3.3 范 数
3.3.1 向量范数
在一维空间中,实轴上任意两点
距离用两点差的绝对值
表示。绝对值是一种度量形式的定义。
范数是对函数、向量和矩阵定义的一种度量形式。任何对象的范数值都是一个非负实数。使用范数可以测量两个函数、向量或矩阵之间的距离。向量范数是度量向量长度的一种定义形式。范数有多种定义形式,只要满足下面的三个条件即可定义为一个范数。同一向量,采用不同的范数定义,可得到不同的范数值。
定义3.1 对任一向量
,按照一个规则确定一个实数与它对应,记该实数记为
,若
满足下面三个性质:
(1) ,有
,当且仅当
时,
(非负性)
(3.37)
(2) ,
,有
(齐次性)
(3) ,
,有
(三角不等式)
那么称该实数
为向量
的范数。
几个常用向量范数
向量
的
范数定义为
其中,经常使用的是
三种向量范数。
或写成
例3.5 计算向量
的三种范数。
向量范数的等价性
有限维线性空间
中任意向量范数的定义都是等价的。若
是
上两种不同的范数定义,则必存在
,使
均有
或
(证明略)
向量的极限
有了向量范数的定义 ,也就有了度量向量距离的标准,即可定义向量的极限和收敛概念了。
设
为
上向量序列,若存在向量
使
,则称向量列
是收敛的(
是某种向量范数),
称为该向量序列的极限。
由向量范数的等价知,向量序列是否收敛与选取哪种范数无关。
向量序列
,
收敛的充分必要条件为其序列的每个分量收敛,即
存在。
若
,则
就是向量序列
的极限。
例3.6 求向量序列
极限向量。
解:算出每个向量分量的极限后得
在计算方法中,计算的向量序列都是数据序列,当
小于给定精度时,取
为极限向量
。
3.3.2 矩阵范数
矩阵范数定义
定义3.2 如果矩阵
的某个非负实函数
,记作
,满足条件:
(1)
当且仅当
时,
(非负性)
(2)
(齐次性)
(3)对于任意两个阶数相同的矩阵
有
(三角不等式性)
(4)
矩阵为同阶矩阵
(相容性)
则称
为矩阵范数。
矩阵的算子范数
常用的矩阵范数是矩阵的算子范数,可用向量范数定义:
设
,记方阵
的范数为
,那么
或
(3.38)
称为矩阵的算子范数或从属范数。这样定义的矩阵范数满足矩阵范数的所有性质外,还满足相容性:
为
阶矩阵,
恒有
(3.39)
根据定义,对任一种从属范数有
,即单位矩阵的范数是1。
常用矩阵范数
向量有三种常用范数,相对应的矩阵范数的三种形式为:
(
的行范数) (3.40)
(
的列范数) (3.41)
(
是
的最大特征值)(
的2范数) (3.42)
证明:既然矩阵的算子范数是
上满足
向量范数
的上确界,那么,找到这个上确界也就找到了矩阵的范数。
(1)任取
,则
即
另一方面设极大值在
列达到,即
取
,
除第
个分量为1外,其余分量均为 0,于是有
,
由于
,故
因此有
(2)任取
,
,则
即
另一方面设极大值在
行达到,取
这里
于是
故
(3)
为对称非负矩阵,具有非负特征值,并具有
个相互正交的单位特征向量。
设
的特征值为
,相应的特征向量为
,其中
为相互正交的单位向量。设
,并且
,即
,则
即对任意
均有
, 故
取
,则有
故
于是
如果A是对称矩阵,那么
,设
的特征值是
, 则有
还有一种与向量范数
相容的矩阵范数,称为欧几里得(Euclid)范数或舒尔(Schur)范数,用
表示,其定义为
(3.43)
因为欧几里得范数易于计算,在实用中是一种十分有用的范数。但它不能从属于任何一种范数,因为
。
与向量范数的等价性质类似,矩阵范数之间也是等价的。
例3.7
,分别有
。
解:
的特征值
矩阵范数等价性
定理 对
上的任两种范数
及
,存在常数
≧
,使
≧
t≧
![]()
矩阵特征值与范数关系
若
是矩阵
的特征值(即存在非零向量
使得:
),对任一算子范数有
又
(相容性)
即矩阵特征值的模不大于矩阵的任一范数。
谱半径
若
有特征值
记
则称
为
的谱半径。有了谱半径的定义,矩阵的2范数可记为:
。
谱半径与矩阵范数关系
由矩阵谱半径定义,可得到矩阵范数的另一重要性质,
。