ch1 距离和范数
由于复习较为仓促,这里仅根据历年考试真题试卷总结考试的知识点。
题型
- 求向量范数、矩阵范数、条件数
- 求扰动/相对误差
- 求矩阵级数、矩阵幂级数敛散性
知识点
-
向量范数
- 1范数:模的绝对值和
- 2范数: ∑ k = 1 n ∣ ξ k ∣ 2 \sqrt{\sum_{k=1}^{n}\left | \xi _k \right |^2} ∑k=1n∣ξk∣2
- ∞范数:模绝对值的最大值
- p范数:将2范数的2变成p即可
-
矩阵范数
- m1范数: 矩阵所有元素绝对值之和
- m∞范数:矩阵元素绝对值中最大值 * n
- F范数: 矩阵n个元素平方和开根号
- ||A||1范数:极大列和范数,所有列绝对值之和的最大值
- ||A||2范数:谱范数,AHA矩阵的最大特征值。若A是正规矩阵,则||A||2 = ρ ( A ) \rho(A) ρ(A)
- ||A||∞范数:极大行和范数,所有行绝对值之和的最大值
-
AHA = AAH,则称A为正规矩阵。对角矩阵、实对称矩阵、实反对称矩阵、正交矩阵、酉矩阵、Hermite矩阵等,都是正规矩阵。
-
AH = A,则A为Hermite矩阵
-
矩阵的谱半径:矩阵A的特征值中的最大绝对值。若A是正规矩阵,则||A||2 = ρ ( A ) \rho(A) ρ(A)
- ρ ( A ) ≤ ∥ A ∥ \rho(A) \le \left \| A \right \| ρ(A)≤∥A∥
-
矩阵的条件数
- c o n d ( A ) = ∥ A ∥ ∥ A − 1 ∥ cond(A) = \left \| A \right \| \left \| A^{-1} \right \| cond(A)=∥A∥ A−1
- c o n d 2 ( A ) = ∥ A ∥ 2 ∥ A − 1 ∥ 2 = m a x ( ∣ λ ∣ ) m i n ( ∣ λ ∣ ) cond_2(A) = \left \| A \right \| _2\left \| A^{-1} \right \| _2 = \frac{max(|\lambda|)}{min(|\lambda|)} cond2(A)=∥A∥2 A−1 2=min(∣λ∣)max(∣λ∣)
- c o n d ∞ ( A ) = ∥ A ∥ ∞ ∥ A − 1 ∥ ∞ cond_\infty (A) = \left \| A \right \| _\infty\left \| A^{-1} \right \| _\infty cond∞(A)=∥A∥∞ A−1 ∞
-
假设 δ \delta δ表示A的一个扰动,则有:
- A + δ A + \delta A+δ可逆
- ∥ ( A + δ ) − 1 ∥ ≤ ∥ A − 1 ∥ 1 − ∥ A − 1 δ ∥ \left \| (A + \delta)^{-1} \right \| \le \frac{\left \| A^{-1} \right \| }{1 - \left \| A^{-1}\delta \right \| } (A+δ)−1 ≤1−∥A−1δ∥∥A−1∥
- ∥ A − 1 − ( A + δ ) − 1 ∥ ∥ A − 1 ∥ ≤ ∥ A − 1 δ ∥ 1 − ∥ A − 1 δ ∥ \frac{\left \| A^{-1} - (A + \delta )^{-1} \right \| }{\left \| A^{-1} \right \| } \le \frac{\left \| A^{-1}\delta \right \| }{1 - \left \| A^{-1}\delta \right \| } ∥A−1∥∥A−1−(A+δ)−1∥≤1−∥A−1δ∥∥A−1δ∥
-
复变量幂级数 ∑ k = 0 ∞ a k z k \sum_{k=0}^{\infty } a_kz^k ∑k=0∞akzk收敛半径为R,$R = \frac{1}{\lim_{k \to \infty}\left | \frac{a_{k+1}}{a_k} \right | } $,
- A的谱半径 < R :幂级数绝对收敛
- A的谱半径 > R :幂级数发散
- A的谱半径 = R :幂级数不确定
-
矩阵A为收敛矩阵的充要条件是 ρ ( A ) < 1 \rho(A) < 1 ρ(A)<1
-
矩阵幂级数 ∑ k = 0 ∞ A k \sum_{k=0}^{\infty } A^k ∑k=0∞Ak收敛的充要条件是 ρ ( A ) < 1 \rho(A) < 1 ρ(A)<1,且在收敛时,和为 ( I − A ) − 1 (I - A)^{-1} (I−A)−1。