1.2 向量范数与矩阵范数
更新时间:2023-05-10 10:50:01 阅读量: 实用文档 文档下载
- 1.2t和1.5l哪个好推荐度:
- 相关推荐
matlab
§1.4 向量和矩阵范数 向量范数 ( vector norms ) 定义1 定义 :
(3) || x + y || ≤|| x || +|| y ||常用向量范数: 常用向量范数:v || x || 1 =
v v v v (1) || x || ≥ 0 ; || x || = 0 x = 0 v v (2) ||v x || =| λ |v|| x || v 对任意 λ∈C λ v
Rn空间的向量范数 空间的向量范数
v v n || · || ,对任意 x, y ∈ R 满足下列条件 对任意
Σi=1
n
| xi |
v || x || =2
Σ
n
| x |i
2
i=1
v || x || ∞ = max | x i |1≤ i ≤ n
matlab
主要性质 主要性质性质1:‖-x‖=‖x‖ 性质1:‖ 1: 性质2: ‖x‖-‖y‖|≤‖x性质2:|‖x‖-‖y‖|≤‖x-y‖ 性质3: 向量范数‖x‖是 上向量x的连续函数. 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 上任意两种范数, 范数等价: ‖ ‖ 常数 C1、C2 > 0 使得 ,则称 ‖ 等价。 ‖·‖A 和‖·‖B 等价。 ‖ 定理1.4.1 定理 一切范数都等价 范数都等价。 Rn 上一切范数都等价。
matlab
定义2:设{xk}是Rn上的向量序列, 定义2:设 上的向量序列, 2: k=1,2, . 令 xk=(xk1,xk2,…,xkn)T, k=1,2,…., , 又设x =(x 上的向量. 又设x*=(x1*,x2*,…,xn*)T是Rn上的向量. , 对所有的i=1,2, i=1,2,…, 成立, 如果lim 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 , 那么,称向量x 是向量序列{ 若一个向量序列有极限,称这个向量序列是收敛的 收敛的. 若一个向量序列有极限,称这个向量序列是收敛的. 定理1.4.2 定理1.4.2 对任意一种向量范数‖ ‖而言, 对任意一种向量范数‖·‖而言,向量 序列{ 收敛于向量x 序列{xk}收敛于向量x*的充分必要条件是
li m || x k xk → ∞
*
||= 0
matlab
矩阵范数 ( matrix norms )× 空间的矩阵 定义3:对任意 定义3:对任意 A, B ∈ Rm×n ,称|| · || 为Rm×n空间的矩阵 3:
范数, 满足(1) 范数 指|| · ||满足(1)-(3): 满足(1)-(3):
(1) || A||≥0; || A||=0 A=0 (2) || λA|| =| λ| || A|| 对任意 α ∈C (3) ||A+B||≤||A||+||B||若还满足(4),称为相容的矩阵范数 若还满足(4),称为相容的矩阵范数 (4), (4) || AB || ≤ || A || · || B ||
matlab
例5:
设A=(aij)∈M. 定义
1 | | A ||= 2 n
i, j =1
∑
n
| a ij |
证明:这样定义的非负实数不是相容的矩阵范数. 证明:这样定义的非负实数不是相容的矩阵范数.
1 1 1 1 证明:设 A = , B = 1 1 1 1
2 2 AB = 2 2 从而
|| A ||= 1,|| B ||= 1,|| AB ||= 2
|| AB ||>|| A || || B ||
matlab
相容性(1)矩阵范数与矩阵范数的相 矩阵范数与矩阵范数的相 矩阵 容:‖AB‖≤‖A‖‖B‖ 矩阵范数与向量 向量范数 (2)矩阵范数与向量范数 A∈M,‖A‖是矩阵范数 是矩阵范数, ‖x‖是 设A∈M,‖A‖是矩阵
范数,x∈Rn,‖x‖是 向量范数.如果满足不等式: 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 与向量范数‖ 相容. 则称矩阵范数‖A‖与向量范数‖x‖相容.
matlab
向量|| Frobenius范数: || A || F = ∑ ∑ | a ij |2 (向量|| Frobenius范数: 范数i =1 j =1
n
n
· ||2的直接推广) 的直接推广)
|| 可以证明,对方阵 可以证明 对方阵 A∈ Rn×n和 x ∈ Rn有: , Ax ||2 ≤ || A ||F || x ||2
算子范数 又称为从属的矩阵范数: 算子范数 ( operator norm ),又称为从属的矩阵范数 又称为从属的矩阵范数 × 范数: 由向量范数 || · ||p 导出关于矩阵 A ∈ Rn×n 的 p 范数:利用Cauchy 不等式 利用 v 则 || AB|| p ≤ || A ||p || B ||p || A x || p v || A || p = max = max || A x || p y | ≤ ||vx || || y ||v v |x v v v 2 2 x≠0 || x || p = 1 || x || p || Ax || p ≤ || A || p || x || p
常用的算子范数: n|| A || 1 = maxj =1 n
可证( )。 可证(例6)。 || A || ∞ = max ∑ | a ij | (行和范数) 行和范数) 1≤ i ≤ n1≤ j ≤ n
∑ |ai =1
ij
| (列和范数) 列和范数)
|| A || 2 =
λ max ( A T A ) (谱范数 ( spectral norm ) )
matlab
定理1.4.6 对任意算子范数 || · || 有: ρ ( A ) ≤ || A || 定理v v 证明:由算子范数的相容性, 证明:由算子范数的相容性,得到 || Ax || ≤ || A || || x ||
将任意一个特征根 λ 所对应的特征向量 u 代入 v v v v | λ | || u || = || λu || = || Au || ≤ || A || || u ||
v
命题(P26,推论 ) 若A对称,则有: || A || 2 = ρ ( A ) ,推论1) 命题 对称,则有:证明: 证明:|| A ||2 = λmax ( A A) = λmax ( A )T 2
A对称 对称
的特征根。 的一个特征根, 若λ 是 A 的一个特征根,则λ2 必是 A2 的特征根。 λmax ( A2 ) = λ2 ( A) 对某个 A 的特征根λ 成立
为非负实数, 又:对称矩阵的特征根为实数,即 λ2(A) 为非负实数, 对称矩阵的特征根为实数, 所以2-范数亦称为 所以 范数亦称为 故得证。 故得证。 谱范数。 谱范数。
matlab
定理1.4.4 若矩阵 A 对某个算子范数满足 ||A|| < 1,则必有 定理 ,可逆; ①. I ± A 可逆; ②.
( I ± A)
1
1 ≤ 1 || A ||
有非零解, 证明: 若不然, 证明:① 若不然,则 ( I ± A) x = 0 有非零解,即存在非零向v x0 使得 量
± Ax0 = x0
|| Ax0 || =1 || x0 ||
|| A || ≥ 1
② ( I ± A) 1 ± A( I ± A) 1 = ( I ± A)( I ± A) 1 = I
( I ± A) 1 = I m A( I ± A) 1 || ( I ± A) 1 || ≤ 1+ || A || || ( I ± A) 1 ||
matlab
线性方程组的性态(误差分析) §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 思考 求解 A x = b 时, A 和 b 的误差对解 x 有何影响? 精确, 设 A 精确,b 有误差 δ b ,得
到的解为 x + δ x ,即
A( x + δ x) = b + δ b 1
绝对误差放大因子
|| δ x || ≤ || A 1 || || δ b || δ x= A δb 相对误差放大因子 1 || A || || b || = || Ax || ≤ || A || || x || 又 ≤ || x || || b ||
|| δ x || || δ b || 1 ≤ || A || || A || || x || || b ||
matlab
精确, 有误差 设 b 精确,A有误差 δ A ,得到的解为 x + δ x ,即 || A || || A 1 || 是关键 的误差放大因子, 的误差放大因子,称为 ( A A的状态数 + δ x ) , b +的状态数 条件数 = δ A )( x 条件数), 的状态数(条件数 记为cond (A) , 记为 A ( x + δ x ) + δ A ( x + δ x ) = b ( A + δ A ) x + ( A + δ A )δ x = b ( A + δ A)δ x = δ Ax δ x = A 1δ A ( x + δ x ) A( I + A 1δ A)δ x = δ Ax || δ x || ≤ || A 1 || || δ A || || x + δ x || δ x = ( I + A 1δ A) 1 A 1δ Ax || δ A || 1 (只要δ A充分小,使得 只要 充分小,= || A || || A || || A |||| A 1δA || ≤ || A 1 || || δA || < 1 ) 1
|| δ A || || A || || A || 1 || δ x || || A || || δ A || || A || ≤ = 1 || x || 1 || A || || δ A || 1 || A || || A 1 || || δ A || || A ||
matlab
注:
cond (A) 与 所取的范数有关常用条件数有: 常用条件数有:
cond (A)1 =‖A‖1 ‖ A 1‖1 cond (A)∞ cond (A)2 =‖A‖∞ ‖ A 1‖∞= λmax ( AT A) / λmin ( AT A)
特别地, 对称, 特别地,若 A 对称,则max | λ | cond ( A) 2 = min | λ |
matlab
1 1 2 例:Hilbert 阵 H n = 1 n
1 2 1 3
1 n +1
1 2 n 1 1 n
cond (H2)∞ = 27 cond (H6)∞ = 2.9 × 106
cond (H3)∞ ≈ 748
注:现在用Matlab数学软件可以很方便 现在用Matlab数学软件可以很方便 Matlab 求矩阵的状态数! 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 定义2: cond(A)越大,就称这个方程组越病态.反之,cond(A) 越大, 越小, 越小,就称这个方程组越良态.
正在阅读:
1.2 向量范数与矩阵范数05-10
机械设计复习题(一)(答案)(1)06-04
百日誓师大会流程(细稿)04-03
文明礼仪小故事范文11-20
工程经济学第三次作业及答案(第四章)04-30
2016-2021年中国聚氮丙啶交联剂行业发展现状与投资战略规划可行07-11
大连理工大学工程地质实习报告09-01
GIS实习204-29
洛氏硬度(HRC)和布氏硬度07-20
- 教学能力大赛决赛获奖-教学实施报告-(完整图文版)
- 互联网+数据中心行业分析报告
- 2017上海杨浦区高三一模数学试题及答案
- 招商部差旅接待管理制度(4-25)
- 学生游玩安全注意事项
- 学生信息管理系统(文档模板供参考)
- 叉车门架有限元分析及系统设计
- 2014帮助残疾人志愿者服务情况记录
- 叶绿体中色素的提取和分离实验
- 中国食物成分表2020年最新权威完整改进版
- 推动国土资源领域生态文明建设
- 给水管道冲洗和消毒记录
- 计算机软件专业自我评价
- 高中数学必修1-5知识点归纳
- 2018-2022年中国第五代移动通信技术(5G)产业深度分析及发展前景研究报告发展趋势(目录)
- 生产车间巡查制度
- 2018版中国光热发电行业深度研究报告目录
- (通用)2019年中考数学总复习 第一章 第四节 数的开方与二次根式课件
- 2017_2018学年高中语文第二单元第4课说数课件粤教版
- 上市新药Lumateperone(卢美哌隆)合成检索总结报告
- 向量
- 矩阵
- 范数与
- 范数
- 1.2
- 大学生手机市场调查分析报告
- 浅谈水生植物的种植密度
- 第六章:外汇业务的核算
- 11“三项活动”应知应会
- 北京市丰台区2014届高三第一学期期末练习英语试题
- 成都德语寒假培训:德语初级详细笔记
- 浅谈银行业服务存在的问题及对策
- 煤层气地质学复习提纲
- 2014重庆政法干警申论试卷解读5
- 西安某SHOPPINGMALL项目策划
- ISO14405-1-2010Geometricalproductspecifications(GPS).Dimensionaltolerancing.Part1_Linearsiz
- 锡林郭勒盟现代服务业园项目
- 《秋冬健康小常识》(1)
- 公司设立股东会决议
- 解开特异功能的神秘面纱四集
- 对爱伦坡侦探小说犯罪心理的分析
- 管理人员质量责任制
- 导电混凝土材料电阻系数的研究和分析
- JJG 566-1996 电机线圈游标卡尺检定规程
- 1阶文件:MDWYQM-01 质量管理手册