正交矩阵相乘,范数不变性
2016-08-17 11:07
3811 查看
记录矩阵F范数、2范数与正交矩阵相乘的范数不变性,有些地方也叫做保范性。首先明确一下正交矩阵A'A=AA'=I
先看矩阵的2范数,
即矩阵A的2范数定义为A最大的奇异值。对A做奇异值分解,不妨记作A=USV',其中U、V为正交矩阵,则在A的两边分别乘以正交矩阵不影响其奇异值,比如说,在A的左边乘以正交矩阵P有PA=PUSV‘,注意到PU乘积仍然为正交矩阵,原因在于(PU)'(PU)=U'P'PU=U'(P'P)U=U'U=I=(PU)(PU)',也就是说当前的(PU)SV'是PA的奇异值分解,且与A有相同的奇异值矩阵S,所以说PA的2范数与A的2范数相同。而对于F范数,其定义如下:
既然前面得出了奇异值不变的结论,显然F范数也不变。上述内容为矩阵的F范数、2范数的正交保范性。下面对向量的2范数做一个类似的讨论。
向量的2范数为向量元素平方和开根号,证明2范数的不变性与证明元素平方和的不变性等价。方便起见,记向量为a,与正交矩阵相乘得到新向量Aa。向量元素平方和可以表示成a'a,与正交矩阵相乘后的结果为(Aa)'(Aa)=a'A'Aa=a'a,因此可得正交矩阵与向量相乘不改变向量的2范数。
总结起来说就是正交变换不改变矩阵的F范数、2范数,不改变向量的2范数。
先看矩阵的2范数,
即矩阵A的2范数定义为A最大的奇异值。对A做奇异值分解,不妨记作A=USV',其中U、V为正交矩阵,则在A的两边分别乘以正交矩阵不影响其奇异值,比如说,在A的左边乘以正交矩阵P有PA=PUSV‘,注意到PU乘积仍然为正交矩阵,原因在于(PU)'(PU)=U'P'PU=U'(P'P)U=U'U=I=(PU)(PU)',也就是说当前的(PU)SV'是PA的奇异值分解,且与A有相同的奇异值矩阵S,所以说PA的2范数与A的2范数相同。而对于F范数,其定义如下:
既然前面得出了奇异值不变的结论,显然F范数也不变。上述内容为矩阵的F范数、2范数的正交保范性。下面对向量的2范数做一个类似的讨论。
向量的2范数为向量元素平方和开根号,证明2范数的不变性与证明元素平方和的不变性等价。方便起见,记向量为a,与正交矩阵相乘得到新向量Aa。向量元素平方和可以表示成a'a,与正交矩阵相乘后的结果为(Aa)'(Aa)=a'A'Aa=a'a,因此可得正交矩阵与向量相乘不改变向量的2范数。
总结起来说就是正交变换不改变矩阵的F范数、2范数,不改变向量的2范数。
相关文章推荐
- 二维矩阵实现矩阵相乘
- [opencv] 将摄像头图像做镜像变换(split, merge, 矩阵相乘)
- 实现稀疏矩阵相乘C/C++
- 行逻辑链接的顺序表实现稀疏矩阵的相乘(Java语言描述)
- [算法] 矩阵相乘
- Deep learning:二十七(Sparse coding中关于矩阵的范数求导)
- 特斯拉森算法快速矩阵相乘算法
- 【CUDA并行编程之四】矩阵相乘
- 006 矩阵相乘
- 一维数组表示矩阵相乘
- [随机化 矩阵乘法] BZOJ 2396 神奇的矩阵 & 51Nod 1140 矩阵相乘结果的判断 & POJ 3318 Matrix Multiplication
- cuda编程入门示例19---矩阵相乘
- 论文中常用的一些矩阵求导公式和二阶范数公式
- CUDA范例精解通用GPU架构-(2)其实写个矩阵相乘并不是那么难
- Tr A hdu 1575 二分法矩阵相乘的高次幂
- dp方法论——由矩阵相乘问题学习dp解题思路
- 矩阵相乘
- OC实现两个矩阵相乘
- 稀疏矩阵相乘——三元组稀疏矩阵
- ZED Board从入门到精通系列(八)——Vivado HLS实现矩阵相乘