范数的一般性质:
- 严格正定性:对任意矩阵
,都有
,且等号成立当且仅当
;
- 线性性:对任意系数
、任意矩阵
,都有
;
- 三角不等式:任意矩阵
,都有
。则称之为
上的一个矩阵范数。
此外,某些定义在方块矩阵组成空间上的矩阵范数满足一个或多个以下与的条件:
这里主要看下p-范数:
p-范数诱导的矩阵范数
当和
中装备的向量范数都是
-范数的时候,诱导的矩阵范数也称为矩阵的诱导
-范数。具体来说就是:
在和
的情况下,其范数可以以下方式计算:
这些与矩阵的Schatten p-范数不同,也可以用。来表示。
当p = 2(欧几里德范数)且m = n(方阵)时,诱导的矩阵范数就是谱范数。矩阵A的谱范数是A最大的奇异值或半正定矩阵A*A的最大特征值的平方根:
其中A*代表A的共轭转置。
任何诱导的矩阵范数都满足此不等式
其中ρ(A)是A的谱半径。事实上,可以证明ρ(A)是A的所有诱导范数的下界。
此外,我们有
-
。
-
-
- 其实,一般用到的为最简单的形式:
-
若当p取1,2,∞的时候分别是以下几种最简单的情形:1-范数:║x║1=│x 1│+│x 2│+…+│x n│2-范数:║x║2=(│x 1│ 2+│x 2│ 2+…+│x n│ 2) 1/2∞-范数:║x║∞=max(│x 1│,│x 2│,…,│x n│)