1.7 向量和矩阵范数(Vector and Matrix Norms)
内容提要:
具体内容
定义 1.3 设 是一个实(复)线性空间 (或 )。 这个空间是赋范的,若存在一个函数 : ,它满足下列关系:
- ,且 当且仅当 (正定性);
- ,对一切的实(或复)标量 成立( 齐次性);
- (三角形不等式)
则称此函数为范数。
例 1.4 最常用的范数是
称之为 p-范数。
称之为 范数或无穷范数.
此外,若 是任意的范数而 是任意的非奇异矩阵,则 也是一 个范数.
例 设有向量 , 向量 是 是近似, 且它们的分量单位都是米,则 是一个好的近似, 因为相对误差:
而
是一个不好的近似,因为
但是假定第一个分量用千米而不是米来度量,则在这个范数下 和 比较接近.
且
为了比较 和 ,应该使用
达到单位相同或者使重要的误差获得同样大的范数.
定义 1.4 设 是一个实(复)线性空间. 是一个内积,如果它适合下面所有条件:
1) ;
2) ;
3) ,对一切的实(或复)标量 ;
4) ,当且仅当 时等号成立.
例 1.5 在 上,,而在 上, 是内积.
注意: 是 的共轭转置.
定义 1.5 若
则称 和 是正交的.
内积最重要的性质是它满足柯西-施瓦茨不等式.
引理 1.1 柯西-施瓦茨不等式:
引理 1.2 是一个范数.
内积和对称(埃尔米特)正定阵之间存在一个如下定义的 1-1 对应,这些矩阵在应用中经常遇到.
定义 1.6 若对一切的
有
成立,
则称实对称(复埃尔米特) 阵 是正定的.简写对称正定为 ,埃尔米特 .
引理 1.3 设 , 为一个内积,则存在一个 阶 ( )阵 使得
反之,若 是 ( ), 则 是一个内积.
引理 1.4 设 和 是 上的两个范数,存在常数 使 得对一切的 ,
我们也称范数 和 关于常数 和 等价.
引理 1.5
定义 1.7 是关于 阶矩阵的一个矩阵范数,如果它是 维空间上的一个向量范数:
1) ;
2) ;
3) .
例 1.6
称为最大范数,而
称为弗罗贝尼乌斯()范数.
定义 1.8 设 是关于 阶矩阵的一个矩阵 范数, 是关于 阶矩阵的一个矩阵范数,而 是关于 阶矩阵的一个矩阵范数.
如果
其中 是 阶矩阵, 是 阶矩阵,则这些范数称为相互相容的.
定义 1.9 设 是 阶矩阵, 是 上的一个向量范数, 是 上的一个向量范数,则
称为一个算子范数,或导出范数,或从属矩阵范数.
引理 1.6 算子范数是一个矩阵范数.
定义 1.10 若
称实方阵 是正交阵,若
则称实方阵 是酉阵.
正交(或酉阵)的所有行(或列)有单位 2- 范数,并且因为
所以它们彼此是正交的.
引理 1.7
对一个向量范数及其对应的算子范数,或向量 2- 范数和矩阵弗罗贝尼乌斯范数成立.
2.
对任何算子算数或弗罗贝尼乌斯范数成立. 换言之, 任何算子范数(或弗罗贝尼乌斯范数)和它本身是相互相容的.
3.最大范数和弗罗贝尼乌斯范数不是算子范数.
4.
当 和 是正交阵或酉阵时,对弗罗贝尼乌斯范数及由 导出的算子范数成立. 而这实际上正好是毕达哥拉斯定理.
5.最大的绝对值行和.
6.最大的绝对值列和.
7.,其中 表示最大的特征值.
8..
9., 当 是正规阵,即 时成立.
10.若 是 阶矩阵,则
11.若 是 阶矩阵,则
12.若 是 阶矩阵,则
13.若 是 阶矩阵,则
证明 只证明第七部分
因为 与 有关,因此我们考虑 的特征分解.
由于 是埃尔米特矩阵,故存在一个特征分解
其中, 是酉阵(列是特征向量), 是包含特征值的对角阵,且特征值都是实的.
所有的 , 因为若存在某个 为负, 我们取它的特征向量为 , 有
矛盾.
所以
当选择 是单位阵的适当的列时,上界是可以达到的.