Norma na przestrzeni wektorowej macierzy
W matematyce , A normą matryca jest norma wektorowa z przestrzeni wektorowej którego elementy (wektory) są macierzami (o podanych wymiarach).
Czynności wstępne
Biorąc pod uwagę pole z zarówno rzeczywistych lub liczb zespolonych , niech będzie K - przestrzeń liniowa macierzy z wierszy i kolumn oraz wpisy w tej dziedzinie . Norma macierzowa jest normą dotyczącą
W tym artykule zawsze będziemy pisać takie normy z podwójnymi pionowymi kreskami (tak jak: ). Zatem norma macierzowa jest funkcją, która musi spełniać następujące właściwości:
- Dla wszystkich skalarów i macierzy ,
-
( o wartości dodatniej )
-
( określone )
-
( absolutnie jednorodny )
-
( subaddycja lub spełnienie nierówności trójkąta )
Jedyną cechą odróżniającą macierze od uporządkowanych wektorów jest mnożenie . Normy macierzowe są szczególnie przydatne, jeśli są również submultiplikatywne :
Każdą normę na K n × n można przeskalować tak, aby była submultiplikatywna; w niektórych książkach norma matrycy terminologii jest zarezerwowana dla norm submultiplikatywnych.
Normy macierzowe indukowane przez normy wektorowe
Załóżmy, że podano normę wektorową on . Dowolna macierz A indukuje operator liniowy od do w stosunku do bazy standardowej i definiuje się odpowiednią indukowaną normę lub normę operatora na przestrzeni wszystkich macierzy w następujący sposób:
W szczególności, jeśli p -normę dla wektorów ( 1 ≤ p ≤ ∞ ) stosuje się dla obu przestrzeni i , to odpowiednia indukowana norma operatora to:
Te indukowane normy różnią się od „wejściowych” norm p i norm p Schattena dla macierzy traktowanych poniżej, które są również zwykle oznaczane przez
-
Uwaga: Powyższy opis dotyczy indukowanej normy operatora, gdy ta sama norma wektora została użyta w „przestrzeni odlotu” i „przestrzeni przybycia” operatora . Nie jest to konieczne ograniczenie. Bardziej ogólnie, mając na uwadze normę na i normę na , można zdefiniować normę macierzową na indukowaną przez te normy:
- Norma macierzowa jest czasami nazywana normą podrzędną. Normy podrzędne są zgodne z normami, które je indukują, dając
Każda indukowana norma operatora jest submultiplikatywną normą macierzy: wynika to z
oraz
Co więcej, każda indukowana norma zaspokaja nierówność
-
( 1 )
dla dodatnich liczb całkowitych r , gdzie ρ ( ) jest promień spektralny z A . Dla symetrycznego lub hermitowskiego A mamy równość w ( 1 ) dla 2-normy, ponieważ w tym przypadku 2-norma jest dokładnie promieniem widmowym A . W przypadku arbitralnej macierzy możemy nie mieć równości dla żadnej normy; kontrprzykładem byłoby:
który ma znikający promień widmowy. W każdym razie dla macierzy kwadratowych mamy wzór na promień widmowy :
Kompatybilne i spójne normy
Normę macierzową on nazywamy zgodną z normą wektorową on i normą wektorową on , jeżeli:
dla wszystkich . W szczególnym przypadku m = n i a = b , może być również nazwany zgodny z . Wszystkie indukowane normy są z definicji spójne. Ponadto każda submultiplikatywna norma macierzy on (uznawana za ) indukuje kompatybilną normę wektorową on przez zdefiniowanie .
Przypadki specjalne
W szczególnych przypadkach indukowanej macierzy normy można obliczyć lub oszacować przez
co jest po prostu maksymalną bezwzględną sumą kolumn macierzy;
co jest po prostu maksymalną bezwzględną sumą wierszy macierzy.
W szczególnym przypadku ( norma euklidesowa lub norma dla wektorów) indukowaną normą macierzy jest norma spektralna . Normą widmową macierzy jest największa wartość osobliwa z (tj. pierwiastek kwadratowy z największej wartości własnej macierzy , gdzie oznacza transpozycję sprzężoną z ):
gdzie reprezentuje największą wartość osobliwą macierzy . Także,
od i podobnie przez rozkład według wartości osobliwych (SVD). Jest jeszcze jedna ważna nierówność:
gdzie jest norma Frobeniusa . Równość obowiązuje wtedy i tylko wtedy, gdy macierz jest macierzą pierwszego rzędu lub macierzą zerową. Nierówność tę można wyprowadzić z faktu, że ślad macierzy jest równy sumie jej wartości własnych.
Kiedy mamy równoważną definicję dla as . Można wykazać, że jest równoważny powyższym definicjom, wykorzystując nierówność Cauchy'ego-Schwarza .
Na przykład dla
mamy to
„Entry-wise” macierzowe normy
Normy te traktują macierz jako wektor wielkości i wykorzystują jedną ze znanych norm wektorowych. Na przykład, używając normy p dla wektorów, p ≥ 1 , otrzymujemy:
Jest to inna norma od indukowanej p -normy (patrz wyżej) i p -normy Schattena (patrz poniżej), ale notacja jest taka sama.
Szczególnym przypadkiem p = 2 jest norma Frobeniusa, a p = ∞ daje normę maksymalną.
L 2,1 i L p,q normy
Niech będą kolumny macierzy . Normą jest sumą euklidesowych norm kolumn macierzy:
Normą jako funkcja błędu jest bardziej solidny, ponieważ błąd dla każdego punktu danych (kolumna) nie są obrobione. Jest używany do solidnej analizy danych i kodowania rzadkiego .
Dla p , q ≥ 1 , normę można uogólnić na normę w następujący sposób:
Norma Frobeniusa
Gdy p = q = 2 dla normy, nazywa się to normą Frobeniusa lub normą Hilberta-Schmidta , chociaż ten ostatni termin jest częściej używany w kontekście operatorów na (być może nieskończenie wymiarowej) przestrzeni Hilberta . Normę tę można definiować na różne sposoby:
gdzie są pojedyncze wartości z . Przypomnijmy, że funkcja trace zwraca sumę wpisów diagonalnych macierzy kwadratowej.
Norma Frobeniusa jest rozszerzeniem normy euklidesowej do i pochodzi z iloczynu skalarnego Frobeniusa na przestrzeni wszystkich macierzy.
Norma Frobeniusa jest submultiplikatywna i jest bardzo użyteczna w numerycznej algebrze liniowej . Submultiplikatywność normy Frobeniusa można udowodnić za pomocą nierówności Cauchy'ego-Schwarza .
Norma Frobeniusa jest często łatwiejsza do obliczenia niż normy indukowane i ma przydatną właściwość bycia niezmienną przy obrotach (i ogólnie operacjach unitarnych ). Oznacza to, że dla dowolnej macierzy unitarnej . Własność ta wynika z cyklicznego charakteru śladu ( ):
i analogicznie:
gdzie użyliśmy unitarnego charakteru (czyli ).
Spełnia również
oraz
gdzie jest produkt wewnętrzny Frobeniusa .
Maksymalna norma
Maksymalna norma jest normą elementwise z p = q = ∞:
Ta norma nie jest submultiplikatywna .
Zauważ, że w niektórych publikacjach (takich jak Złożoność komunikacji ) alternatywna definicja max-normy, zwana także -normą, odnosi się do normy faktoryzacji:
Normy Schattena
P -normy Schattena powstają przy zastosowaniu p -normy do wektora wartości osobliwych macierzy. Jeżeli wartości osobliwe macierzy są oznaczone przez σ i , to norma p Schattena jest zdefiniowana przez
Normy te ponownie dzielą notację z indukowanymi i wejściowymi normami p , ale są one różne.
Wszystkie normy Schatten są submultiplikatywne. Są również unitarnie niezmiennikami, co oznacza, że dla wszystkich macierzy i wszystkich macierzy unitarnych i .
Najbardziej znane przypadki to p = 1, 2, ∞. Przypadek p = 2 daje wprowadzoną wcześniej normę Frobeniusa. Przypadek p = ∞ daje normę widmową, która jest normą operatora indukowaną przez wektor 2-norm (patrz wyżej). Wreszcie, p = 1 daje normę jądrową (znaną również jako norma śladowa lub norma Ky Fan 'n'), zdefiniowaną jako
gdzie oznacza dodatnią półokreśloną macierz taką, że . Dokładniej, ponieważ jest dodatnią półokreśloną macierzą , jej pierwiastek kwadratowy jest dobrze zdefiniowany. Norma jądrowa jest wypukłą obwiednią funkcji rang , dlatego jest często wykorzystywana w optymalizacji matematycznej do wyszukiwania macierzy niskich rang.
Normy monotonne
Norma macierzowa nazywana jest monotoniczną, jeśli jest monotoniczna względem rzędu Loewnera . Zatem norma macierzowa rośnie, jeśli
Norma Frobeniusa i norma spektralna są przykładami norm monotonicznych.
Normy cięcia
Innym źródłem inspiracji norm matrycy, jeżeli uzna się matrycę jako matrycy przylegania z ważonego , skierowanej wykresie . Tak zwana „norma cięcia” mierzy, jak blisko powiązany wykres jest dwuczęściowy :
gdzie ∈ K m x n . Równoważne definicje (do stałego współczynnika) nakładają warunki 2| S |> n & 2| T |> m , S = T lub S ∩ T =∅ .
Norma odcięcia jest równoważna indukowanej normie operatora ‖·‖ ∞→1 , która sama jest równoważna innej normie, zwanej normą Grothendiecka .
Aby zdefiniować normę Grothendiecka, najpierw zauważ, że operator liniowy K 1 → K 1 jest po prostu skalarem, a zatem rozciąga się na operator liniowy na dowolnym K k → K k . Ponadto, mając dowolny wybór bazy dla K n i K m , każdy operator liniowy K n → K m rozszerza się na operator liniowy ( K k ) n → ( K k ) m , pozwalając każdemu elementowi macierzy na elementach K k przez mnożenie przez skalar. Norma Grothendiecka jest normą tego rozszerzonego operatora; w symbolach:
Norma Grothendiecka zależy od wyboru podstawy (zazwyczaj uważanej za podstawę standardową ) i k .
Równoważność norm
Dla dowolnych dwóch norm macierzowych i , mamy to:
dla niektórych liczb dodatnich r i s , dla wszystkich macierzy . Innymi słowy, wszystkie normy dotyczące są równoważne ; wywołują tę samą topologię na . Dzieje się tak, ponieważ przestrzeń wektorowa ma wymiar skończony .
Co więcej, dla każdej normy wektorowej na , istnieje unikalna dodatnia liczba rzeczywista, taka jak norma macierzy submultiplikatywnej dla każdego .
O normie macierzy submultiplikatywnej mówi się, że jest minimalna , jeśli nie istnieje żadna inna norma macierzy submultiplikatywnej spełniająca wymagania .
Przykłady równoważności norm
Niech znowu odnosi się do norm indukowaną przez wektor p -norm (jak powyżej w punkcie indukowanej Norm).
Dla macierzy o randze , posiadać następujące nierówności:
Inną użyteczną nierównością między normami macierzowymi jest:
co jest szczególnym przypadkiem nierówności Höldera .
Zobacz też
Uwagi
Bibliografia
Bibliografia
-
James W. Demmel , Applied Numerical Linear Algebra, rozdział 1.7, opublikowana przez SIAM, 1997.
- Carl D. Meyer, Matrix Analysis and Applied Linear Algebra, opublikowana przez SIAM, 2000. [1]
-
John Watrous , Teoria informacji kwantowej, 2.3 Normy operatorów , notatki z wykładów, University of Waterloo, 2011.
-
Kendall Atkinson , Wprowadzenie do analizy numerycznej, opublikowane przez John Wiley & Sons, Inc 1989