• 矩阵分析与应用+张贤达


    第一章 矩阵与线性方程组(十五)

    1.向量的范数举例

    若有一个向量 a = [ − 3 , 8 , 6 , − 1 ] a=[-3,8,6,-1] a=[3,8,6,1]
    则:

    • L 0 L_0 L0范数为向量中非0向量的个数,则 ∣ ∣ a ∣ ∣ 0 = 4 ||a||_0=4 a0=4
    • L 1 L_1 L1范数为向量中每个元素绝对值之和,即 ∣ ∣ a ∣ ∣ 1 = ∑ i = 1 n ∣ a i ∣ ||a||_1=\sum_{i=1}^{n}|a_i| a1=i=1nai,则 ∣ ∣ a ∣ ∣ 1 = 18 ||a||_1=18 a1=18
    • L 2 L_2 L2范数为向量中每个元素绝对值的平方之和再开方,即 ∣ ∣ a 2 ∣ ∣ = ∑ i = 1 n ∣ a i ∣ 2 ||a_2||=\sqrt{\sum_{i=1}^{n}|a_i|^2} a2=i=1nai2 ,则 ∣ ∣ a ∣ ∣ 2 = 110 ||a||_2=\sqrt{110} a2=110
    • L ∞ L_\infty L范数为向量中每个元素绝对值的最大值,即 ∣ ∣ a ∣ ∣ ∞ = max ⁡ 1 ≤ x ≤ n ∣ x i ∣ ||a||_\infty=\max_{1 \leq x \leq n}|x_i| a=max1xnxi,则 ∣ ∣ a ∣ ∣ ∞ = 8 ||a||_\infty=8 a=8

    2.向量的内积举例

    若有向量 a = [ 3 , 2 , 1 ] , b = [ 1 , 2 , 3 ] a=[3,2,1],b=[1,2,3] a=[3,2,1],b=[1,2,3]

    • 向量的内积(点乘/点积/数量积)就是对两个向量执行点乘运算,即对这两个向量对应位一一相乘之后求和的操作。则 a ⋅ b = 10 a\cdot b=10 ab=10

    3.矩阵的范数与内积概念

    3.1 性质

    作为一种算子,实矩阵 A ∈ R m x n A \in R_{mxn} ARmxn的范数记作 ∣ ∣ A ∣ ∣ ||A|| A,它是矩阵 A A A的实值函数,必须具有以下性质;
    (1)对于任何非零矩阵 A ≠ O A≠O A=O,其范数大于零,即 ∣ ∣ A ∣ ∣ ||A|| A>0,并且||O||=0。
    (2)对于任意复数c有 ∣ ∣ c A ∣ ∣ = ∣ C ∣ ∣ ∣ A ∣ ∣ ||cA||=|C|||A|| cA=CA
    (3)矩阵范数满足三角不等式 ∣ ∣ A + B ∣ ∣ ≤ ∣ ∣ A ∣ ∣ + ∣ ∣ B ∣ ∣ ||A+B||≤||A||+||B|| A+BA+B
    (4)两个矩阵乘积的范数小于或等于两个矩阵范数的乘积,即 ∣ ∣ A B ∣ ∣ ≤ ∣ ∣ A ∣ ∣ ∣ ∣ B ∣ ∣ ||AB||≤||A|| ||B|| ABAB例如 nxn矩阵 A A A的实值函数
    f ( A ) = ∑ i = 1 n ∑ j = 1 n ∣ a i j ∣ f(A)=\sum_{i=1}^n\sum_{j=1}^n|a_{ij}| f(A)=i=1nj=1naij
    易验证:
    (1) f ( A ) ≥ 0 f(A)≥0 f(A)0,并且当 A = 0 A=0 A=0 a i j ≡ 0 a_{ij}≡0 aij0 f ( A ) = 0 f(A)=0 f(A)=0
    (2) f ( c A ) = ∑ i = 1 n ∑ j = 1 n ∣ c a i j ∣ = ∣ c ∣ ∑ i = 1 n ∑ j = 1 n ∣ a i j ∣ = ∣ c ∣ f ( A ) f(cA)=\sum_{i=1}^n\sum_{j=1}^n|ca_{ij}|=|c|\sum_{i=1}^n\sum_{j=1}^n|a_{ij}|=|c|f(A) f(cA)=i=1nj=1ncaij=ci=1nj=1naij=cf(A)
    (3) f ( A + B ) = ∑ i = 1 n ∑ j = 1 n ( l a i j ∣ + ∣ b i j ∣ ) ≤ ∑ i = 1 n ∑ j = 1 n ( ∣ a i j ∣ + ∣ b i j ∣ ) = f ( A + B ) f(A+B) =\sum_{i=1}^n\sum_{j=1}^n(la_{ij}| +|b_{ij}|) \leq \sum_{i=1}^n\sum_{j=1}^n(|a_{ij}|+ |b_{ij}|) = f(A+B) f(A+B)=i=1nj=1n(laij+bij)i=1nj=1n(aij+bij)=f(A+B)
    (4)对于两个矩阵的乘积,有
    f ( A B ) f(AB) f(AB)

    = ∑ i = 1 n ∑ j = 1 n ∣ ∑ k = 1 n a i k b i k ∣ =\sum_{i=1}^n\sum_{j=1}^n|\sum_{k=1}^na_{ik}b_{ik}| =i=1nj=1nk=1naikbik

    ≤ ∑ i = 1 n ∑ j = 1 n ∑ k = 1 n ∣ a i k ∣ ∣ b i k ∣ \leq \sum_{i=1}^n\sum_{j=1}^n\sum_{k=1}^n|a_{ik}||b_{ik}| i=1nj=1nk=1naikbik

    ≤ ∑ i = 1 n ∑ j = 1 n ( ∑ k = 1 n ∣ a i k ∣ ∑ l = 1 n ∣ b k l ∣ ) \leq \sum_{i=1}^n\sum_{j=1}^n(\sum_{k=1}^n|a_{ik}|\sum_{l=1}^n|b_{kl}|) i=1nj=1n(k=1naikl=1nbkl)

    = f ( A ) f ( B ) =f(A)f(B) =f(A)f(B)
    因此,实函数 f ( A ) = ∑ i = 1 n ∑ j = 1 n ∣ a i j ∣ f(A)= \sum_{i=1}^n\sum_{j=1}^n|a_{ij}| f(A)=i=1nj=1naij是一种矩阵范数

    3.2几种典型的矩阵范数和举例

    若矩阵 A = [ 1 − 1 2 1 2 − 1 3 − 1 2 ] A= \left[

    112121312
    \right] A=113121212

    (1)Frobenius 范数
    ∣ ∣ A ∣ ∣ F = ( ∑ i = 1 n ∑ j = 1 n ∣ a i j ∣ 2 ) ( 1 / 2 ) ||A||_F=( \sum_{i=1}^n\sum_{j=1}^n|a_{ij}|^2)^{(1/2)} AF=(i=1nj=1naij2)(1/2)
    这一定义可以视为向量的Euclidean范数对按照矩阵各行排列的“长向量”
    x = [ a 11 , … , a 1 n , a 21 , … , a 2 n , … , a m 1 , … , a m n ] T x=[a_{11},…,a_{1n},a_{21},…,a_{2n},…,a_{m1},…,a_{mn}]^T x=[a11,,a1n,a21,,a2n,,am1,,amn]T
    的推广。
    矩阵的Frobenius范数也称Euclidean范数、Schur范数、Hilbert-Schmidt范数或者 l 2 l_2 l2范数。
    举例
    ∣ ∣ A ∣ ∣ F = ( ∣ 1 ∣ 2 + ∣ − 1 ∣ 2 + ∣ 2 ∣ 2 + ∣ 1 ∣ 2 + ∣ 2 ∣ 2 + ∣ − 1 ∣ 2 + ∣ 3 ∣ 2 + ∣ − 1 ∣ 2 + ∣ 2 ∣ 2 ) 1 / 2 = ( 26 ) 1 / 2 ||A||_F=(|1|^2 + |-1|^2 + |2|^2 + |1|^2 + |2|^2 + |-1|^2 + |3|^2 + |-1|^2 + |2|^2)^{1/2} =(26)^{1/2} AF=(12+12+22+12+22+12+32+12+22)1/2=(26)1/2
    (2) l p l_p lp范数
    ∣ ∣ A ∣ ∣ p = max ⁡ x ≠ 0 ∣ ∣ A x ∣ ∣ p ∣ ∣ x ∣ ∣ p ||A||_p=\max_{x≠0}\frac{||Ax||_p}{||x||_p} Ap=x=0maxxpAxp
    式中, ∣ ∣ x ∣ ∣ p ||x||_p xp向量 x x x l p l_p lp范数。 l p l_p lp范数也称Minkowski p范数,或者简称p范数。
    举例
    当p=1时,
    ∣ ∣ A ∣ ∣ 1 = m a x ( 1 + 1 + 3 , 1 + 2 + 1 , 2 + 1 + 2 ) = 5 ||A||_1 =max(1+1+3,1+2+1,2+1+2)=5 A1=max(1+1+3,1+2+1,2+1+2)=5
    (3)行和范数
    ∣ ∣ A ∣ ∣ r o w = max ⁡ 1 ≤ i ≤ m ∑ j = 1 n ∣ a i j ∣ ||A||_{row}=\max_{1 \leq i \leq m}{\sum_{j=1}^n|a_{ij}|} Arow=1immaxj=1naij
    举例
    ∣ ∣ A ∣ ∣ r o w = m a x ( 1 + 1 + 2 , 1 + 2 + 1 , 3 + 1 + 2 ) = 6 ||A||_{row}=max(1+1+2,1+2+1,3+1+2)=6 Arow=max(1+1+2,1+2+1,3+1+2)=6
    (4)列和范数
    ∣ ∣ A ∣ ∣ c o l = max ⁡ 1 ≤ j ≤ n ∑ i = 1 n ∣ a i j ∣ ||A||_{col}=\max_{1 \leq j \leq n}{\sum_{i=1}^n|a_{ij}|} Acol=1jnmaxi=1naij
    举例
    ∣ ∣ A ∣ ∣ c o l = m a x ( 1 + 1 + 3 , 1 + 2 + 1 , 2 + 1 + 2 ) = 5 ||A||_{col}=max(1+1+3,1+2+1,2+1+2)=5 Acol=max(1+1+3,1+2+1,2+1+2)=5

  • 相关阅读:
    【网络篇】第十二篇——TCP协议通讯流程
    spring bean的作用域
    CVE漏洞复现-CVE-2023-38831 WinRAR代码执行漏洞
    图的应用(最小生成树,最短路径,有向无环图)
    postgresql 内核源码分析 btree索引插入分析,索引页面分裂流程,多举措进行并发优化,对异常进行保护处理
    代码随想录算法训练营Day61|单调栈02
    【EI会议征稿】2023年工业设计与环境工程国际学术会议
    多线程之JUC队列与数组
    C++17一个很冷门很有意思的新特性
    Spring配置类为什么要分Full和Lite模式
  • 原文地址:https://blog.csdn.net/m0_45085885/article/details/125607572