1、A=0;8. A B(即A B 0),则 tr(A)tr(B) ,且等号成立的充要条件是 A=B( ABi (A)i (B) );9.对于 n 阶方阵 A,若存在正整数 k,使得 Ak=0,则 tr(A)=0 (从 Schur 定理或 Jordan 标准形证明)。若干基本不等式对于两个 mn 复矩阵 A 和 B,tr(A H B)是 m维酉空间上的内积,也就是将它们按列依次排成的两个 mn 维列向量的内积,利用 Cauchy-schwarz不等式x,y2 x,xy,y得定理:对任意两个 mn 复矩阵 A 和 B|tr(AH2B)B)| tr(A A)tr(B这里等号成立的充要条件是 A=cB,
2、c 为一常数。特别当 A 和 B 为实对称阵或 Hermit 矩阵时0|tr(AB)| tr(A 2 ) tr(B 2 )设 A 和 B 为两个 n 阶 Hermite 阵,且 A0,B0,则0 tr(AB) 1(B)tr(A) tr(A) tr(B)1(B)表示 B 的最大特征值。证明:tr(AB)= tr(A 1/2BA1/2) 0,又因为A1/2 1(B)I-BA 1/20,所以 1(B)tr(A) A1/2BA1/2,得tr(AB)= tr(A 1/2BA1/2) tr( 1(B) A)=1(B) tr(A) tr(A) tr(B)推论:设 A 为 Hermite 矩阵,且 A0,则t
3、r(A)tr(A -1)n另外,关于矩阵的迹的不等式还有很多,请参考矩阵论中不等式。三、矩阵的秩矩阵的秩的概念是由 Sylvester于 1861 年引进的。它是矩阵的最重要的数字特征之一。下面讨论有关矩阵秩的一些性质和不等式。矩阵 A 的秩定义为它的行(或列)向量的最大无关组所包含的向量的个数。记为 rank(A)1.rank(AB) min(rank(A),rank(B) ;2. rank(A B) rank(A,B) rank(A) rank(B) ;3.rank(AA H ) rank(A H ) rank(A) ;4. rank(A) rank(XA) rank(AY) rank(X
4、AY) ,其中 X 列满秩, Y 行满秩(消去法则) 。定理(Sylvester):设 A 和 B 分别为 mn 和 nl矩阵,则rank(A) rank(B) n rank(AB)m i n ( r a n k ( A ) , r aSylveste定理是关于两个矩阵乘积的秩的不等式。其等号成立的充要条件请参考王松桂编写的矩阵论中不等式,三个矩阵乘积的秩的不等式也一并参考上述文献。四、相对特征根设 A 和 B 均为 P 阶实对称阵, B0,方程|A-B|=0 的根称为 A 相对于 B 的特征根 。 |A-B|=0 等价于 |B-1/2AB-1/2-I|=0(因为 B0,所以 B1/20)注:
5、求 A 相对于 B 的特征根问题转化为求 B-1/2AB-1/2 的特征根问题或 AB-1 的特征根。因 B-1/2AB-1/2 是实对称阵,所以特征根为实数。使 (A- iB)li=0 的非零向量 li 称为对应于 i的 A 相对于 B 的特征向量 。 设 l 是相对于 的 A B-1 的特征向量,则-1 -1 -1A B l=l 或 A (B l)=B( B l)-1B l 为对应 的 A 相对于 B 的特征向量(转化为求 A B-1 的特征向量问题) 。 设 l 是相对于 的 B-1/2AB-1/2 的特征向量,则B-1/2AB-1/2l=l可得A(B-1/2l)=B(B-1/2l)则
6、B-1/2l 为对应 的 A 相对于 B 的特征向量(转化为求 B-1/2AB-1/2 对称阵的特征向量问题) 。五、向量范数与矩阵范数向量与矩阵的范数是描述向量和矩阵“大小”的一种度量。先讨论向量范数。1.向量范数定义 :设 V 为数域 F 上的线性空间,若对于 V 的任一向量 x,对应一个实值函数 x ,并满足以下三个条件:( 1)非负性 x 0 ,等号当且仅当 x=0 时成立;( )齐次性xx ,k,x V;( 3)三角不等式 x yxy ,x, y V 。则称 x 为 V 中向量 x 的范数,简称为 向量范数 。定义了范数的线性空间定义称为 赋范线性空间 。例 1. xC n ,它可表
7、示成 x12T , iC ,1x 2就是一种范数,称为欧氏范数 或 2-范数。i( i)非负性0 ,当且仅当 i0 i1,2,n时,即 x0 时, x2 0(ii)齐次性(iii)三角不等式yTC, iy 22Re i i2 i2 x根据 H?lder 不等式:pq1, 1ai biaipbiq, p,q1,a i ,b i 02. 常用的向量范数(设向量为 x 1 2T )1-范数: x 1;-范数: xmaxi ;1 i nP-范数:2-范数:i(p1, p=1, 2, , , );xH x2 ;椭圆范数 (2-范数的推广 ):x AxH Ax 2 ,A 为 Hermite 正定阵 .加权
8、范数: x wwi i,当 A W diag w1 w2 w n , w i 0 x p 显然满足非负性和齐次性(iii) yx p,y p,x y pp 1y p应用 H?lder 不等式p 1 q1 q即3.向量范数的等价性定理 设 、 为 Cn 的两种向量范数,则必定存在正数 m、M ,使得 m x x M x ,(m、M 与 x无关),称此为向量范数的等价性。同时有Mm(1)对某一向量 X 而言,如果它的某一种范数小(或大),那么它的其它范数也小(或大) 。(2)不同的向量范数可能大小不同, 但在考虑向量序列的收敛性问题时,却表现出明显的一致性。4、矩阵范数向量范数的概念推广到矩阵情况
9、。因为一个 mn 阶矩阵可以看成一个 mn 维向量,所以 Cm n 中任何一种向量范数都可以认为是 m n 阶矩阵的矩阵范数。1.矩阵范数定义 :设 Cm n 表示数域 C 上全体 m n阶矩阵的集合。若对于 C m n 中任一矩阵 A,均对应一个实值函数 A ,并满足以下四个条件:(1)非负性: A0 ,等号当且仅当 A=0 时成立;(2)齐次性:A ,C;(3)三角不等式:A BA B ,A,B Cm n ,则称A为广义矩阵范数;(4)相容性: AB A B ,则称 A 为矩阵范数。5.常用的矩阵范数(1)Frobenius范数( F-范数)F-范数:=A) =A Faijtrace(Ai
10、, ji, j 1矩阵和向量之间常以乘积的形式出现,因而需要考虑矩阵范数与向量范数的协调性。如果矩阵范数 A 和向量范数 x 满足Ax A x则称这两种范数是相容的。给一种向量范数后,我们总可以找到一个矩阵范数与之相容。(2)诱导范数设 ACm n,xCn, x 为 x 的某种向量范数,记Amax Axx1则 A 是矩阵 A 的且与 x 相容的矩阵范数, 也称之为A 的诱导范数 或算子范数。(3)p-范数: A p maxAx p ,Aaij m n ,x 为所有可能的向量, x2nT ,x p , Ax p1 A xmax Axx p 1A 11 , x 1i 1 , Ax 1aij jx
11、1 1j 1可以证明下列矩阵范数都是诱导范数:(1) A列(和)范数;1 j n(2)A2i (A H A)谱范数;1 iA H A 的最大特征值称为 A H A 的谱半径。当 A 是 Hermite 矩阵时, Amax i (A)是A的谱半径。谱范数有许多良好的性质,因而经常用到。A HA2; AHA2A 2(3)(Amax行(和)范数1 i mi , x定理 矩阵 A 的任意一种范数 A 是 A 的元素的连续函数;矩阵 A 的任意两种范数是等价的。定理 设 A Cn n,xCn, 则 A F 和 x 2 是相容的Ax 2 A由于 Ax 2 A 2 xFx 22 A F x 2 成立。 n,
12、则 A F 是酉不变的, 即对于任意酉矩阵 U,V Cnn,有AF UAV FUAV F tr(UAV) H (UAV)trV H A H U H UAV trV H A H AVtrA H AVV H tr(A H A)定义 设 A Cn n,A 的所有不同特征值组成的集合称为 A 的谱;特征值的模的最大值称为A 的谱半径,记为 (A) 。定理 (A)不大于 A 的任何一种诱导范数,即(A) A设 是 A 的任意特征值, x 是相应的特征向量,即Ax=x则|x|= |Ax|A|x|, |x| 0| |A|试证:设 A 是 n 阶方阵,|A|是诱导范数,当|A|1时, I-A 可逆,且有|(I
13、-A) -1| -|A|)(1-1若 I-A 不可逆,则齐次线性方程组(I-A)x=0有非零解 x,即 x=Ax,因而有|x|=|Ax| |x|x|A但这是不可能的,故 I-A 可逆。于是 (I-A) -1= (I-A)+A (I-A) -1=I+A (I-A) -1 因此 |(I-A) -1| |I|+|A(I-A) -1|=1+|A(I-A) -1|1+|A| (I-A) -1|即证补充证明 |I|=1:由相容性可知:|A|A-1| |A A-1|=|I|x Ix I x I 1对于诱导范数 ( A max Ax )x 1I max Ix 1。六、条件数条件数对研究方程的性态起着重要的作用
14、。设矩阵 A 是可逆方阵,称 |A| |A-1|为矩阵 A 的条件数,记为 cond(A),即 cond(A)= |A|A-1|( 1)cond(A) 1,并且 A 的条件数与所取的诱导范数的类型有关。因 cond(A)= |A|A |A A|=|I|=1( 2)cond(kA)= cond(A)=cond(A-1),这里 k 为任意非零常数。当选用不用的范数时,就得到不同的条件数,如:cond1(A)= |A|1|A-1|1cond (A)= |A| |A-1|cond2(A)= |A|2|A-1|2= 1 ,其中 1 , n 分别为 AHA 的特征值的模的最大值和最小值。 谱条件数特别地,
15、如果 A 为可逆的 Hermite 矩阵,则有cond2(A)=这里 1 , n 分别为 A 的特征值的模的最大值和最小值。如果 A 为酉阵,则 cond2(A)= 1例 求矩阵 A 的条件数 cond1(A),cond(A)1 5 2A 2 1 03 8 2解:|A|1=max6;14;4=14;|A| =max8;3;13=14;648132311故|A-1|1=17/4;|A-1|=47/4;cond1(A)= |A|1|A-1|1=1417/4=259/2;cond (A)= |A| |A-1| =611/4。例 设线性方程组 Ax=b 的系数矩阵 A 可逆。讨论当 b 有误差 b时,解的相对误差 x 的大小。因矩阵 A 可逆,所以 Ax=b 有唯一解 x=A-1b,设解的误差为 x,由A(x+x)=b+bAx=b或 x=A-1
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1