复习–范数

  • 范数
    • 范数和赋范矢量空间的认识
    • 范数赋范矢量空间的数学定义
    • 向量范数的数学定义
    • 矩阵范数的数学定义
    • 函数范数的数学定义
    • 例子:

范数

范数和赋范矢量空间的认识

范数是一个具有“长度”概念的函数。在线性代数、范函分析及相关的数学领域里,范数是一个函数,是矢量空间内的所有矢量赋予非零的正长度或大小。定义范数的矢量空间就是赋范矢量空间。

范数赋范矢量空间的数学定义

f∈S若存在唯一实数∥⋅∥f \in S 若存在唯一实数 \lVert \cdot \rVert fS若存在唯一实数满足

  1. 正定性: f ≥ 0 , 当且仅当 f = 0 , ∥ f ∥ = 0f \geq 0 ,当且仅当 f = 0, \lVert f \rVert = 0f0,当且仅当f=0f=0
  2. 其次性: ∀ a ∈ R , ∥ a f ∥ = ∣ a ∣ ⋅ ∥ f ∥\forall a \in R ,\lVert a f \rVert = \lvert a \rvert \cdot \lVert f \rVertaRaf=af
  3. 三角不等式: ∥ f + g ∥ ≤ ∥ f ∥ + ∥ g ∥ , f , g ∈ S\lVert f + g \rVert \leq \lVert f \rVert + \lVert g \rVert , f,g \in Sf+gf+gf,gS
    则称 ∥ ⋅ ∥ ,是线性空间 S 上的范数,线性空间 S 则称为赋范线性空间。则称\lVert \cdot \rVert,是线性空间 S 上的范数,线性空间 S 则称为赋范线性空间。则称,是线性空间S上的范数,线性空间S则称为赋范线性空间。

向量范数的数学定义

R n空间的向量范数∥⋅∥指的是一个 R n→R的函数,对任意的x,y∈ R n满足下列条件R^n 空间的向量范数 \lVert \cdot \rVert 指的是一个 R^n \to R 的函数,对任意的 x, y \in R^n 满足下列条件 Rn空间的向量范数指的是一个RnR的函数,对任意的x,yRn满足下列条件

  1. ∥ x ∥ ≥ 0 , ∥ x ∥ = 0 当且仅当 x = 0 (正定性)\lVert x \rVert \geq 0, \lVert x \rVert = 0 当且仅当 x = 0(正定性)x0,x=0当且仅当x=0(正定性)
  2. ∥ a x ∥ = ∣ a ∣ ⋅ ∥ x ∥ , ∀ a ∈ R (其次性)\lVert a x \rVert = \lvert a \rvert \cdot \lVert x \rVert,\forall a \in R (其次性)ax=axaR(其次性)
  3. ∥ x + y ∥ ≤ ∥ x ∥ + ∥ y ∥ (三角不等式)\lVert x + y \rVert \leq \lVert x \rVert + \lVert y \rVert (三角不等式)x+yx+y(三角不等式)

集中常见的向量范数

  1. 向量的 ∞ − 范数: ∥ x ∥∞=max ⁡ 1 ≤ i ≤ n∣ x i∣ 向量的\infty-范数:\lVert x \rVert_\infty = \operatorname*{max}_{1 \leq i \leq n}{\lvert x_i \rvert}向量的范数:x=1inmaxxi
  2. 向量的 1 − 范数: ∥ x ∥i= ∑ i = 1n∣ x i∣ 向量的1- 范数:\lVert x \rVert_i = \sum_{i=1}^{n}{\lvert x_i \rvert}向量的1范数:xi=i=1nxi
  3. 向量的 2 − 范数: ∥ x ∥2= ( ∑ i = 1nx2) 1 2 向量的2- 范数:\lVert x \rVert_2 = (\sum_{i=1}^{n}{x^2})^{\frac{1}{2}}向量的2范数:x2=(i=1nx2)21
  4. 向量的 p − 范数: ∥ x ∥p= ( ∑ i = 1n∣x ∣ p) 1 p 向量的p- 范数:\lVert x \rVert_p = (\sum_{i=1}^{n}{\lvert x \rvert^p})^{\frac{1}{p}}向量的p范数:xp=(i=1nxp)p1

矩阵范数的数学定义

如果矩阵A∈ R m×n 的某个非负的实值函数∥⋅∥满足:如果矩阵 A \in R^{m \times n} 的某个非负的实值函数\lVert \cdot \rVert 满足: 如果矩阵ARm×n的某个非负的实值函数满足:

  1. 正定性: ∥ A ∥ ≥ 0 , ∥ A ∥ = 0 但且仅当 A = O\lVert A \rVert \geq 0, \lVert A \rVert = 0但且仅当 A = OA0,A=0但且仅当A=O
  2. 其次性: ∥ a A ∥ = ∣ a ∣ ⋅ ∥ A ∥ ,对任意的 a ∈ R\lVert a A \rVert = \lvert a \rvert \cdot \lVert A \rVert,对任意的a \in RaA=aA,对任意的aR
  3. 三角不等式: ∥ A + B ∥ ≤ ∥ A ∥ + ∥ B ∥\lVert A + B \rVert \leq \lVert A \rVert + \lVert B \rVertA+BA+B
  4. 相容性: ∥ A B ∥ ≤ ∥ A ∥ ∥ B ∥\lVert A B \rVert \leq \lVert A \rVert \lVert B \rVertABAB
    则称 ∥ ⋅ ∥ 是一个矩阵范数则称\lVert \cdot \rVert 是一个矩阵范数则称是一个矩阵范数

函数范数的数学定义

在连续函数空间C[a,b]中范数的定义为:在连续函数空间C[a, b]中范数的定义为: 在连续函数空间C[a,b]中范数的定义为:
在函数空间C[a,b]中,f∈C[a,b],若存在唯一实数∥⋅∥满足:在函数空间C[a, b] 中, f \in C[a, b],若存在唯一实数\lVert \cdot \rVert 满足: 在函数空间C[a,b]中,fC[a,b],若存在唯一实数满足:

  1. 正定性: ∥ f ∥ ≥ 0 ,当且仅当 f = 0 时, ∥ f ∥ = 0\lVert f \rVert \geq 0,当且仅当 f = 0时,\lVert f \rVert = 0f0,当且仅当f=0时,f=0
  2. 其次性: ∀ a ∈ R , ∥ a f ∥ = ∣ a ∣ ⋅ ∥ f ∥\forall a \in R, \lVert a f \rVert = \lvert a \rvert \cdot \lVert f \rVertaRaf=af
  3. 三角不等式: ∥ f + g ∥ ≤ ∥ f ∥ ⋅ ∥ g ∥ , f , g ∈ C [ a , b ]\lVert f + g \rVert \leq \lVert f \rVert \cdot \lVert g \rVert,f,g \in C[a, b]f+gfgf,gC[a,b]

常见的函数范数:

  1. 函数的 ∞ − 范数: ∥ f ∥∞=max ⁡ a < x < b∣f(x)∣ 函数的\infty – 范数:\lVert f \rVert_\infty = \operatorname*{max}_{a < x <b}{\lvert f(x) \rvert}函数的范数:f=a<x<bmaxf(x)∣
  2. 函数的 1 − 范数: ∥ f ∥1= ∫ab∣f(x)∣   dx 函数的1 – 范数: \lVert f \rVert_1 = \int_{a}^{b}{\lvert f(x) \rvert \,{\rm d}x}函数的1范数:f1=abf(x)∣dx
  3. 函数的 2 − 范数: ∥ f ∥2= ∣ ∫ab f 2(x)   dx∣ 1 2 函数的2 – 范数:\lVert f \rVert_2 = \lvert \int_{a}^{b}{ f^2(x) \,{\rm d}x} \rvert^{\frac{1}{2}}函数的2范数:f2=abf2(x)dx21

例子: