线性变换的收敛性

我们现在回到收敛问题的讨论。序列 ( A n ) 的线性变换收敛到一个固定的线性变换 A ,有三种显然的意义可以尝试定义。对于每个固定的对于每个固定的 

如果 (i) 成立,那么对于每个 x 因此 (i) (ii)。我们已经看到(章节:向量的收敛 )(ii) (iii),并且在有限维空间中 (iii) (ii)。甚至在有限维空间中 (ii) (i) 也是成立的,因此所有三个条件都是等价的。为了证明这一点,设 { x 1 , , x N } 𝒱 中的一个标准正交基。如果假设 (ii) 成立,那么对于每个 ϵ > 0 ,我们可以找到一个 n 0 = n 0 ( ϵ ) 使得 A n x i A x i < ϵ n n 0 以及 i = 1 , , N 成立。由此推出,对于任意的 x = i ( x , x i ) x i 我们有 这就蕴含 (i)。

同样容易证明,如果使用范数为变换定义距离,那么所得的度量空间是完备的,也就是说,如果 A n A m 0 n , m ,那么存在一个 A 使得 A n A 0 。这一事实的证明可以归结为向量的相应事实。如果 A n A m 0 ,那么对于每个 x A n x A m x 0 ,因此我们可以为 x 找到一个对应的向量,记为 A x ,使得 A n x A x 0 。显然,从 x A x 的对应关系由一个线性变换 A 给出;上面证明的蕴含关系 (ii) (i) 完成了证明。

既然我们知道了线性变换收敛的含义,我们就有必要考察这些变换的一些简单函数以验证它们的连续性。我们断言 A A x ( A x , y ) A x A + B α A A B A 全都是它们所有变量的同时连续的函数。(请注意,前三个是数值函数,下一个是向量值函数,后四个是变换值函数。)这些陈述的证明都非常简单,并且彼此相似;为了说明这些思想,我们讨论 A A x A

  1. 如果 A n A ,即 A n A 0 ,那么由于关系式 A n A n A + A , A A A n + A n 蕴含 | A n A | A n A , 我们看到 A n A
  2. 如果 A n A x n x ,那么 A n x n A x A n x n A x n + A x n A x 0 , 因此 A n x n A x
  3. 如果 A n A ,那么对于每个 x y 从而 A n A

练习

练习 1. 线性变换序列 ( A n ) 收敛到一个线性变换 A ,当且仅当,对于每一个坐标系, A n 的矩阵中的每一个元素,当 n 时,都收敛到 A 的矩阵中的对应元素。

练习 2. 对于每一个线性变换 A ,存在一个由可逆线性变换组成的序列 ( A n ) ,使得 A n A

练习 3. 如果 E F 是垂直投影,那么 ( E F E ) n n 时收敛到投影,该投影的值域是 E F 的值域的交集。

练习 4. 如果 A 是有限维酉空间上的线性变换,那么 A n 0 的一个必要且充分的条件是, A 的所有特征值(严格地)的绝对值都小于 1

练习 5. 证明如果 A n n 矩阵 那么 A k k 时收敛到一个投影,该投影的值域是一维的;找出该值域。

练习 6. 证明 det tr 是连续的。