1. 向量範數
向量範數: ∀x∈V,若非負實數∣∣x∣∣滿足
(1) 正定性:∣∣x∣∣≥0,且∣∣x∣∣=0⟺x=0
(2) 齊次性:∣∣ax∣∣=∣a∣ ∣∣x∣∣,a∈F
(3) 三角不等式:∀x,y∈V,都有∣∣x+y∣∣≤∣∣x∣∣+∣∣y∣∣
則稱||x||爲向量x的範數,[V;∣∣.∣∣]爲賦範空間
1-範數: ∣∣x∣∣1=Σi∣xi∣
2-範數(向量長度,由內積所誘導的範數): ∣∣x∣∣2=(x,x)=xHx=Σi∣xi∣2
∞-範數: ∣∣x∣∣∞=max∣xi∣
p-範數: ∀p∈(1, +∞),∣∣x∣∣p=pΣi∣xi∣p,∀x∈Cn
例如:
若x=(1, i, 1+i)T,有
∣∣x∣∣1=1+∣i∣+∣1+i∣=1+1+2=2+2
∣∣x∣∣2=12+∣i∣2+∣1+i∣2=1+1+22=2
∣∣x∣∣∞=max{1, 1, 2}=2
向量範數的連續性: α1, ⋯, αn爲Cn的任一組基,∣∣.∣∣爲Cn上任一向量範數,∀x∈Cn,有x=Σi xi αi,xi∈Cn,則f(x1, ⋯, xn)=∣∣x∣∣爲x1, ⋯, xn的連續函數
向量範數的等價性: ∣∣x∣∣(1)與∣∣x∣∣(2)是線性空間V上定義的兩種向量範數,
若∃c1,c2>0,使c1∣∣x∣∣(2)≤∣∣x∣∣(1)≤c2∣∣x∣∣(2),∀x∈V,則稱這兩個範數等價
有限維線性空間的任意兩種向量範數都是等價的
在無限維線性空間中,兩個向量範數是可以不等價的
2. 矩陣範數
矩陣範數: ∀A∈Fn×n,對應一個非負實數||A||滿足
(1) 正定性:∣∣A∣∣≥0,且∣∣A∣∣=0⟺A=0
(2) 齊次性:∣∣aA∣∣=∣a∣ ∣∣A∣∣,a∈F
(3) 三角不等式:∀A,B∈Fn×n,都有∣∣A+B∣∣≤∣∣A∣∣+∣∣B∣∣
(4) 相容性:∀A,B∈Fn×n,都有∣∣AB∣∣≤∣∣A∣∣ ∣∣B∣∣
則稱||A||爲矩陣A的範數
F(Frobenius)-範數: ∣∣A∣∣F=ΣiΣj∣aij∣2)=tr(AHA)=Σiσi2
例如:
A=(aij)∈Cn×n,∣∣A∣∣F=ΣiΣj∣aij∣2,則
(1)∣∣A∣∣F=∣∣AH∣∣F
(2)∣∣UA∣∣F=∣∣AV∣∣F=∣∣UAV∣∣F=∣∣A∣∣F,其中U,V是酉矩陣
(3)tr(AHA)=ΣiΣj∣aij∣2
例如:
A=⎝⎛00−13i−11102⎠⎞,AHA=⎝⎛1−1−2−1112+3i22−3i5⎠⎞
∣∣A∣∣F=9+1+1+1+1+4=tr(AHA)=1+11+5=17
相容範數: ∣∣Ax∣∣≤∣∣A∣∣.∣∣x∣∣,其中||x||是向量範數,||A||是矩陣範數
誘導範數: ∣∣A∣∣=max{∣∣x∣∣∣∣Ax∣∣},其中||x||是向量範數且x=0,稱||A||爲由向量範數||x||所誘導的誘導範數
矩陣p-範數: 由∣∣x∣∣p所誘導的矩陣範數。常用的p-範數爲∣∣A∣∣1,∣∣A∣∣2與∣∣A∣∣∞
列和範數: ∣∣A∣∣1=max(Σi=1n∣aij∣),np.max(np.sum(abs(arr), axis=1, keepdims=True), axis=0)
行和範數: ∣∣A∣∣∞=max(Σj=1n∣aij∣),np.max(np.sum(abs(arr), axis=0, keepdims=True), axis=1)
譜範數: ∣∣A∣∣2=λ1,λ1是AHA的最大特徵值
例如:
3. 向量序列與矩陣序列的極限
3.1 向量序列的極限
x(k)=(x1(k)⋯xn(k))T,k=1,2,⋯是Cn空間的一個向量序列,如果當k→+∞時,它的n個分量數列都收斂,即limk→∞xi(k)=ai,i=1,2,⋯,n,則稱向量序列{x(k)}是按分量收斂的。向量α=(α1⋯αn)T是它的極限,記爲limk→∞x(k)=α或x(k)→α
當至少有一個分量數列是發散的,則稱向量序列是發散的。
例如
x(k)∈Cn,α∈Cn,則limk→∞x(k)=α⟺limk→∞∣∣x(k)−α∣∣=0,其中∣∣.∣∣爲Cn中任一範數
3.2 矩陣序列的極限
矩陣序列{A(k)},A(k)=(aij(k))∈Cn×n,若limk→∞aij(k)=aij,i,j=1,⋯,n,
則稱矩陣序列{A(k)}收斂,A=(aij(k))稱爲{A(k)}的極限,記爲limk→∞A(k)=A或A(k)=A,k→∞
例如:
A(k)=⎝⎛((1+k1)k−11+k1k(−1)k⎠⎞⟶A=⎝⎛e−110⎠⎞
{A(k)}∈Cn×n,∣∣A∣∣∈Cn×n,則limk→∞A(k)=∣∣A∣∣⟺limk→∞∣∣A(k)−A∣∣=0,其中∣∣.∣∣爲Cn中任一範數
4. 矩陣冪級數
譜半徑: ρ(A)=max(∣λi∣),λi∈{λ1, λ2, ⋯, λn},{λ1, λ2, ⋯, λn}矩陣A∈Cn×n的全部特徵值
ρ(Ak)=(ρ(A))k
Ak→0(k→∞)⟺ρ(A)<1
A∈Cn×n,∀矩陣範數∣∣A∣∣∈Cn×n,都有ρ(A)≤∣∣A∣∣。即A的譜半徑是A的任意一種矩陣範數的下界。
A∈Cn×n,∀ϵ>0,存在某種矩陣範數∣∣A∣∣∗,使∣∣A∣∣∗≤ρ(A)+ϵ。即A的譜半徑是A的所有矩陣範數的下確界
證明:
矩陣冪級數: Σk=0∞akAk=a0I+a1A+⋯+akAk+⋯,其中A∈Cn×n,ak∈C
矩陣冪級數的部分和: Sn(A)=Σk=0nakAk
若{Sn(A)}收斂,則稱Σk=0∞akAk收斂,否則發散
若limn→∞Sn(A)=S,則稱S爲Σk=0∞akAk的和矩陣
收斂性判別: 若復變量z的冪級數Σk=0∞akzk的收斂半徑爲R,R=limn→∞an+1an,而方陣A∈Cn×n的譜半徑爲ρ(A),則
(1) ρ(A)<R,則Σk=0∞akAk收斂
(2) ρ(A)>R,則Σk=0∞akAk發散
(3) ρ(A)=R,則Σk=0∞akAk收斂性不定
例如: