码迷,mamicode.com
首页 > 其他好文 > 详细

向量范数与矩阵范数

时间:2019-01-07 10:37:45      阅读:212      评论:0      收藏:0      [点我收藏+]

标签:常见   arp   算子   矩阵   nbsp   等价   rac   time   ||   

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:\[\mathop {\lim }\limits_{p \to \infty } ||X|{|_p} = \mathop {\lim }\limits_{p \to \infty } {({\left| {{X_1}} \right|^{\frac{1}{p}}} + ... + {\left| {{X_n}} \right|^{\frac{1}{p}}})^{^{\frac{1}{p}}}} = \max (\left| {{X_1}} \right| + ... + \left| {{X_n}} \right|) = ||X|{|_\infty }\]

 

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$C^{n \times n}$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:$||XY|| \le ||X|| ||Y||$

 

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

(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}}} \right\|}^2}} } $,叫做F范数

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

(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: $C^{n \times n}$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:$\rho (A) = \max \{ \left| {{\lambda _1}} \right|,...,\left| {{\lambda _n}} \right|\}  A=A_{n \times n} $

性质:

(1)$\rho (A) \ge 0$

(2)$\rho (kA) = \left| k \right|\rho (A)$

(3)$\rho ({A^p}) = \rho {(A)^p}$

 

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

证明:

\[\rho (A) = |{\lambda _1}|\]

\[AX = {\lambda _1}X\]

令$B=[X X ... X]$:

\[AB = A\left[ {\begin{array}{*{20}{c}}
{{X_1}}&{{X_2}}&{...}&{{X_n}}
\end{array}} \right] = \left[ {A\begin{array}{*{20}{c}}
{{X_1}}&{A{X_2}}&{...}&{A{X_n}}
\end{array}} \right] = {\lambda _1}\left[ {\begin{array}{*{20}{c}}
{{X_1}}&{{X_2}}&{...}&{{X_n}}
\end{array}} \right] = {\lambda _1}B\]

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

\[{\rm{||}}{\lambda _1}B{\rm{|| = |}}{\lambda _1}|||B|| \le ||A||||B|| \Rightarrow {\rm{|}}{\lambda _1}{\rm{|}} \le ||A|| \Rightarrow \rho (A) \le ||A||\]

 

算子范数:已知$||X|||_v$为$C^n$上的一个向量范数,给定$A=A_{n \times n}$,$||AX||_v$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${\left\| {AY} \right\|_v} \le \varphi (A){\left\| Y \right\|_v}$

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

 

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$\left\|  \cdot  \right\|$,必有$\left\| {{I_n}} \right\|=1$:

 

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

 

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

 

引理:若$\left\|  \cdot  \right\|$为$C^{n \times n }上的方阵范数$,P为可逆阵,令$\varphi (A)=||P^{-1}AP||$,则$\varphi (A)$为$C^{n \times n}$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  \right\|_\varepsilon }$,使得

\[{\left\| A \right\|_\varepsilon } \le \rho (A) + \varepsilon \]

 

推论:若$\rho (A) < 1$,则存在小范数${\left\|  \cdot  \right\|_\varepsilon }$,使得:

\[{\left\| A \right\|_\varepsilon } < 1\]

 

向量范数与矩阵范数

标签:常见   arp   算子   矩阵   nbsp   等价   rac   time   ||   

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

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!