第四章 矩阵范数理论及其应用知识要点：1、向量范数及其性质（范数与赋范空间，n 维向量的1-范数1x 、2-范数2x 、p -范数px 和∞范数x∞，pp lim xx ∞→∞=，aP a xPx =，2H H PxPx x P Px ==，有限维赋范空间的范数是等价的）2、矩阵范数及其相容性（Frobenius 范数，FEn =，相容性：AB A B ≤，1E ≥）3、算子范数（定义，列范数，行范数，谱范数）4、矩阵范数的应用（矩阵序列及幂级数的收敛性，矩阵条件数，摄动理论、矩阵的谱半径）§4.1 向量范数及其性质一、范数与赋范线性空间定义1：如果线性空间V 中的任一向量x ，都对应—个实值函数()f x （记为x ），并满足以下三个条件（称为范数公理）：(1)非负性：0x ≠时, x ＞0；0x =时, x =0。
(2)齐次性：ax =a x ,a K ∈，x V ∈。
(3)三角不等式：x y +≤x +y ，,x y V ∈。
则称x 为V 上向量x 的范数（norm ），V 称为赋范线性空间（normed linear space ）。
易证x y -满足距离公理，称之为x 与y 的范数诱导的距离。
若0n x x -→，则称nx 收敛于x ，记为n x x →。
例1：对于连续函数空间[,]C a b 中的向量()f x ，可如下定义范数为：1()()baf t f t dt =⎰，()max ()a t bf t f t ∞≤≤=，1()()bpppa f t f t dt ⎡⎤=⎢⎥⎣⎦⎰，1p ≤<∞。
分别称之为1-范数，∞-范数，p -范数。
注：需要用到数学专业的一些函数不等式，才能证明上述范数的正确性。
性质1：对于赋范线性空间V 上任意的x ，定义实函数()f x x =，则()f x 为V 上的连续函数，即0x x →时，0()()f x f x →，其中0x V ∈。
证明：由000()()f x f x x x x x -=-≤-可知，0x x →时，0()()f x f x →。
因此，()f x 为V 上的连续函数。
性质2：设P 为n 阶可逆矩阵，对于n 维向量n x C ∈，1x 为n C 中的一个范数，令21x Px =，则2x 也为n C 中x 的范数。
证明：(1)非负性：0x ≠时，0Px ≠，210x Px =>；0x =时, 2100x ==。
(2)齐次性：2112()axa Px a Px a x ===，a K ∈，x V ∈。
(3)三角不等式：211122x yPx Py Px Py x y +=+≤+=+，,x y V ∈。
因此，2x 为nC 中x 的范数。
注：内积空间是赋范线性空间，但赋范线性空间不一定构成内积空间。
二、n 维向量的p -范数(1)p ≤≤∞定义2：对于n 维向量12(,,,)T n n x C ξξξ=∈，11ni i x ξ==∑，称为x 的1-范数，记为1x ，由此诱导出的距离称为街区距离。
12221()ni i x ξ==∑，称为x 的2-范数，记为2x ，由此诱导出的距离称为欧氏距离。
1i i nxmax ξ∞≤≤=，称为x 的∞-范数，记为x ∞，由此诱导出的距离称为棋盘距离（也称契比雪夫距离）。
11()npp i pi xξ==∑，称为x 的p -范数，记为p x 。
2H H PxPx x P Px ==，称之为加权范数或椭圆范数，其中P 为可逆矩阵。
定理1：对于n 维向量nx C ∈，pp lim xx ∞→∞=。
注：几何意义上，向量PQ 的2-范数、 ∞-范数和1-范数分别是斜边PQ 长度、直角边PR 长度以及两直角边PR 和RQ 的长度之和。
三、范数的等价性定义3：对任意x V ∈，满足不等式12C xxC x βαβ≤≤的两种范数称为是等价的。
定理2：对于n 维向量nx C ∈，总成立着212xx n x ≤≤，2x x n x ∞∞≤≤，1xx n x ∞∞≤≤，ppxxn x ∞∞≤≤。
定理3：设12,,,n ααα是n 维赋范线性空间E 的一组基，则存在正数,A B ，使得对一切1nk k k x E ξα==∈∑，成立着1221nk k A x B x ξ=⎛⎫≤≤ ⎪⎝⎭∑。
证明：10nk k k x ξα==≠∑时，令21nkk xy ξ==∑，12(,,,)n f y ξξξ=，则12(,,,)n f ξξξ是有界闭集超球面211nk k ξ==∑上连续函数，从而必能取到最小值m 和最大值M ，且显然0m >。
取11,A B M m==，即可证得定理的结论。
结论1：有限维赋范空间的范数是等价的，即对于n 维赋范线性空间E 中的范数a b x x ，，存在正数,A B ，使得对一切x E ∈，成立着ab a A xx B x ≤≤。
推论：范数a b x x ，等价时，0n an lim x →∞=等价于0nbn lim x →∞=。
注：在nC 中，各种p -范数均是等价的，从而对于不同的问题可灵活选用适当的范数。
结论2：n 维赋范线性空间必与n 维向量空间nP 同构并且同胚。
设12,,,n ααα是n 维赋范线性空间E 的一组基，对任何1nk k k x E ξα==∈∑，令()12,,,n Tx ξξξ=，则T 为E 到n P 上的同构映射，并且由A x Tx B x ≤≤可知，T 与1T -均为连续映射，从而E 与n P 是同胚的。
结论3：n 维向量序列{}12(,,,)k kk T n k n x C ξξξ=∈收敛于向量12(,,,)T n n x C ξξξ=∈的充分必要条件为,1,2,,ki i k lim i n ξξ→∞==，即按坐标收敛。
§4.2 矩阵范数及其相容性一、常见的矩阵范数定义1：设n nA C ⨯∈，称11222,1[()]()nHij i j tr A A a ==∑为A 的Frobenius 范数或F -范数，记为FA。
性质1：FA 满足范数公理构成n nC ⨯中范数，并且1FEn =≥。
定理（F -范数的酉不变性）：设n nA C ⨯∈中范数，且,n nP Q C⨯∈都是酉矩阵，则FFF PAAQA ==，即给A 左乘或右乘以酉矩阵后其F值不变(在n nA R ⨯∈时P 和Q 都是正交矩阵)。
证明：1122[()][()]H HHFF PAtr A P PA tr A A A ===。
由11222,1()[()]nH Hij FFi j A a tr AA A ====∑及H Q 也为酉矩阵可得，()HH HHFF FF FAQAQ Q A A A ====。
推论：酉(或正交)相似变换下矩阵的F -范数保持不变。
定义2：设n nA C ⨯∈，称1,1nijM i j Aa==∑为1M -范数，1,ij M i j n An max a ∞≤≤=为M ∞-范数。
性质2：1,M M AA∞满足范数公理构成n n C ⨯中范数，并且11M E n =≥，1M En ∞=≥。
二、矩阵范数的相容性定义3：满足条件AB A B ≤的矩阵范数称为具有相容性。
注：工程应用中的矩阵范数常要求满足非负性、齐次性、三角不等式和相容性，因此下文中矩阵范数总假定具有相容性。
性质3：满足相容性的矩阵范数必有1E ≥。
性质4：若A 可逆，则11A A -≥。
例1：Frobenius 范数FA 具有相容性。
例2：1M -范数1M A和M ∞-范数M A ∞具有相容性，但范数1,ij i j nA max a ≤≤=不具有相容性。
三、矩阵范数与向量范数的相容性定义4：若VMV Ax Ax ≤，则称矩阵范数M A 与向量范数V x 具有相容性。
注1：0Vx→时，0V Ax →，即V Ax 是x 的连续函数或Ax 是V 上线性连续算子。
注2：当0x ≠时，()V MVVVAx xA Ax x =≤，从而0V Mx VAx maxAx ≠≤。
例3：22FAxAx ≤。
注：视矩阵为线性变换时，通常要求线性变换是连续即有界的，因此自然有了相容性（包括范数的相容性）要求。
§4.3 矩阵的算子范数一、算子范数的概念定义：0V T x VAx A maxx ≠=。
注：一般算子范数的求解步骤：1、VV AxK x ≤；2、0=1Vx ，0=VAx K 。
二、算子范数的性质性质1：VT V Ax A x ≤。
性质2：TT T ABA B ≤。
性质3：1V T VM x A max Ax A ==≤（假设M A 与V x 具有相容性）。
性质4：1TE=。
三、常见的算子范数1、列范数：11nii x a==∑，111nijj ni A maxa≤≤==∑。
设()n nij A a C⨯=∈，12(,,,)T n n x C ξξξ=∈，令12(,,,)T n Ax y ηηη==，其中1ni i j j j a ηξ==∑，1,2,,i n =。
1111111()n n n n ni ij j ij j i i j i j Ax y a a ηξξ========≤∑∑∑∑∑1111111()()n n nnnij j jijij j nj i j i i a ax max a ξξ≤≤=======≤∑∑∑∑∑。
令11nijj ni M maxa≤≤==∑，则11Ax M x ≤，从而1A M ≤。
不妨设01nij i M a==∑，01j n ≤≤。
取00(0,,0,1,0,,0)j T x =，则011x =，并且0011nij i Ax a M ===∑，因而1A M ≥。
由此可得，111nij j ni A max a ≤≤==∑。
2、行范数：{}1i i nxmax a ∞≤≤=，11nij i nj A max a ∞≤≤==∑。
设()n nij A a C⨯=∈，12(,,,)T n n x C ξξξ=∈，令12(,,,)T n Ax y ηηη==，其中1ni i j j j a ηξ==∑，1,2,,i n =。
1111111()n n ni ij j ij j ij i ni ni ni nj j j Axymax max a max a x max a ηξξ∞∞∞≤≤≤≤≤≤≤≤======≤≤∑∑∑。
令11niji nj M maxa≤≤==∑，则AxM x ∞∞≤，从而AM ∞≤。
不妨设010ni jj M a==>∑，01i n ≤≤。
取000012(,,,)Ti i i n x signa signa signa =，则1x ∞=，并且0000111nnij i j i ji j i nj j Ax max a signa asigna M ∞≤≤===≥=∑∑，因而AM ∞≥。
