矩阵范数

定义:对于任意矩阵A,都有一个确定的实数\parallel x \parallel与之对应,并且这个实数满足下面4条性质:

  • 非负性:除了零矩阵,其他任意矩阵的\parallel x \parallel ≥0
  • 齐次性:对任意矩阵A和实数k,都有:\parallel kx \parallel = |k|\parallel x \parallel
  • 三角不等性:对于任意两个矩阵,都有:\parallel A+B \parallel ≤ \parallel A \parallel + \parallel B \parallel
  • 乘法不等性:对于任意两个矩阵,都有:\parallel AB \parallel ≤ \parallel A \parallel \cdot \parallel B \parallel

说明:任意矩阵都有范数,长方形、正方形、零值、复值矩阵都有范数!但都要满足上面4条。

常用的矩阵范数

本文使用的是长方形矩阵:A = (a_{ij}) \in R^{n\times m}

下面常用的矩阵范数有3种,下面直接给出定义:

(1)无穷范数/行范数:各行绝对值求和,取最大那个

\parallel x \parallel_{\infty} = max\sum_{j=1}^{m}a_{ij} \quad\quad 1≤i≤n

(2)1范数/列范数:各列绝对值求和,取最大那个

\parallel x \parallel_{1} = max\sum_{i=1}^{n}a_{ij} \quad\quad 1≤j≤m

(3)2范数:与转置阵相乘后,取最大特征值的开根号

\parallel x \parallel_{2} = \sqrt{\lambda_{max}(A^{T}A)}

其中\lambda_{max}(A^{T}A)表示A^{T}A的最大特征值;我们知道:一个矩阵的转置与它自己想乘,就会得到一个对称正定阵!并且对称正定阵的特征值都是非负的!所以2范数根号里的东西不可能是负数,2范数的结果也不可能是复数,故仍满足上面的4个条件。

注意:矩阵x哪怕只是个行向量或列向量,所有的范数它也是拥有的!

最后对范数的说明:对于矩阵而言没必要考虑范数的区别,因为有限维空间的范数都等价(Minkowski定理)。后面要根据范数做判断时,既然范数没区别,那么意思就是各种范数都要满足条件

谱半径

谱半径只针对"方阵"而言!设\lambda_i (i=1,2,\cdots,n)为n阶方阵A的全部特征值。则称:

\rho(A) = max|\lambda_i|

为方阵A的谱半径,含义为:绝对值最大的那个特征值(方阵自己的特征值是可以有正有负的)。

注意:方阵A的谱半径不超过其任何一种范数!即:

\rho(A) ≤ \parallel x \parallel


补充1

上述各种范数,对应matlab中的函数是norm,已亲测norm函数和上文说的内容是一致的。

给一个2范数的例子:(转置*原矩阵)的最大特征的开根号

clear ; clc

a = [1 3 9;2 8 -3;2 0 1];
[x y] = eig(a'*a);  % y矩阵的对角元素是特征值

% 最大特征值开根号:
% 手动实现f2_sd
f2_sd = sqrt( max( diag(y) ) )
% 自带函数f2_sd, 默认也是2范数
f2_zd = norm(a,2)

结果:一致

f2_sd =

    9.6142


f2_zd =

    9.6142
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

推荐阅读更多精彩内容