向量和矩阵范数

1. 向量范数
   $$X={\left(x_1,x_2,\dots ,x_n\right)}^T$$

   • 一阶范数
     $$\Vert X{\Vert }_1=\sum _{i=1}^n\left|x_i\right|=\left|x_1\right|+\left|x_2\right|+\dots +\left|x_n\right|$$

   • 二阶范数
     $$\Vert X{\Vert }_2=\sqrt{\sum _{i=1}^n{x}_i^2}=\sqrt{x_1^2+x_2^2+\dots +x_n^2}$$

   • 无穷阶范数
     $$\Vert X{\Vert }_{\infty }=\underset{1\le i\le n}{\max }\left|x_i\right|$$

   • $p$阶范数
     $$\Vert X{\Vert }_p=\sqrt[p]{\sum _{i=1}^n{\left|x_i\right|}^p}$$

   ---

2. 矩阵范数

   • 列范数，列元素绝对值之和最大者
     $$\Vert A{\Vert }_1=\underset{X\in R^n}{\max }\frac{\Vert AX{\Vert }_1}{\Vert X{\Vert }_1}=\underset{1\le j\le n}{\max }\sum _{i=1}^n\left|a_{ij}\right|$$

   • 特征值最大者
     $$\Vert A{\Vert }_2=\underset{\genfrac{}{}{0ex}{}{X\in R^n}{\Vert X\Vert ̸=0}}{\max }\frac{\Vert AX{\Vert }_2}{\Vert X{\Vert }_2}=\sqrt{{\lambda }_{\max }\left(A^{T}A\right)}$$

   • 行范数，行元素绝对值之和最大者
     $$\Vert A{\Vert }_{\infty }=\underset{\genfrac{}{}{0ex}{}{X\in R^n}{\Vert X\Vert ̸=0}}{\max }\frac{\Vert AX{\Vert }_{\infty }}{\Vert X{\Vert }_{\infty }}=\underset{1\le i\le n}{\max }\sum _{j=1}^n|a_{ij}$$
     例如：
     $$A=\left(\begin{array}{cc}1& -2\\ -3& 4\end{array}\right)$$
     $$\Vert \mathbf{A}{\Vert }_1=6,\Vert A{\Vert }_{\infty }=7$$
     $$\Vert A{\Vert }_2=\sqrt{\lambda }=\sqrt{15+\sqrt{221}}\approx 5.46$$
     $$A^{\prime }A=\left(\begin{array}{cc}10& -14\\ -14& 20\end{array}\right)\begin{array}{c}\left|\lambda \mathbf{E}-{\mathbf{A}}^{\prime }\mathbf{A}\right|=0\\ {\lambda }^2-30\lambda +4=0\end{array}$$
     Frobenius范数:
     $$\Vert A{\Vert }_F=\sqrt{\sum _{j=1}^n\sum _{i=1}^n{a}_{ij}^2}\Vert A{\Vert }_F=\sqrt{30}\approx 5.477$$