2-6向量范数与矩阵范数的相容性
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
(1) || A ||2 max{| y H Ax | | || x ||2 1,|| y ||2 1}
(2) || A ||2 || A ||2 || AT ||2 || AH ||2
(3) || AH A ||2 || A ||2 2
(4) || A ||2 || UAV ||2 , U ,V U nn
x 2 u1
2
1
u1H A H Au1 12 u1H u1 12
即 Au1 2 1 ,从而证得 A 2 1
与矩阵范数相容的向量范数的存在性
设 m 是定义在 C nn上的一种矩阵范数,则在 C n 上必存在与它相容的向量范数 证明:用构造法证明。取定 0 C n ,则 x v x H
( A B) x x Ax x
v v v
v
max(
x 0
Ax x
v
v
Bx x
v
v
)
max
x 0
max
x 0
Bx x
v
v
A B
即||A||满足三角不等式。 上述定义的实值函数||A|| n×n, (4) 对任意的方阵A,B∈C是矩阵A的范数。
AB max(
x0
ABx x
y x x v 1 令 yv
证(1) A max
y0
Ay y
v
v
Ay max y0 yv
v
v
max{ Ax v : x v 1}
(2)
显然
max Ax v max Ax
x v 1 x v 1
v
由(1)可知,
A max Ax
x v 1
v
max Ax v max
则称矩阵范数 A 与向量范数 x 是相容的
例1 证明矩阵范数
x
1
A
xi
i 1
n
m1
aij 与向量范数
i 1 j 1
n
n
是相容的。
nn
A (aij ) C , x 1 , 2 , , n C n 证明:设
T
Ax 1 i 1 k 1 aik k i 1 ( k 1 aik k )
1
1 1
x2 2
1
.. xn n
j 1
( x1 x2 .. xn )max j
n n
x 1 max | aij | max | aij |
j
即有 另外,设
A 1 max aij
j
n i 1
j
i 1
A 1 max aij
j i 1
j 1 j 1
max n ij x j max | aij || x j | a n
i i
n
n
n
max
i
i j 1
j 1 |a
ij |max | j
x j |1
j
| akj |
j 1
i
j 1
取x0的第j个分量xj为
akj , x j akj 1 , akj 0 akj 0
H 证明 (1) 由于 | y Ax || ( y , Ax ) ||| y ||2 || Ax ||2
|| A ||2 || x ||2 || y ||2 || A ||2
而||A||2为||Ax||2在||x||2=1上的最大值,因此,存在x0, 使得 || Ax0 ||2 || A ||2 0
第二章 内积空间与赋范线性空间
1 2
欧氏空间与酉 空 间
标准正交基与向量的正交化
正交子空间 酉(正交)变换与正交投影 向量范数与矩阵范数 向量范数与矩阵范数的相容性
授课预计 (10学时)
3
4 5 6
教学内容和基本要求
1,熟练掌握内积的计算方法,知道度量矩阵及其基本性质, 理解内积空间的概念; 2, 理解内积空间的标准正交基,会用施密特正交化方法构
n n 2 aij 与向量范数 i 1 j 1
T
1 2
A (aij ) C , x 1 , 2 , , n C n 证明:设
Ax 2
n i 1
n n
n k 1
aik k
2
2
i 1 ( k 1 aik k )
v
v
) max
x0
A( Bx ) v Bx Bx
v
v v
x
|| A( Bx ) || || Bx || max max A B Bx 0 || Bx || x 0 || x ||
即||A||满足相容性。
再证||A||与|| x ||v的相容性。
A max
x 0
Ax x
2 2 12 2 ... n
T
A
2
M 1
由于AHA为Hermite阵且正定,故可设AHA的特征值为 设与之对应的标准正交特征向量为 u1 , u2 ,..., un ,即有
AH Aui i2ui , uiH uj ij
作酉阵 U u1 , u2 ,..., un ,则有AHA=UHDU,其中
m
就是 C n 上与 m相容的向量范数。 首先, 证明 v 是 C n 上的范数:
1.
三角不等式 x, y C n
m
x y v ( x y ) H
x H
m
y H
m
xv y
v
2, 绝对齐性
C
m
x v ( x) H
3, 正定性
x H
A max
x0
Ax x
v
v
0
即||A||满足正定性;另外,显然||A||=0当且仅当A=0。 (2) 对任意的常数k∈C,
kA max
x 0
kAx x
v
v
k max
x 0
Ax x
v
v
k A
即||A||满足齐次性。
(3) 对任意的方阵A,B∈Cn×n,
A B max
x 0
n
k 1 max aij
j i 1
n i 1
,并取单位向量 ek 0, ..., 0,1, 0, ..., 0
Aek
1
T
则 ek 1 1 ,且有 k
1
,于是
Aek
1
| aik |
i 1
n
即||Ax||1在单位球面{ x | ||x||1=1 }上的极大值点为ek,
n
则有||x0||∞=1, 且Ax0的第k个分量为
a
j 1
kj
x j | akj | max | aij |
j 1 i j 1
n
n
(3) 任取 x x1 , x2 , ..., xn ,且 || x ||2=1, 则 2 H H H
Ax 2 ( Ax ) ( Ax ) x A Ax
2 i 1
n
Ax 2 y H Dy i2 | i |2
2 i 1
n
因为 | i | y 2 1 ,所以 Ax 2 12
2 2
2
n
i 1
Ax 2 1
又由x的任意性可得 若取 x=u1 ,则显然有
Au1
2 2
max Ax 2 1
|| x||2 1
2 2 D 12 , 2 , ..., n
从而有
T
Ax 2 x H U H DUx
2 2 2 H H 2
令 y Ux 1 ,2 , ...,n ,则 y 2 Ux 2 x U Ux x 2 1
故得
Ax 2 y H Dy i2 | i |2
造标准正交基;
3, 理解正交子空间及其正交补的概念,掌握正交投影的 概念;理解正交变换的概念,熟练掌握正交矩阵的性质;
§2.6
向量范数与矩阵范数的相容性
在矩阵范数中,相容性 AB A B 尤为重要,那么
矩阵范数与向量范数之间有类似的性质?
nn nn n n 若 A 是 C ( R ) 上的矩阵范数, x 是C ( R )
(2) 假设i=k时, | aij | 取得最大值,即
j 1 n
n
A
max aij
i j 1
n
max | aij | | akj |
i j 1 j 1
n
则对于满足||x||∞=1的任意n维向量x,有
Ax
Ax = maxn aij x j | aij | max | aij | n
列模和之最大者:列和范数 (2)
A max aij 为从属于向量∞ – 范数的矩阵范数 i
j 1 n
行模和之最大者:行和范数 (3)
A 2 M 1 , M max{ : det( I AH A) 0}
为从属于向量2-范数的矩阵范数,也称谱范数。 为A的最大正奇异值。
n i 1 n n 2 n
( k 1 aik k )2 i 1
n n 2
[( k 1 aik )( k 1 k )]
n k 1
i 1 2
aik
2
n k 1
k
2
AF x
||A||F 与 ||x||2 相容的性质反映了 ||A||F 是像 Ax 的2-范 数 ||Ax||2 与原像 x 的2-范数之比的最大值,即
n n n n
i 1 [( k 1 aik )( k 1 k )]
n n n
( i 1 k 1 aik )( k 1 k )
n n n
Am x
1
1
Байду номын сангаас
例2 证明矩阵范数 A 1
x
2
n 2 2 xi i 1
m2
是相容的。
nn
x v 1 x v 1
Ax x
v
v
max
x 0
Ax x
v
v
A
故有,
max Ax v A
x v 1
例3
证明由n维向量的1-范数, ∞-范数和2-范数
n
所诱导的算子范数分别是(设A=(aij)n×n) (1)
A 1 max aij 为从属于向量1 – 范数的矩阵范数
j i 1
Ax 仍是C n ( Rn )上的向量, 上的向量范数,由于
所以: Ax A x
A 是 C nn ( Rnn ) x 是 C n ( Rn ) 上的矩阵范数, 上 定义1 设 的向量范数。如果对任意的 A C nn ( Rnn ), x C n ( Rn )
都有: Ax A x
v
则 是C nn上与向量范数 v 相容的矩阵范数, 称 为由向量范数 v导出的算子范数或从属于向 量范数 v的矩阵范数 定理1表明,由给定的向量范数按照上式定义的实 值函数是一种矩阵范数,它与已给的向量范数是 相容的。
证明
(1) 当A为非零矩阵时,一定可以找到非零向量 x ,使 Ax≠0 ,从而有
Ax x
2 2
A
F
因此,可以用||A||F来刻画变换A 的结果。 对于给定的某种向量是否一定存在与它相容的矩阵 范数? 任意一个矩阵范数都有与之相容的向量范数吗?
从属于向量范数的矩阵范数 给定C n 上的向量范数 v , A C nn 定义 定理1
A max
x
Ax x
v
矩阵论教程A
哈尔滨工程大学理学院 矩阵论教学团队
Department of Mathematics, College of Sciences
课程要求
作业要求
书后要求的习题,主动自觉做,抽查和不定时收取
使用教材
《 矩阵论教程》国防工业出版社 2012
其他辅导类参考书(自选) 矩阵论网站 http://matrix.hrbeu.edu.cn/
m
x
H
v
x0
x0
x 0
H
x v x
m
0
x 0
H
x v x
H m
0
再证 v 与 m的相容性 nn x C n 由矩阵范数定义中的第4条 A C
Ax v ( Ax) H
m
A m x H
m
Am xv
定理3
设A为n阶方阵,则
x, y
v
v
Ax x
v
v
Ax v A x v
由向量范数诱导的矩阵的算子范数还有另外几个不 同的计算公式。
n n 定理2: 设 v 是 C ( R ) 上的向量范数,则
(1) (2)
A max Ax
x v 1
v
A max Ax
x v 1
v
都是由 v 诱导出的算子范数
y max A y0 yv
证明 (1) 设A的各列向量为αi,即
A 1 2 n x x1 , x2 , ..., xn
Ax
1
T
A
1
max aij
j i 1
n
且
x
1
| xi | 1
i 1
n
x11 x2 2 ... xn n x1 1