矩陣範數(martix norm) --維基百科
矩陣範數(martix norm)是數學上向量範數對矩陣的一個自然推廣。
[編輯]矩陣範數的特性
以下K代表實數或複數域。現在考慮空間,亦即所有m行與n列的矩陣。
上的矩陣範數滿足向量範數的所有特性,即若是矩陣A的範數,那麼:
- ,且等號成立當且僅當A= 0。
- ,對於所有α屬於K和所有矩陣A屬於成立。
- ,對於所有矩陣A和B屬於
此外,一些定義在n乘n矩陣上的矩陣範數(但並非所有這類的範數)滿足一個或多個以下與“矩陣比純粹一個向量有更多東西的事實”有關的條件:
一個滿足第一個附加特性的矩陣範數被稱為服從乘法範數(sub-multiplicative norm
(在一些書上,術語“矩陣範數”只指服從乘法範數。)
[編輯]誘導範數
如果Km及Kn上向量範數已知(K是實數或複數域),可在矩陣空間上按照下述原則定義相應的“誘導範數”或運算元範數:
若m=n且在定義域和值域上使用相同的範數,則誘導的運算元範數是服從乘矩陣範數。
舉例說明, 與向量的p-範數對應的運算元範數是:
在p= 1且的情況下,其範數可以以下方式計算:
這些與矩陣的 Schattenp-範數不同, 也可以用來表示。
若滿足p= 2(歐幾里德範數)且m=n(方陣)此兩特殊情況時,誘導的矩陣範數就是“譜範數”。矩陣A
其中A*代表A的共軛轉置。
任何矩陣範數滿足此不等式
其中 ρ(A) 是A的譜半徑。事實上,可以證明 ρ(A) 是A的所有誘導範數的下界。
此外,我們有
[編輯]矩陣元範數
這些向量範數將矩陣視為向量,並使用類似的向量範數。
舉例說明,使用向量的p-範數,我們得到:
注:不要把矩陣元 p-範數與誘導 p-範數混淆。
[編輯]弗羅貝尼烏斯範數
對p= 2,這稱為弗羅貝尼烏斯範數(Frobenius norm)或( Hilbert–Schmidt norm),不過後面這個術語通常只用於希爾伯特空間。這個範數可用不同的方式定義:
這裡A*表示A的共軛轉置,σi是A的奇異值,並使用了跡函式。弗羅貝尼烏斯範數與Kn上歐幾里得範數非常類似,來自所有矩陣的空間上一個內積。
弗羅貝尼烏斯範數是服從乘法的且在數值線性代數中非常有用。這個範數通常比誘導範數容易計算。
[編輯]極大範數
極大範數是p=∞ 的元素範數,
這個範數不服從乘法。
[編輯]Schatten 範數
Schaten 範數出現於當 p-範數應用於一個矩陣的奇異值向量時。如果奇異值記做σi, 則 Schattenp-範數定義為
這個範數與誘導、元素p-範數使用了同樣的記號,但它們是不同的。
所有 Schatten 範數服從乘法。它們也都是酉不變的,這就是說 ||A|| = ||UAV|| 對所有矩陣A與所有酉矩陣U和V。
最常見的情形是p= 1, 2, ∞。p= 2 得出弗羅貝尼烏斯範數,前面已經介紹過了。p= ∞ 得出譜範數,這是由向量 2-範數誘導的矩陣範數(見下)。最後,p= 1 得出跡範數,定義為
[編輯]一致範數
一個上矩陣範數稱為與Kn上向量範數以及Km上向量範數一致,如果
對所有。根據定義,所有誘導範數是一致範數。
[編輯]範數的等價
對任何兩個向量範數 ||·||αand ||·||β,我們有
對某個正數r與s,中所有矩陣A成立。換句話說,它們是等價的範數;它們在上誘導了相同的拓撲。
此外,當,則對任何向量範數 ||·||,存在惟一一個正數k使得k||A|| 是一個(服從乘法)矩陣範數。
一個矩陣範數 ||·||α稱為“極小的”,如果不存在其它矩陣範數 ||·||β滿足 ||·||β≤||·||α。
[編輯]範數等價的例子
這裡,||·||p表示由向量p-範數誘導的矩陣範數。
向量範數之間另一個有用的不等式是
[編輯]參考資料
- ^Golub, Gene; Van Loan, Charles F., Matrix Computations. 3rd, Baltimore: The Johns Hopkins University Press. 1996: 56-57,ISBN 0-8018-5413-X
- ^Horn, =Roger; Johnson, Charles, Matrix Analysis, Cambridge University Press. 1985,ISBN 0-521-38632-2