 1 ‖ ‖11A
cond (A) =‖ A‖ ‖ ‖1A
例: Hilbert 阵
121
111
31
21
1211
nnn
n
nH
cond (H2) = 27 cond (H3) 748
cond (H6) = 2.9 106
注:现在用 Matlab数学软件可以很方便求矩阵的状态数 !定义 2: 设线性方程组的系数矩阵是非奇异的 , 如果cond(A) 越大 , 就称这个方程组越病态 . 反之 ,cond(A)越小 , 就称这个方程组越良态 .