python求矩阵范数_（数值分析）一、向量及矩阵范数

一、向量范数

1️⃣向量范数定义

2️⃣常用的向量范数

3️⃣向量加权范数

4️⃣A-范数

✨对称矩阵：沿对角线对称，

✨正定矩阵：特征值大于零，顺序主子式大于零，且

5️⃣向量范数的等价性

5️⃣向量序列的收敛性定理

二、矩阵范数（由向量范数导出矩阵范数）

1️⃣矩阵范数定义

2️⃣矩阵范数的相容性

3️⃣算子范数（从属范数）

对算子范数等号的证明

3️⃣常用的矩阵范数

✨第三条是A的转置乘A的最大特征值开算数平方根

✨2范数又称谱范数

✨谱半径的定义：最大的特征值成为谱半径

谱半径的定义

4️⃣向量与矩阵2范数的正交不变性

✨任意一个向量左乘一个正交矩阵后二范数不变

✨任意一个正交矩阵左乘或右乘一个正交矩阵后二范数不变

5️⃣向量的加权范数诱导的矩阵范数

6️⃣F-范数

第一种写法

✨A的所有元素平方和的绝对值再开方

第二种写法

✨求矩阵A的迹主要用两种方法：

1.迹是所有对角元的和，就是矩阵A的对角线上所有元素的和

2.迹是所有特征值的和，通过求出矩阵A的所有特征值来求出它的迹。

7️⃣M1-范数

8️⃣

—范数

9️⃣相容性

矩阵的谱半径与范数之间的关系

1️⃣1️⃣矩阵范数的等价性定理

1️⃣2️⃣矩阵序列的收敛性定理

1️⃣3️⃣谱半径和矩阵序列收敛的关系

1️⃣4️⃣一个推论