[线性代数] - 矩阵范数

向量范数

设是数域F\mathbf{F}上的线性空间,如对V\mathbf{V}中任意向量a\mathbf{a}
都有唯一的一个实数a\Vert{}\mathbf{a}\Vert{}与之对应,且满足下条件:

  • 非负性:a0\Vert{}\mathbf{a}\Vert{} \geq 0,且a=0a=0\Vert{}\mathbf{a}\Vert{} = 0 \Leftrightarrow \mathbf{a} = 0
  • 齐次性:ka=ka\Vert{}k\mathbf{a}\Vert{} = |k| \cdot \Vert{}\mathbf{a}\Vert{}
  • 三角不等式:a+ba+b\Vert{}\mathbf{a}+\mathbf{b}\Vert{} \leq \Vert{}\mathbf{a}\Vert{} + \Vert{}\mathbf{b}\Vert{}

则称a\Vert{}\mathbf{a}\Vert{}为向量a\mathbf{a}的范数

赋范线性空间

定义了范数的线性空间称为赋范线性空间

不同的向量范数

22-范数:x=x12+x22++xn2\Vert{}\mathbf{x}\Vert{} = \sqrt{|x_1|^2 + |x_2|^2 + \cdots + |x_n|^2}
11-范数:x=x1+x2++xn\Vert{}\mathbf{x}\Vert{} = |x_1| + |x_2| + \cdots + |x_n|
\infty-范数:max{x1,x2,,xn}max\lbrace|x_1|, |x_2|, \cdots, |x_n|\rbrace

同一个线性空间可定义不同的范数

Vn\mathbf{V}^n是线性空间{a1,a2,,an}\lbrace a_1, a_2, \cdots, a_n \rbraceVn\mathbf{V}^n的基,设Vn\mathbf{V}^n中向量a\mathbf{a}在基{a1,a2,,an}\lbrace a_1, a_2, \cdots, a_n \rbrace下的坐标为

x=[x1x2xn]\mathbf{x} = \begin{bmatrix} x_1 & x_2 & \cdots & x_n \end{bmatrix}

则可定义向量a\mathbf{a}的范数为

a2=i=1nxi2\Vert{}a\Vert{}_2 = \sqrt{\sum_{i=1}^n|x_i|^2}

矩阵范数

若对任意的方阵ACn×n\mathbf{A} \in \mathbb{C}^{n\times n},存在一个实数A\Vert{}\mathbf{A}\Vert{}与之对应,且满足

  • A\Vert{}\mathbf{A}\Vert{}是范数
  • 相容性:ABAB\Vert{}\mathbf{A}\mathbf{B}\Vert{} \leq \Vert{}\mathbf{A}\Vert{} \cdot \Vert{}\mathbf{B}\Vert{}

则称A\Vert{}\mathbf{A}\Vert{}为矩阵A\mathbf{A}矩阵范数

范数等价

aa,ab\Vert{}\mathbf{a}\Vert{}_a, \Vert{}\mathbf{a}\Vert{}_bnn维线性空间V\mathbf{V}上定义的两种向量范数,如果存在两个与a\mathbf{a}无关的整数d1,d2d_1, d_2使得

d1abaad2ab,aVd_1\Vert{}\mathbf{a}\Vert{}_b \leq \Vert{}\mathbf{a}\Vert{}_a \leq d_2\Vert{}\mathbf{a}\Vert{}_b, \forall \mathbf{a} \in \mathbf{V}

则称两个范数等价。

有限维实线性空间Vn\mathbf{V}^n上的任意范数都是等价的。

Frobenius范数

对任意的方阵ACn×n\mathbf{A} \in \mathbb{C}^{n\times n},定义

AF=i=1nj=1naij2=tr(AHA)\Vert{}\mathbf{A}\Vert{}_F = \sqrt{\sum_{i=1}^n\sum_{j=1}^n|a_{ij}|^2} = \sqrt{tr(A^HA)}

A\mathbf{A}Frobenius范数

性质1

A=[a1a2an]\mathbf{A} = \begin{bmatrix}a_1 & a_2 & \cdots & a_n\end{bmatrix},则

AF=i=1nai22\Vert{}\mathbf{A}\Vert{}_F = \sum_{i=1}^n\Vert{}\mathbf{a}_i\Vert{}^2_2

其中ai22=aiHai\Vert{}\mathbf{a}_i\Vert{}^2_2 = a^H_ia_i

性质2

Am22=tr(AHA)=i=1nλi(AHA)\Vert{}\mathbf{A}\Vert{}^2_{m_2} = tr(A^HA) = \sum_{i=1}^n\lambda_i(A^HA)

性质3

对于任何mm阶阶酉矩阵U\mathbf{U}nn阶酉矩阵V\mathbf{V}都有等式

AF=UAF=AHF=AVF=UAVF\Vert{}\mathbf{A}\Vert{}_F = \Vert{}\mathbf{U}\mathbf{A}\Vert{}_F = \Vert{}\mathbf{A}^H\Vert{}_F = \Vert{}\mathbf{A}\mathbf{V}\Vert{}_F = \Vert{}\mathbf{U}\mathbf{A}\mathbf{V}\Vert{}_F

证明:

Am22=tr(AHA)=tr(AAH)=tr(AVVHAH)=tr(AV(AV)H)=tr((AV)HAV)=tr(VHAHAV)=tr(VHAHUUHAV)=tr((UHAV)H(UHAV))=UHAVm22\begin{aligned} \Vert{}\mathbf{A}^2_{m_2}\Vert{} &= tr(A^HA) \\ &= tr(AA^H) \\ &= tr(A\color{red}VV^H\color{black}A^H) \\ &= tr(AV(AV)^H) \\ &= tr((AV)^HAV) \\ &= tr(V^HA^HAV) \\ &= tr(V^HA^H\color{red}UU^H\color{black}AV) \\ &= tr((U^HAV)^H(U^HAV)) \\ &= \Vert{}U^HAV\Vert{}^2_{m_2} \end{aligned}