算子范数 是数学 中泛函分析 里的概念。算子范数衡量的是线性映射 或线性算子 的“大小”,通常指的是两个赋范向量空间 之间的有界线性映射 所构成的空间的范数。
简介与定义
给定两个赋范向量空间E 和F ,假定它们的系数域相同(一般是实数 域
R
{\displaystyle \mathbb {R} }
或复数 域
C
{\displaystyle \mathbb {C} }
)。从E 到F 的一个线性映射A 是连续的当且仅当存在常数c > 0 使得:
∀
u
∈
E
,
‖
A
(
u
)
‖
F
⩽
c
⋅
‖
u
‖
E
.
{\displaystyle \forall u\in E,\;\;\|A(u)\|_{F}\leqslant c\cdot \|u\|_{E}.}
其中的
‖
⋅
‖
E
{\displaystyle \|\cdot \|_{E}}
和
‖
⋅
‖
F
{\displaystyle \|\cdot \|_{F}}
分别是空间E 和F 上装备的范数。这个定义说明,连续线性映射将一个E 里面的向量映射到F 中时,其“长度”的改变不会超过c 倍。常数c 是对线性映射A 的“效果”的一个上界估计。所以,有界的集合经过连续映射后的像仍然会是有界集合。因为这一点,连续线性映射也被称作有界算子。而为了“精确计算”线性映射的“大小”,会引进算子范数的定义。有界线性算子的范数是能够作为上界估计的c 所有常数中“最小”的一个:
‖
A
‖
o
p
=
inf
{
c
;
‖
A
(
u
)
‖
F
⩽
c
⋅
‖
u
‖
E
,
∀
u
∈
E
}
.
{\displaystyle \|A\|_{op}=\inf\{c\;;\;\;\|A(u)\|_{F}\leqslant c\cdot \|u\|_{E},\;\;\forall u\in E\}.}
其中的
inf
{\displaystyle \inf }
指下确界 。由于实数 集合
{
c
;
‖
A
(
u
)
‖
F
⩽
c
⋅
‖
u
‖
E
∀
u
∈
E
}
{\displaystyle \{c;\;\;\|A(u)\|_{F}\leqslant c\cdot \|u\|_{E}\;\forall u\in E\}}
是有下界的闭集 ,定义中的下确界
inf
{\displaystyle \inf }
可以改成“最小元素”:
min
{\displaystyle \min }
。
当F 是E 的系数域时,从E 到F 的连续线性映射被称为连续线性泛函。连续线性泛函构成的空间被称为从E 的对偶空间 ,而连续线性泛函的算子范数被称为对偶范数 。对偶空间在对偶范数下是一个巴拿赫空间 。
例子
考虑两个装备了正则欧几里德范数的欧几里德空间:
R
n
{\displaystyle \mathbb {R} ^{n}}
和
R
m
{\displaystyle \mathbb {R} ^{m}}
,其中
n
,
m
{\displaystyle n,m}
都是正整数。从
R
n
{\displaystyle \mathbb {R} ^{n}}
映射到
R
m
{\displaystyle \mathbb {R} ^{m}}
的有界线性算子(线性映射)都可以用
n
×
m
{\displaystyle n\times m}
的矩阵 来表示。所以这些算子构成的空间实际上是矩阵空间:
M
n
,
m
(
R
)
{\displaystyle {\mathcal {M}}_{n,m}(\mathbb {R} )}
,而对应的算子范数也称为矩阵范数 。假设某个线性映射对应的矩阵是
A
{\displaystyle A}
,那么它的矩阵范数是
A
∗
A
{\displaystyle A^{*}A}
的最大特征值 的平方根 ,或者说是
A
{\displaystyle A}
的最大的奇异值 。
对于无限维的赋范空间,常见的例子有平方可加序列空间
ℓ
2
{\displaystyle \ell ^{2}}
。其定义为:
ℓ
2
=
{
(
a
n
)
n
∈
N
;
a
n
∈
C
,
∑
n
|
a
n
|
2
<
∞
}
.
{\displaystyle \ell ^{2}=\{(a_{n})_{n\in \mathbb {N} };\;\;a_{n}\in \mathbb {C} ,\;\sum _{n}|a_{n}|^{2}<\infty \}.}
给定一个有界数列
s
=
(
s
n
)
n
∈
N
∈
ℓ
∞
{\displaystyle s=(s_{n})_{n\in \mathbb {N} }\in \ell ^{\infty }}
,考虑从
ℓ
2
{\displaystyle \ell ^{2}}
到自身的线性算子
T
s
{\displaystyle T_{s}}
:
∀
a
=
(
a
n
)
n
∈
N
∈
ℓ
2
,
T
(
a
)
=
(
s
n
⋅
a
n
)
n
∈
N
.
{\displaystyle \forall a=(a_{n})_{n\in \mathbb {N} }\in \ell ^{2},\;\;T(a)=(s_{n}\cdot a_{n})_{n\in \mathbb {N} }.}
由于
s
{\displaystyle s}
是有界序列,其范数
‖
s
‖
∞
=
sup
{
|
s
n
|
;
n
∈
N
}
<
+
∞
{\displaystyle \|s\|_{\infty }=\sup\{|s_{n}|;\;\;n\in \mathbb {N} \}<+\infty }
,所以
‖
T
s
(
a
)
‖
2
⩽
‖
s
‖
∞
‖
a
‖
2
{\displaystyle \|T_{s}(a)\|_{2}\leqslant \|s\|_{\infty }\|a\|_{2}}
。
T
{\displaystyle T}
是连续线性算子(有界算子)。而
T
s
{\displaystyle T_{s}}
的算子范数:
‖
T
s
‖
o
p
=
‖
s
‖
∞
.
{\displaystyle \|T_{s}\|_{op}=\|s\|_{\infty }.}
类似的例子还有
L
p
{\displaystyle L^{p}}
空间 之间的映射。例如考虑平方可积函数的空间
L
2
(
R
)
{\displaystyle L^{2}(\mathbb {R} )}
,设有从
L
2
(
R
)
{\displaystyle L^{2}(\mathbb {R} )}
映射到
L
2
(
R
)
{\displaystyle L^{2}(\mathbb {R} )}
的线性算子
T
f
{\displaystyle T_{f}}
:
∀
φ
∈
L
2
(
R
)
,
(
T
f
(
φ
)
)
(
t
)
=
f
(
t
)
ϕ
(
t
)
.
{\displaystyle \forall \varphi \in L^{2}(\mathbb {R} ),\;\;(T_{f}(\varphi ))(t)=f(t)\phi (t).}
其中f 为给定的有界函数。则
T
f
{\displaystyle T_{f}}
是连续线性算子,其算子范数为:
‖
T
f
‖
o
p
=
‖
f
‖
∞
.
{\displaystyle \|T_{f}\|_{op}=\|f\|_{\infty }.}
等价定义
线性算子A 的算子范数除了定义为
‖
A
‖
o
p
=
inf
{
c
;
‖
A
(
u
)
‖
F
⩽
c
⋅
‖
u
‖
E
∀
u
∈
E
}
.
{\displaystyle \|A\|_{op}=\inf\{c;\;\;\|A(u)\|_{F}\leqslant c\cdot \|u\|_{E}\;\forall u\in E\}.}
以外,还可以用以下等价的方式定义[ 1] :97 :
A 的算子范数是A 在单位闭球上取值的上确界:
‖
A
‖
o
p
=
sup
{
‖
A
(
u
)
‖
F
;
u
∈
E
,
‖
u
‖
E
≤
1
}
,
{\displaystyle \|A\|_{op}=\sup\{\|A(u)\|_{F};\;\;u\in E,\;\;\|u\|_{E}\leq 1\},}
A 的算子范数是A 在单位开球上取值的上确界:
‖
A
‖
o
p
=
sup
{
‖
A
(
u
)
‖
F
;
u
∈
E
,
‖
u
‖
E
<
1
}
,
{\displaystyle \|A\|_{op}=\sup\{\|A(u)\|_{F};\;\;u\in E,\;\;\|u\|_{E}<1\},}
A 的算子范数是A 在单位球面上取值的上确界:
‖
A
‖
o
p
=
sup
{
‖
A
(
u
)
‖
F
;
u
∈
E
,
‖
u
‖
E
=
1
}
,
{\displaystyle \|A\|_{op}=\sup\{\|A(u)\|_{F};\;\;u\in E,\;\;\|u\|_{E}=1\},}
A 的算子范数是A 在E 中非零元素上取值和元素范数之比的上确界:
‖
A
‖
o
p
=
sup
{
‖
A
(
u
)
‖
F
‖
u
‖
E
;
u
∈
E
,
u
≠
0
}
.
{\displaystyle \|A\|_{op}=\sup\{{\frac {\|A(u)\|_{F}}{\|u\|_{E}}};\;\;u\in E,\;\;u\neq 0\}.}
性质
算子范数是所有从E 到F 的有界线性算子构成的空间上的范数,因此满足范数的基本性质:
正定性:
‖
A
‖
o
p
⩾
0
{\displaystyle \|A\|_{op}\geqslant 0}
,并且
‖
A
‖
o
p
=
0
{\displaystyle \|A\|_{op}=0}
当且仅当
A
=
0.
{\displaystyle A=0.}
线性性:
∀
a
∈
K
,
‖
a
A
‖
o
p
=
|
a
|
‖
A
‖
o
p
.
{\displaystyle \forall a\in \mathbb {K} ,\;\;\|aA\|_{op}=|a|\|A\|_{op}.}
次可加性:
‖
A
+
B
‖
o
p
⩽
‖
A
‖
o
p
+
‖
B
‖
o
p
.
{\displaystyle \|A+B\|_{op}\leqslant \|A\|_{op}+\|B\|_{op}.}
[ 1] :98
此外,由算子范数的定义可推出以下不等式:
∀
u
∈
E
,
‖
A
(
u
)
‖
F
⩽
‖
A
‖
o
p
‖
u
‖
E
.
{\displaystyle \forall u\in E,\;\;\|A(u)\|_{F}\leqslant \|A\|_{op}\|u\|_{E}.}
[ 1] :97
有界算子复合后的算子范数仍然存在。假设有从E 到F 的有界线性算子A 以及从F 到G 的有界线性算子B ,那么复合算子B
∘
{\displaystyle \circ }
A 也是从E 到G 的有界线性算子,其算子范数满足不等式:
‖
B
∘
A
‖
o
p
⩽
‖
B
‖
o
p
‖
A
‖
o
p
.
{\displaystyle \|B\circ A\|_{op}\leqslant \|B\|_{op}\|A\|_{op}.}
[ 1] :98
例如当A 是E 到自身的有界线性算子时,有:
‖
A
(
n
)
‖
o
p
⩽
‖
A
‖
o
p
n
.
{\displaystyle \|A^{(n)}\|_{op}\leqslant \|A\|_{op}^{n}.}
如果F 是完备空间 ,那么从E 到F 的有界线性算子构成的空间,在装备了算子范数下是完备的空间。[ 1] :98
参见
参考来源
^ 1.0 1.1 1.2 1.3 1.4 A. N. Kolmogorov, S. V. Fomin 著 Leo F. Boron 译. Elements of the Theory of Functions and Functional Analysis Volume I: Metric and Normed Spaces. New York: Ghaylock Press. 1957 (英语) .