矩阵分析学习（五）

一、向量范数

定义1：设V是数域P上的线性空间，若对于任意V中的向量a，都有唯一非负的||a||与之对应，且满足一下三个条件：

1）非负性：当a不等于0时，||a||大于等于0；（又叫正定性）

2）齐次性：||ka||=|k|*||a||；

3）三角不等式：||a+b||小于等于||a||+||b||；（||a-b||大于等于||a||-||b||）

则称非负实数||a||为向量a的范数，简言之，向量的范数是定义线性空间上的非负实值函数；

（对于同一个线性空间中可以定义不同的范数）

定义2：定义了范数的线性空间称为赋范线性空间；

定理1：设||*||a和||*||b均为V上的两个范数。如果存在两个常数M>=m>=0，使得对于任意向量a属于V，有下式成立

m||a||a<=||a||b<=M||a||a，则称这两个范数是等价的；

引理：||*||是实线性空间V^n上的范数，{e1,e2,....,en}是V^n上的一组基，对V^n上的任意向量a=x1e1+x2e2+...+xnen

定义R^n->R的多元函数：t(x1,x2,...,xn)=||a||=||x1e1+x2e2+...+xnen||，则t(x1,x2,...,xn)是连续函数；

证明：|f(x1,x2,...,xn)-f(y1,y2,...,yn)|<=c{|x1-y1|+|x2-y2|+....+|xn-yn|}即可证明f(x1,x2,...,xn)连续

|||a||-||b|||<=||a-b||（三角不等式）=||(x1-y1)e1+(x2-y2)e2+.....+(xn-yn)en||<=|x1-y1|||e1||+|x2-y2|||e2||+......+|xn-yn|||en||

（结合不等式放缩）<=C(|x1-y1|+|x2-y2|+...|xn-yn|)，C=max(||e1||,,||e2||,....,||en||)，即可得出t(x1,x2,...,xn)是连续的。

定理2：在有限维实线性空间中的任意范数都是等价的；

二、矩阵范数

定义1：对于任意的方阵A属于C^n*n，存在一个||A||与之对应，且满足

1）||A||是范数；（满足范式定义的三条规则）

2）||AB||<=||A||*||B||；则非负实函数||A||称为n*n方阵的范数。（矩阵范数）

定义2：对于任意A属于C^n*n以及n维列向量a属于数域P^n，矩阵范数||A||能与某种向量范数||a||满足关系式

||Aa||<=||A||*||a||，则称矩阵范数||A||与向量范数||a||是相容的；

三、向量和矩阵的极限

定义1：若x^(m)=(x1^(m)，x2^(m)，....,xn^(m))属于C^n*n（m为自然数集合），如果存在极限

换言之，向量序列的极限是通过坐标极限来定义的，当向量序列不收敛时，也叫发散的

定义2：（向量的极限和向量范数之间的关系）

（对任一向量范数||*||）

定义矩阵的极限：

定义：（矩阵的极限和矩阵范数的关系）

1）如果Am极限为A，则对于C*n*n的任何矩阵范数||*||，||A||都有界；

2）如果Am的极限是A，Bm的极限是B（矩阵的极限），am趋向于a，bm趋向于b（数列的极限），则有：

3）如果Am的极限是A，且Am^-1趋向于A^-1,则：

定理：A^m的极限为0的充分条件是有某一个方阵范数||*||，使得||A||<1 ，其充要条件是A的所有特征值的模都小于1；

定理：矩阵A中的每一个特征值λ的模|λ|都不大于矩阵A的任一范数||A||，即|λ|<=||A||；

四、矩阵幂级数

定义：在给定C^n*n中的矩阵序列，A1，A2，....Am....则和式A1+A2+...+An+..称为矩阵.级数。

性质：1、如果一个矩阵级数绝对收敛，则此矩阵级数收敛，且交换各项的次序所得到的新级数仍收敛，和也不变。

2、方阵级数绝对收敛的充要条件是，对于任意一种矩阵范数||*||，正项级数收敛。

定义：矩阵A全部特征值的模的最大值，称之为谱半径；

对于一个矩阵A，任给一个正数ε，都有某一矩阵范数||*||，使得||A||<=ρ(A)+ε；

（在收敛半径以内绝对收敛，在收敛半径之外发散） 

 

（大的收敛，则小的也收敛）

五、矩阵函数

常用的复幂级数：（方阵的幂级数只需要将幂函数中的z换成对应的矩阵名，与z相加的常数1换为单位阵E即可）

 

 已知矩阵的标准型，可以用来求解矩阵函数f(A)：主要分为两种情况（对角矩阵的形式，约当矩阵的形式）

1）当A相似于对角矩阵B的时候，即B=P^-1AP，可以得出A=PBP^-1，由此可得出

f(A)=Pf(B)P^-1，此类问题便转化为相似对角化问题以及求解相似对角化矩阵P和其逆矩阵。

2）当矩阵A不可以相似对角化为对角矩阵时，则其标准型一定可以表示为jordan型，即：

jorjan矩阵的f(J)的求解公式，不同Jordan块均用此公式，最后累加即可（记忆方式：f(x)的n阶导数除以导次数的阶乘）；

利用最小多项式计算：

f(λ) =φ(λ)q(λ)+r(λ)，f(λ) 是 l 次多项式，φ(λ)是方阵A 的最小多项式，其次数为m，这里的r(λ)要么为0要么是比最小多项式

幂次数还低的多项式。转换为矩阵A 的矩阵级数f(A) =φ(A)q(A)+r(A)=r(A)，通过最小多项式可以降低所求级数的幂次；

有几个未知数带求就求几次导数，联立方程组求解即可，根据特征多项式的最高次数确定m，以此来求解对应方阵级数到m-1；

 对于含有函数的形式，类比实值类型即可方法类似；

六、矩阵的微分与积分

若A(z)=(aij(z))m*n的每一个元素aij(z)都是复变量z的函数，且都在z=z0或z的某一个区域内可导，则定义A(z)的导数为

矩阵中的每一个元素都对z求导所形成的矩阵；

性质：1、【A(z)+B(z)】'= A(z)'+B(z)'；和的导数等于导数的和

2、【A(z)B(z)】'=A(z)'B(z)+A(z)B(z)'；前导乘后不导加前不导乘后导  （类比函数求导即可）

3、A(u)=(aij(u))m*n，u=f(z)，则其导数为：（类比符合函数求导）

4、若n阶函数矩阵A(z)可逆，且A(z)及其逆矩阵A^-1(z)都可导

 （集合积的导数即可证明）

类似的我们可以定义函数矩阵对数值变量的积分，对其积分就是对每一个元素的积分

 矩阵函数积分的性质：

 七、常用矩阵函数的性质

1）【e^(At)】' =Ae^(At)=e^(At)A；（可交换）

2）若AB=BA，则(e^At)B=B(e^At)；

3）若AB=BA，则(e^A)(e^B)=(e^B)(e^A)=e^(A+B)；可类比幂函数的乘积

4）若AB=BA，则sin(A+B)=sinAcosB+cosAsinB、cos(A+B)=cosAcosB-sinAsinB

特殊的当A=B时，cos2A=(cosA)^2-(sinA)^2、sin2A=2sinAcosA；

5）(sinA)^2+(cosA)^2=E、sin(A+2πE)=sinA、cos(A+2πE)=cosA、e^(A+i2πE)=e^A；

6）e^(iA)=cosA+isinA、cosA=(1/2)(e^iA+e^-iA)、sinA=(1/2i)(e^iA-e^-iA)、cos(-A)=cosA、sin(-A)=-sinA