向量序列的极限
设
x
(
k
)
,
x
∈
C
n
(
k
=
1
,
2
,
⋯
)
\mathbf{x}^{(k)},\mathbf{x}\in\mathbb{C}^n\left(k=1,2,\cdots\right)
x(k),x∈Cn(k=1,2,⋯)
如果
∥
x
(
k
)
−
x
∥
→
0
,
k
→
∞
\|\mathbf{x}^{(k)}-\mathbf{x}\|\to 0,\quad k\to \infty
∥x(k)−x∥→0,k→∞
则称向量序列
{
x
(
k
)
}
\left\{\mathbf{x}^{(k)}\right\}
{x(k)}收敛于向量
x
\mathbf{x}
x,记为
lim
k
→
+
∞
x
(
k
)
=
x
\lim\limits_{k\to +\infty}\mathbf{x}^{(k)}=\mathbf{x}
k→+∞limx(k)=x
由向量范数之间的等价关系,在某一向量范数意义下收敛,则在其他向量范数意义下也一定收敛
定理1
设
x
(
k
)
=
(
x
1
(
k
)
x
2
(
k
)
⋮
x
n
(
k
)
)
,
x
=
(
x
1
x
2
⋮
x
n
)
∈
C
n
\mathbf{x}^{(k)}=\begin{pmatrix} x_1^{(k)}\\ x_2^{(k)}\\ \vdots\\ x_n^{(k)}\\ \end{pmatrix},\mathbf{x}=\begin{pmatrix} x_1\\ x_2\\ \vdots\\ x_n\\ \end{pmatrix}\in\mathbb{C}^n
x(k)=⎝
⎛x1(k)x2(k)⋮xn(k)⎠
⎞,x=⎝
⎛x1x2⋮xn⎠
⎞∈Cn,则向量序列
{
x
(
k
)
}
\left\{\mathbf{x}^{(k)}\right\}
{x(k)}收敛于
x
\mathbf{x}
x的充要条件为每一个坐标分量序列
{
x
i
(
k
)
}
\left\{x_i^{(k)}\right\}
{xi(k)}收敛于
x
i
x_i
xi,即
lim
k
→
+
∞
x
i
(
k
)
=
x
i
,
i
=
1
,
2
,
⋯
,
n
\lim\limits_{k\to +\infty}x_i^{(k)}=x_i,\quad i=1,2,\cdots, n
k→+∞limxi(k)=xi,i=1,2,⋯,n
也叫按坐标收敛
证明:
必要性:设
∥
x
∥
=
∥
x
∥
∞
=
max
i
∣
x
i
∣
\|\mathbf{x}\|=\|\mathbf{x}\|_\infty=\max\limits_{i}\left|x_i\right|
∥x∥=∥x∥∞=imax∣xi∣,则
∥
x
(
k
)
−
x
∥
∞
→
0
,
k
→
+
∞
\|\mathbf{x}^{(k)}-\mathbf{x}\|_\infty\to 0,\quad k\to +\infty
∥x(k)−x∥∞→0,k→+∞
由于
∥
x
(
k
)
−
x
∥
∞
=
max
i
∣
x
i
(
k
)
−
x
i
∣
≥
∣
x
i
(
k
)
−
x
i
∣
\|\mathbf{x}^{(k)}-\mathbf{x}\|_\infty=\max\limits_{i}\left|x_i^{(k)}-x_i\right|\ge \left|x_i^{(k)}-x_i\right|
∥x(k)−x∥∞=imax∣
∣xi(k)−xi∣
∣≥∣
∣xi(k)−xi∣
∣
所以
∣
x
i
(
k
)
−
x
i
∣
→
0
\left|x_i^{(k)}-x_i\right|\to 0
∣
∣xi(k)−xi∣
∣→0
即
lim
k
→
+
∞
x
i
(
k
)
=
x
i
,
i
=
1
,
2
,
⋯
,
n
\lim\limits_{k\to +\infty}x_i^{(k)}=x_i,\quad i=1,2,\cdots, n
k→+∞limxi(k)=xi,i=1,2,⋯,n
充分性:
lim
k
→
+
∞
x
i
(
k
)
=
x
i
,
i
=
1
,
2
,
⋯
,
n
\lim\limits_{k\to +\infty}x_i^{(k)}=x_i,\quad i=1,2,\cdots, n
k→+∞limxi(k)=xi,i=1,2,⋯,n
则
lim
k
→
+
∞
max
i
∣
x
i
(
k
)
−
x
i
∣
=
0
\lim\limits_{k\to +\infty}\max\limits_{i}\left|x_i^{(k)}-x_i\right|=0
k→+∞limimax∣
∣xi(k)−xi∣
∣=0
即
∥
x
(
k
)
−
x
∥
∞
→
0
,
k
→
+
∞
\|\mathbf{x}^{(k)}-\mathbf{x}\|_\infty\to 0,\quad k\to +\infty
∥x(k)−x∥∞→0,k→+∞
由范数的等价性,上述结论对 C n \mathbb{C}^n Cn中的任意向量范数均成立
矩阵序列的极限
设矩阵序列
{
A
(
k
)
}
\left\{\mathbf{A}^{(k)}\right\}
{A(k)},其中
A
(
k
)
=
(
a
i
j
(
k
)
∈
C
m
×
n
\mathbf{A}^{(k)}=\left(a_{ij}^{(k}\right)\in\mathbb{C}^{m\times n}
A(k)=(aij(k)∈Cm×n
当
k
→
+
∞
k\to +\infty
k→+∞时,
a
i
j
(
k
)
→
a
i
j
a_{ij}^{(k)}\to a_{ij}
aij(k)→aij,则称
{
A
(
k
)
}
\left\{\mathbf{A}^{(k)}\right\}
{A(k)}收敛,并把
A
\mathbf{A}
A叫做
{
A
(
k
)
}
\left\{\mathbf{A}^{(k)}\right\}
{A(k)}的极限,记为
lim
k
→
+
∞
A
(
k
)
=
A
\lim\limits_{k\to +\infty}\mathbf{A}^{(k)}=\mathbf{A}
k→+∞limA(k)=A
上面定义和下面这个范数意义下的收敛等价
∥
A
(
k
)
−
A
∥
→
0
,
k
→
+
∞
\|\mathbf{A}^{(k)}-\mathbf{A}\|\to 0,\quad k\to +\infty
∥A(k)−A∥→0,k→+∞
其中
∥
⋅
∥
\|\cdot\|
∥⋅∥为任一矩阵范数
证明:
考虑 ∥ A ∥ = ∑ i = 1 m ∑ j = 1 n = ∣ a i j ∣ \|\mathbf{A}\|=\sum_{i=1}^{m}\sum_{j=1}^{n}=\left|a_{ij}\right| ∥A∥=∑i=1m∑j=1n=∣aij∣
设
lim
k
→
+
∞
A
(
k
)
=
A
\lim\limits_{k\to +\infty}\mathbf{A}^{(k)}=\mathbf{A}
k→+∞limA(k)=A
即
lim
k
→
+
∞
a
i
j
(
k
)
=
a
i
j
,
i
=
1
,
2
,
⋯
,
m
,
j
=
1
,
2
,
⋯
,
n
\lim\limits_{k\to +\infty}a_{ij}^{(k)}=a_{ij},\quad i=1,2,\cdots,m,\quad j=1,2,\cdots,n
k→+∞limaij(k)=aij,i=1,2,⋯,m,j=1,2,⋯,n
于是
lim
k
→
+
∞
∣
a
i
j
(
k
)
−
a
i
j
∣
=
0
\lim\limits_{k\to +\infty}\left|a_{ij}^{(k)}-a_{ij}\right|=0
k→+∞lim∣
∣aij(k)−aij∣
∣=0
故
lim
k
→
+
∞
∥
A
(
k
)
−
A
∥
=
lim
k
→
+
∞
∑
i
,
j
=
1
n
∣
a
i
j
(
k
)
−
a
i
j
∣
=
0
\lim\limits_{k\to +\infty}\|\mathbf{A}^{(k)}-\mathbf{A}\|=\lim\limits_{k\to +\infty}\sum_{i,j=1}^{n}\left| a_{ij}^{(k)}-a_{ij}\right|=0
k→+∞lim∥A(k)−A∥=k→+∞limi,j=1∑n∣
∣aij(k)−aij∣
∣=0
反之,设
lim
k
→
+
∞
∥
A
(
k
)
−
A
∥
=
0
\lim\limits_{k\to +\infty}\|\mathbf{A}^{(k)}-\mathbf{A}\|=0
k→+∞lim∥A(k)−A∥=0,即
lim
k
→
+
∞
∑
i
=
1
m
∑
j
=
1
n
∣
a
i
j
(
k
)
−
a
i
j
∣
=
0
\lim\limits_{k\to +\infty}\sum_{i=1}^{m}\sum_{j=1}^{n}\left| a_{ij}^{(k)}-a_{ij}\right|=0
k→+∞limi=1∑mj=1∑n∣
∣aij(k)−aij∣
∣=0
所以
lim
k
→
+
∞
∣
a
i
j
(
k
)
−
a
i
j
∣
=
0
\lim\limits_{k\to +\infty}\left|a_{ij}^{(k)}-a_{ij}\right|=0
k→+∞lim∣
∣aij(k)−aij∣
∣=0
即
lim
k
→
+
∞
A
(
k
)
=
A
\lim\limits_{k\to +\infty}\mathbf{A}^{(k)}=\mathbf{A}
k→+∞limA(k)=A
再根据矩阵范数的等价性,
lim
k
→
+
∞
∥
A
(
k
)
−
A
∥
=
0
⇔
lim
k
→
+
∞
∥
A
(
k
)
−
A
∥
a
=
0
\lim\limits_{k\to +\infty}\|\mathbf{A}^{(k)}-\mathbf{A}\|=0\Leftrightarrow\lim\limits_{k\to +\infty}\|\mathbf{A}^{(k)}-\mathbf{A}\|_a=0
k→+∞lim∥A(k)−A∥=0⇔k→+∞lim∥A(k)−A∥a=0
其中
∥
⋅
∥
a
\|\cdot\|_a
∥⋅∥a为任一矩阵范数
定理2
ρ ( A ) < 1 ⇔ lim k → ∞ A k = 0 \rho\left(\mathbf{A}\right)<1 \Leftrightarrow \lim\limits_{k\to\infty}\mathbf{A}^k=0 ρ(A)<1⇔k→∞limAk=0
证明:
设
A
\mathbf{A}
A的特征值为
λ
\lambda
λ,对应的特征向量为
v
\mathbf{v}
v
假设
lim
k
→
∞
A
k
=
0
\lim\limits_{k\to\infty}\mathbf{A}^k=0
k→∞limAk=0
0
=
(
lim
k
→
∞
A
k
)
v
=
lim
k
→
∞
(
A
k
v
)
=
lim
k
→
∞
(
λ
k
v
)
=
v
lim
k
→
∞
λ
k
\begin{aligned} 0&=\left(\lim\limits_{k\to\infty}\mathbf{A}^k\right)\mathbf{v}\\ &=\lim\limits_{k\to\infty}\left(\mathbf{A}^k\mathbf{v}\right)\\ &=\lim\limits_{k\to\infty}\left(\lambda^k\mathbf{v}\right)\\ &=\mathbf{v}\lim\limits_{k\to\infty}\lambda^k\\ \end{aligned}
0=(k→∞limAk)v=k→∞lim(Akv)=k→∞lim(λkv)=vk→∞limλk
因为
v
≠
0
\mathbf{v}\neq 0
v=0,
lim
k
→
∞
λ
k
=
0
⇒
∣
λ
∣
<
1
⇒
ρ
(
A
)
<
1
\lim\limits_{k\to\infty}\lambda^k=0\Rightarrow \left|\lambda\right|<1 \Rightarrow \rho\left(\mathbf{A}\right)<1
k→∞limλk=0⇒∣λ∣<1⇒ρ(A)<1
假设
ρ
(
A
)
<
1
\rho\left(\mathbf{A}\right)<1
ρ(A)<1
由若尔当分解定理
A
=
S
(
J
n
1
(
λ
1
)
0
⋯
0
0
J
n
2
(
λ
2
)
⋱
⋮
⋮
⋱
⋱
0
0
⋯
0
J
n
k
(
λ
k
)
)
S
−
1
\mathbf{A}=\mathbf{S}\begin{pmatrix} \mathbf{J}_{n_1}\left(\lambda_1\right)&0&\cdots&0\\ 0&\mathbf{J}_{n_2}\left(\lambda_2\right)&\ddots&\vdots\\ \vdots&\ddots&\ddots&0\\ 0&\cdots&0&\mathbf{J}_{n_k}\left(\lambda_k\right)\\ \end{pmatrix}\mathbf{S}^{-1}
A=S⎝
⎛Jn1(λ1)0⋮00Jn2(λ2)⋱⋯⋯⋱⋱00⋮0Jnk(λk)⎠
⎞S−1
其中
S
\mathbf{S}
S是可逆矩阵,
λ
1
,
⋯
,
λ
k
\lambda_1,\cdots,\lambda_k
λ1,⋯,λk是
A
\mathbf{A}
A的特征值,
n
1
+
⋯
+
n
k
=
n
n_1+\cdots+n_k=n
n1+⋯+nk=n
由若尔当块的性质,对于充分大的
k
k
k,有
J
n
i
k
(
λ
i
)
=
[
λ
i
k
(
k
1
)
λ
i
k
−
1
(
k
2
)
λ
i
k
−
2
⋯
(
k
n
i
−
1
)
λ
i
k
−
n
i
+
1
0
λ
i
k
(
k
1
)
λ
i
k
−
1
⋯
(
k
n
i
−
2
)
λ
i
k
−
n
i
+
2
⋮
⋮
⋱
⋱
⋮
0
0
…
λ
i
k
(
k
1
)
λ
i
k
−
1
0
0
⋯
0
λ
i
k
]
\mathbf{J}_{n_{i}}^{k}\left(\lambda_{i}\right)=\left[\begin{array}{ccccc} \lambda_{i}^{k} & \left(\begin{array}{c} k \\ 1 \end{array}\right) \lambda_{i}^{k-1} & \left(\begin{array}{c} k \\ 2 \end{array}\right) \lambda_{i}^{k-2} & \cdots & \left(\begin{array}{c} k \\ n_{i}-1 \end{array}\right) \lambda_{i}^{k-n_{i}+1} \\ 0 & \lambda_{i}^{k} & \left(\begin{array}{c} k \\ 1 \end{array}\right) \lambda_{i}^{k-1} & \cdots & \left(\begin{array}{c} k \\ n_{i}-2 \end{array}\right) \lambda_{i}^{k-n_{i}+2} \\ \vdots & \vdots & \ddots & \ddots & \vdots \\ 0 & 0 & \ldots & \lambda_{i}^{k} & \left(\begin{array}{c} k \\ 1 \end{array}\right) \lambda_{i}^{k-1} \\ 0 & 0 & \cdots & 0 & \lambda_{i}^{k} \end{array}\right]
Jnik(λi)=⎣
⎡λik0⋮00(k1)λik−1λik⋮00(k2)λik−2(k1)λik−1⋱…⋯⋯⋯⋱λik0(kni−1)λik−ni+1(kni−2)λik−ni+2⋮(k1)λik−1λik⎦
⎤
所以
lim
k
→
∞
J
n
i
k
=
0
⇒
lim
k
→
∞
J
k
=
0
⇒
lim
k
→
∞
A
k
=
lim
k
→
∞
S
J
k
S
−
1
=
S
(
lim
k
→
∞
J
k
)
S
−
1
=
0
\lim\limits_{k\to\infty}\mathbf{J}_{n_i}^k=0\Rightarrow \lim\limits_{k\to\infty}\mathbf{J}^k=0\Rightarrow \lim\limits_{k\to\infty}\mathbf{A}^k=\lim\limits_{k\to\infty}\mathbf{S}\mathbf{J}^k\mathbf{S}^{-1}=\mathbf{S}\left(\lim\limits_{k\to\infty}\mathbf{J}^k\right)\mathbf{S}^{-1}=0
k→∞limJnik=0⇒k→∞limJk=0⇒k→∞limAk=k→∞limSJkS−1=S(k→∞limJk)S−1=0
定理3
设
A
∈
C
n
×
n
\mathbf{A}\in\mathbb{C}^{n\times n}
A∈Cn×n,若对于矩阵
A
\mathbf{A}
A的某一范数有
∥
A
∥
<
1
\|\mathbf{A}\|<1
∥A∥<1,则
lim
k
→
+
∞
A
k
=
0
\lim\limits_{k\to +\infty}\mathbf{A}^k=\mathbf{0}
k→+∞limAk=0
证明:因为
∥
A
k
∥
≤
∥
A
∥
k
\|\mathbf{A}^k\|\le \|\mathbf{A}\|^k
∥Ak∥≤∥A∥k,因为
∥
A
∥
<
1
\|\mathbf{A}\|<1
∥A∥<1,所以
lim
k
→
+
∞
∥
A
k
∥
=
0
⇒
lim
k
→
+
∞
∥
A
k
−
0
∥
=
0
⇒
lim
k
→
+
∞
A
k
=
0
\lim\limits_{k\to +\infty}\|\mathbf{A}^k\|=0\Rightarrow \lim\limits_{k\to +\infty}\|\mathbf{A}^k-\mathbf{0}\|=0\Rightarrow \lim\limits_{k\to +\infty}\mathbf{A}^k=\mathbf{0}
k→+∞lim∥Ak∥=0⇒k→+∞lim∥Ak−0∥=0⇒k→+∞limAk=0
定理4
lim
k
→
∞
A
(
k
)
=
0
\lim\limits_{k\to\infty}\mathbf{A}^{(k)}=\mathbf{0}
k→∞limA(k)=0的充要条件是
lim
k
→
∞
A
(
k
)
x
=
0
,
∀
x
∈
R
n
\lim\limits_{k\to\infty}\mathbf{A}^{(k)}\mathbf{x}=\mathbf{0},\quad \forall \mathbf{x}\in\mathbb{R}^n
k→∞limA(k)x=0,∀x∈Rn
证明:
对于任意诱导范数
∥
A
(
k
)
x
∣
∣
≤
∥
A
(
k
)
∥
∥
x
∥
\|\mathbf{A}^{(k)}\mathbf{x}||\le\|\mathbf{A}^{(k)}\| \|\mathbf{x}\|
∥A(k)x∣∣≤∥A(k)∥∥x∥
必要性:
如果
lim
k
→
∞
A
(
k
)
=
0
\lim\limits_{k\to\infty}\mathbf{A}^{(k)}=\mathbf{0}
k→∞limA(k)=0,则
lim
k
→
∞
∥
A
(
k
)
∥
=
0
\lim\limits_{k\to\infty}\|\mathbf{A}^{(k)}\|=0
k→∞lim∥A(k)∥=0
∀
x
∈
R
n
,
lim
k
→
∞
∥
A
(
k
)
x
∥
=
0
⇒
lim
k
→
∞
A
(
k
)
x
=
0
\forall\mathbf{x}\in\mathbb{R}^n,\quad \lim\limits_{k\to\infty}\|\mathbf{A}^{(k)}\mathbf{x}\|=0\Rightarrow \lim\limits_{k\to\infty}\mathbf{A}^{(k)}\mathbf{x}=\mathbf{0}
∀x∈Rn,k→∞lim∥A(k)x∥=0⇒k→∞limA(k)x=0
充分性:
lim
k
→
∞
A
(
k
)
e
j
=
0
\lim\limits_{k\to\infty}\mathbf{A}^{(k)}\mathbf{e}_j=\mathbf{0}
k→∞limA(k)ej=0
也就是说第
j
j
j列元素的极限均为0,故
lim
k
→
∞
A
(
k
)
=
0
\lim\limits_{k\to\infty}\mathbf{A}^{(k)}=\mathbf{0}
k→∞limA(k)=0
摸了,后面的等用到了再说