矩阵分析 5
向量范数
介绍
- 定义:如果
是数域 上的线性空间,且对于 ,存在 的函数 ,满足- 非负性:
,当且仅当 取等 - 齐次性:
- 三角不等式:
- 非负性:
这里记录一些常见的范数
,称作2-范数或者欧式范数,记为- 该函数显然满足非负性和齐次性,利用柯西不等式可以得到三角不等式也满足
,称作 范数,记为- 验证三条性质都是简单的
,称作p-范数,其中 ,记为- 非负性和齐次性仍然是显然的
- 三角不等式则可由Young不等式或Holder不等式得出
- 不难发现
和 的情况下,p-范数变为上述两种情况
对于正定埃尔米特矩阵
,定义 ,称作椭圆范数非负性和齐次性仍然是显然的
三角不等式:由于
是正定埃尔米特矩阵,因此存在非奇异矩阵 ,使得那么,
,而
向量范数的等价性
称向量范数
, 等价,当且仅当存在 ,使得对于任意 ,两个范数等价,当且仅当它们具有相同的敛散性
充分性是显然的,我们考虑必要性的证明
反证法,不妨设对于任意大的整数
,都存在 ,使得那么,我们考虑序列
,显然而
,因此 ,这与有相同的敛散性这一条件矛盾,矛盾的根源在于假设,因此命题是正确的
有限维线性空间上的不同范数是等价的
向量范数的等价关系有传递性,我们只需证明所有范数都与某种范数等价即可
首先,由于是有限维线性空间,我们取一组基底
,对于任意向量 ,如果 ,那么,对于向量范数 ,定义 ,不难证明 是一个连续函数不妨设
是另一种范数,我们考虑 在 上的分布情况,由 的连续性可知它可以取到最大值 和最小值而对于
的一般情况,我们有 ,即
矩阵范数
矩阵范数
定义:对于矩阵
,如果存在实值函数 ,满足- 非负性:
,当且仅当 时取等 - 齐次性:
- 三角不等式:
- 相容性:
称该函数为矩阵范数
- 非负性:
定义中的次乘性的一个感性理解是,当
不难验证下列函数都是矩阵范数
最后一种矩阵范数简称为F-范数,F-范数有不错的性质
- 设
为酉矩阵,那么- 注意到
, 和 相似
- 注意到
- 矩阵范数在有限维线性空间下也有等价性
算子范数
定义:设
是一个向量范数,那么,我们定义 为由向量范数 诱导出的算子范数由定义,算子范数满足
,此时,我们称矩阵范数 和向量范数 相容算子范数是一种矩阵范数
- 非负性,齐次性,三角不等式都可以转化为向量范数来证明
- 对于次乘性,设
是在 中,使得 取到最大值的 ,那么 ,其中的不等式利用的是算子范数的性质
对任何算子范数成立
我们给出几个特例的算子范数
对应于向量范数
的算子范数分别为上式中
表示矩阵 的最大特征值它们分别被称作列范数,谱范数,行范数
列范数和行范数不难证明,我们对谱范数稍作解释
对
,不难得到设
的谱分解为 ,其中 ,并设那么
,当 时可以取到等号
谱范数
性质
谱范数和F-范数一样,有比较好的性质
设
为酉矩阵,那么- 证明:
和 相似
- 证明:
和 有相同的非零特征值
存在
满足条件,并且使得 ,此时,取 可以取得等号
谱半径
- 定义:设
的特征值为 ,那么称 ,称为 的谱半径
谱半径有非常良好的性质
,谱半径不会超过 的任何一种范数
为了证明这个定理,我们需要一个引理 `
引理:对于任何一种矩阵范数
,存在与其相容的向量范数任取
,那么定义容易验证这是一个向量范数,我们来考虑相容性
现在让我们回到定理的证明,设
- 如果
的正规矩阵,那么
即证
这个是显然的