距离与范数
本章主要首先介绍距离空间的概念、性质。在此基础上介绍范数以及赋范线性空间、Hilbert空间的概念与性质。并介绍向量空间、矩阵空间上的一些范数,进一步引入矩阵谱半径、条件数的概念以及其相关应用。
§1 范数与赋范空间,内积与向量范数 §2 矩阵范数* §3 矩阵的谱半径、矩阵的条件数及应用#
- 1.范数与赋范空间。从距离概念开始引入范数的概念,进一步引入赋范空间并介绍赋范空间的一些性质。
- 2.Hilbert空间、正交系。本节主要介绍一类特殊的线性赋范空间——Hilbert空间,该空间上范数是有内积诱导的。并介绍Hilbert空间上的标准正交系以及标准正交系下的元素坐标表示。
- 3.向量范数、矩阵范数。本节主要介绍n维向量空间、n维矩阵空间上的一些范数,以及各类范数之间的关系。
- 4.矩阵谱半径。本节主要介绍矩阵谱半径的概念,以及矩阵级数的敛散性与谱半径的关系。
- 5.矩阵条件数。本节主要介绍矩阵条件数的概念,以及矩阵条件数在误差估计中的应用。
距离与距离空间
根据距离去定义极限,完备性
线性空间,范数,赋范线性空间,完备的赋范线性空间空间,Banach空间
向量与矩阵范数,酉矩阵,算子范数,谱范数,相容性
矩阵的谱半径,矩阵序列、矩阵级数,矩阵的条件数
距离和距离空间
抽象数学把集合叫做空间,从一个啥也不是的集合,到有优秀性质的空间,中间还有一些概念需要解决。
从欧几里得距离,抽象出距离的概念,定义了距离的集合就是距离空间。
微积分是高等算术,用来计算各种曲线、曲面,微积分是以极限为基础的,而极限就是在表达两个东西的距离足够近。
因此定义了距离,就可以把微积分里的极限模拟到抽象距离空间里。
有了极限就可以去谈收敛的问题,微分、积分都是在极限存在(收敛)下的一个极限表达式的记号。在集合上一个点列有可能收敛到集合外去,这就引出了空间的完备问题。任意 Cauchy 列在空间内收敛,就称空间完备。
范数
距离是衡量两个元素之间的关系。范数是单个元素的性质。
范数模拟了几何里长度的概念。定义了范数的线性空间称为赋范线性空间。一个线性空间如果定义了范数,那么可以利用范数来简介衡量两个元素的距离。
完备的赋范线性空间空间称为 Banach 空间。
范数有很多种,因此有了范数等价问题。范数等价保证了向量序列的收敛性与范数选取无关。
什么是长度?欧式长度是一个范数。
在讨论范数的时候,就不再谈论抽象空间了。因为选定基后,抽象空间已经同构一个
因此也可以发现,范数的值是和坐标相关的。
向量范数
- 1范数
- 2范数
- ∞范数
- p范数
矩阵范数
向量是个
一些直接定义出来的范数的例子:
范数 范数 范数
F范数的酉不变性
矩阵范数和向量范数的相容性
相容的代数定义:向量
其含义为向量
空间里任一向量变换后的长度都在一个确定的有界范围内。
这个矩阵范数是存在的,并且有
算子范数
如何找出上面这个范数呢?既然是任意向量,那么就找个特殊的
大于左边最大的就行。找个最小的上界,令做一个范数:
这个范数是由向量导出的范数,诱导范数。矩阵也是个算子,更好听的名字:算子范数。
一些算子范数
极大列和范数 谱范数 极大行和范数
任何向量范数都存在相容的矩阵范数。
谱范数
矩阵谱半径
矩阵级数
矩阵的条件数
对于矩阵方程
条件数就是衡量误差(即
举个例子原矩阵方程
衡量解的相对误差:
对于求矩阵的
里面的