鲁棒控制数学基础及相关概念系列A(五) —— 矩阵范数

鲁棒控制数学基础及相关概念(五) —— 矩阵范数

---

矩阵范数

定义1 ：设$A\in C^{m\times n}$,按某一法则在$C^{m\times n}$上规定$A$是一个实值函数，记作$||A||$,它满足以下4个条件：
$$\begin{gathered} (1)非负性：如果A\ne 0,则||A||>0;如果A=0，则||A||=0; \\ (2)齐次性：对任意的k\in C,||kA||=|k|||A||; \\ (3)三角不等式：对任意的矩阵A,B\in C^{m\times n},||A+B||\le ||A||+||B||; \\ (4)次乘性：当矩阵乘积AB有意义时，若有||AB||\le ||A||||B|| \end{gathered}$$
则称$||A||$为矩阵范数。(向量范数没有次乘性)

定理1：设$A\in C^{m\times n},x=(x_1,x_2,\cdots ,x_n{)}^T\in C^n$,且在空间内已规定了向量范数。定义
$$||A||=su{p}_{||x||\ne 0}\frac{||Ax||}{||x||}=ma{x}_{||x||=1}||Ax||$$
称为由向量范数诱导的矩阵范数。
在鲁棒控制中，最常见的矩阵范数为谱范数。$||A|{|}_2=\sqrt{{\lambda }_{max}(A^{H}A)}$,即最大奇异值。
证明如下：设${\lambda }_1\ge {\lambda }_2\ge \cdots \ge {\lambda }_n\ge 0$为$A^{H}A$的特征值，而$x_1,x_2,\cdots ,x_n$是对应于这些特征值的一组标准正交特征向量，任何一个范数为1的向量$x$可以表示为
$$x=a_1{x}_1+a_2{x}_2+\cdots +a_n{x}_n,$$
则
$$(x,x)=|a_1{|}^2+|a_2{|}^2+\cdots +|a_n{|}^2=1;$$
又因为$||A|{|}^2=(Ax,Ax)=(x,A^{H}Ax)$,所以有
$$\begin{gathered} ||Ax|{|}^2=(x,A^{H}Ax) \\ =(a_1{x}_1+a_2{x}_2+\cdots +a_n{x}_n,{\lambda }_1{a}_1{x}_1+\cdots +{\lambda }_n{a}_n{x}_n) \\ ={\lambda }_1|a_1{|}^2+{\lambda }_2|a_2{|}^2+\cdots +{\lambda }_n|a_n{|}^2 \\ \le {\lambda }_1(|a_1{|}^2+|a_2{|}^2+\cdots +|a_n{|}^2)={\lambda }_1={\lambda }_{max}(A^{H}A) \end{gathered}$$

谱范数的性质

定理2：设$A\in C^{m\times n},U\in C^{m\times m},V\in C^{n\times n}$且$U^{H}U=I_m,V^{H}V=I_n$,则$||UAV|{|}_2=||A|{|}_2$;
定理3：设$A\in C^{m\times n}$,若$||A||<1$,则$I-A$为非奇异矩阵，且
$$||(I-A{)}^{-1}||\le (1-||A||{)}^{-1}$$
证明如下：
设$x$为任一非零向量，则
$$||(I-A)x||=||x-Ax||$$
由三角不等式得，$||x||\le ||x-Ax||+||Ax||$
所以得到:
$$||(I-A)x||\ge ||x||-||Ax||\ge ||x||-||A||||x||=(1-||A||)||x||>0.$$
若$x\ne 0$, 则$(I-A)x\ne 0$,从而方程$(I-A)x=0$无非零解，故矩阵$I-A$非奇异。
因为$I-A$非奇异，故有
$$(I-A{)}^{-1}=[I-A+A](I-A{)}^{-1}=I+A(I-A{)}^{-1}$$
从而$||(I-A{)}^{-1}||\le ||I||+||A||||(I-A{)}^{-1}||=1+||A||||(I-A{)}^{-1}||$
所以，$||(I-A{)}^{-1}||\le \frac{1}{1-||A||}$。