向量范数与矩阵范数

向量范数:

性质:

(1)正性:$||X||>0$且$||X|| Leftrightarrow X=0$

(2)奇性:$||kX||=|k|||X||$

(3)三角形:$||X+Y|| le ||X|| + ||Y||$,推论$| ||X|| - ||Y|| | le ||X-Y||$

范数定义:V是线性空间(在复数域上),V上一个实值$varphi(X)=||X||$叫范数,适合:

(1)正性:$ varphi(X)=||X||>0$且$||X|| Leftrightarrow X=0$

(2)奇性:$ varphi(kX)=|k|varphi(X)$

(3) 三角性:$ varphi(X+Y) le varphi(X) + varphi(Y)  $

空间$V in C^n$常见范数$varphi(X)$,$X,Y in C^n$:

(1)取$varphi (X) = ||X|{|_2} = sqrt {(X,X)}  = sqrt {|{X_1}{|^2} + ... + |{X_n}{|^2}} $,又叫F范数,$"|X|"$。

(2)取$varphi (X)=||X||_{ infty }=max{|X_1|,...,|X_n|}$,叫做最大值范数,又叫“$infty$”范数

(3)取$varphi (X)=|X|_1+...|X|_n$,记为$||X||_1$,叫做”和范数“

(4)取$varphi (X)=(|X|_1^2+...|X|_n^2)^(frac{1}{p})$,记为$||X||_p$,叫做”p范数“

注意:[mathop {lim }limits_{p o infty } ||X|{|_p} = mathop {lim }limits_{p o infty } {({left| {{X_1}} ight|^{frac{1}{p}}} + ... + {left| {{X_n}} ight|^{frac{1}{p}}})^{^{frac{1}{p}}}} = max (left| {{X_1}} ight| + ... + left| {{X_n}} ight|) = ||X|{|_infty }]

向量范数等价定理: $C^n$上任两种范数$||X||_a, ||X||_b$适合:

[{k_1} le frac{{||X|{|_a}}}{{||X|{|_b}}} le {k_2}]

$k_1 < k_2$都是固定整数,称$||X||_a$和||X||_b等价,记为$||X||_a  approx ||X||_b$

方阵范数:方阵空间$C^{n imes n}$上一个函数$varphi(A)=||A||$叫一个“方阵范数”,如果适合以下条件:

(1)正性:$||X||>0$且$||X|| Leftrightarrow X=0$

(2)奇性:$||kX||=|k|||X||$

(3)三角形:$||X+Y|| le ||X|| + ||Y||$,推论$| ||X|| - ||Y|| | le ||X-Y||$

(4)次乘性:$||XY|| le ||X|| ||Y||$

$C^{n imes n}$上常见范数(矩阵范数):$A=(a_{ij})_{n imes n}$:

(1)$varphi(A)=||A||_1=max{L_1,...,L_n}$叫列范数,其中$L_i$是第i列的绝对值之和

(2)$varphi(A)=||A||_{infty }=max{L_1,...,L_n}$叫行范数,其中$L_i$是第i行的绝对值之和

(3)$varphi (A) = ||A|{|_F} = sqrt {sum {{{left| {{a_{ij}}} ight|}^2}} } $,叫做F范数

(4)$varphi (A) = ||A|{|_M} = sum {left| {{a_{ij}}} ight|} $

(5)$varphi(A)=||A||_G=n max{|a_ij|}$

(6)$varphi(A)=||A||_2$=最大奇异值

方阵范数等价定理: $C^{n imes n}$上任两种范数$||X||_a, ||X||_b$适合:

[{k_1} le frac{{||X|{|_a}}}{{||X|{|_b}}} le {k_2}]

$k_1 < k_2$都是固定整数,称$||X||_a$和$||X||_b$等价,记为$||X||_a  approx ||X||_b$

谱半径:$ ho (A) = max { left| {{lambda _1}} ight|,...,left| {{lambda _n}} ight|}  A=A_{n imes n} $

性质:

(1)$ ho (A) ge 0$

(2)$ ho (kA) = left| k ight| ho (A)$

(3)$ ho ({A^p}) = ho {(A)^p}$

谱范不等式:$ ho (A) le ||A||$ ,$|| cdot ||$为任意方阵范数。

证明:

[ ho (A) = |{lambda _1}|]

[AX = {lambda _1}X]

令$B=[X X ... X]$:

[AB = Aleft[ {egin{array}{*{20}{c}}
{{X_1}}&{{X_2}}&{...}&{{X_n}}
end{array}} ight] = left[ {Aegin{array}{*{20}{c}}
{{X_1}}&{A{X_2}}&{...}&{A{X_n}}
end{array}} ight] = {lambda _1}left[ {egin{array}{*{20}{c}}
{{X_1}}&{{X_2}}&{...}&{{X_n}}
end{array}} ight] = {lambda _1}B]

[{ m{||}}{lambda _1}B{ m{|| =  = |}}{lambda _1}|||B|| = { m{||}}AB{ m{||}} le ||A||||B||]

[{ m{||}}{lambda _1}B{ m{|| = |}}{lambda _1}|||B|| le ||A||||B|| Rightarrow { m{|}}{lambda _1}{ m{|}} le ||A|| Rightarrow ho (A) le ||A||]

算子范数:已知$||X|||_v$为$C^n$上的一个向量范数,给定$A=A_{n imes n}$,$||AX||_v$在$C^n$上连续,令

[varphi (A) = max { ||AX|{|_v}} (||X|| = 1)]

引理:$||Y||$为任意$C^n$上向量,有${left| {AY} ight|_v} le varphi (A){left| Y ight|_v}$

[{left| {Afrac{Y}{{left| Y ight|}}} ight|_v} = frac{{{{left| {AY} ight|}_v}}}{{{{left| Y ight|}_v}}} le max { {left| {AX} ight|_v}} (left| X ight| = 1) = varphi (A) Rightarrow {left| {AY} ight|_v} le varphi (A){left| Y ight|_v}]

可以证明,算法范数满足方阵范式性质:

(1)正性:$varphi (A) > 0$,$varphi (A) = 0 Leftrightarrow A=0$

(2)奇性:$varphi (kA)=|k| varphi (A)$

(3)三角性质:$varphi (A+B) le varphi (A) + varphi (B)$

(4)次乘性:$varphi (AB)= varphi (A) varphi (B)$

常见算子范数:

(1)$||X||_1$导出$varphi (A)=max{||AX||_{1}}(||X||_1=1)=||A||_1$

(2)$||X||_{infty}$导出$varphi (A)=max{||AX||_{infty}}(||X||_{infty}=1)=||A||_{infty}$

(3)$||X||_2$导出$varphi (A)=max{||AX||_{2}}(||X||_2=1)=||A||_2$

定理1:任意算子范式$left|  cdot  ight|$,必有$left| {{I_n}} ight|=1$:

定理2:方阵范数$left|  cdot  ight|$,必有$left| {{I_n}} ight|  ge 1$:

推论:$left| {{I_n}} ight| > 1 Rightarrow left|  cdot  ight|$不是算子范数。

引理:若$left|  cdot  ight|$为$C^{n imes n }上的方阵范数$,P为可逆阵,令$varphi (A)=||P^{-1}AP||$,则$varphi (A)$为$C^{n imes n}$上一个新范数。

小范数定理:固定一个方阵A与小正数$varepsilon $,则存在一个方阵范数${left|  cdot  ight|_varepsilon }$,使得

[{left| A ight|_varepsilon } le ho (A) + varepsilon ]

推论:若$ ho (A) < 1$,则存在小范数${left|  cdot  ight|_varepsilon }$,使得:

[{left| A ight|_varepsilon } < 1]

原文地址:https://www.cnblogs.com/codeDog123/p/10225313.html