算子范数

Operator Norm) 算子范数 (Operator Norm

基本定义

定义

设 $X$ 和 $Y$ 是赋范线性空间，有界算子 $T:X\to Y$ 的算子范数定义为：

等价定义：

直观理解

算子范数衡量算子 $T$ 放大向量的最大倍数：

从几何上看：

• $T$ 将单位球 $\{x:\parallel x\parallel \le 1\}$ 映射为 $\{Tx:\parallel x\parallel \le 1\}$
• $\parallel T\parallel$ 是像集中的点到原点的最大距离

等价刻画

最优常数刻画

这是所有可能的控制常数中的最小者。

对偶范数刻画

通过对偶空间：

其中 $\parallel f{\parallel }_{\ast }$ 是对偶范数。

基本性质

1. 次乘性 (Submultiplicativity)

设 $T\in \mathcal{B}(X,Y)$，$S\in \mathcal{B}(Y,Z)$，则：

证明：

因此 $\parallel ST\parallel \le \parallel S\parallel \parallel T\parallel$。

推论：$\parallel T^n\parallel \le \parallel T{\parallel }^n$

2. 三角不等式

3. 齐次性

4. 单位算子

对于单位算子 $I:X\to X$：

5. 嵌入性质

若 $T\in \mathcal{B}(X,Y)$ 且 $X\ne \{0\}$，则：

具体例子

1. 矩阵范数

诱导范数 (Induced Norm)

对于矩阵 $A\in {\mathbb{C}}^{m\times n}$，不同向量范数诱导不同的算子范数：

${\ell }^1$ 范数（最大列和）：

${\ell }^{\mathrm{\infty }}$ 范数（最大行和）：

${\ell }^2$ 范数（谱范数）：

其中 ${\sigma }_{max}(A)$ 是 $A$ 的最大奇异值。

Frobenius范数（非诱导范数）：

注意：$\parallel A{\parallel }_2\le \parallel A{\parallel }_F\le \sqrt{n}\parallel A{\parallel }_2$

2. 积分算子范数

在 $L^2[a,b]$ 上，考虑Fredholm积分算子：

Hilbert-Schmidt范数

若核函数 $K\in L^2([a,b]\times [a,b])$：

关系：$\parallel K{\parallel }_{\text{op}}\le \parallel K{\parallel }_{\text{HS}}$

特殊情况：对称核

若 $K(t,s)=\overline{K(s,t)}$，则：

3. 乘法算子范数

在 $L^2(\mathrm{\Omega })$ 上，$(M_{\varphi }f)(x)=\varphi (x)f(x)$，其中 $\varphi \in L^{\mathrm{\infty }}(\mathrm{\Omega })$：

证明思路：

• $\parallel M_{\varphi }f{\parallel }_2^2=\int |\varphi (x)f(x){|}^{2}dx\le \parallel \varphi {\parallel }_{\mathrm{\infty }}^2\parallel f{\parallel }_2^2$
• 构造逼近序列证明等号可达

4. 微分算子（无界！）

虽然微分算子 $D$ 无界，但在特殊范数下可以估计：

例子：在 $C^1[0,1]$ 上使用范数 $\parallel f\parallel =\parallel f{\parallel }_{\mathrm{\infty }}+\parallel f^{\prime }{\parallel }_{\mathrm{\infty }}$：

因此 $\parallel D\parallel \le 1$（但这是在不同范数下！）。

5. 移位算子

在 ${\ell }^2(\mathbb{N})$ 上的右移位算子 $S$：

• 等距算子：$\parallel Sx{\parallel }_2=\parallel x{\parallel }_2$
• 因此 $\parallel S\parallel =1$

范数等价性

不同范数下的算子范数

对于有限维空间，所有范数等价，但算子范数数值可能不同。

例子：矩阵 $A=\left(\begin{array}{cc}1& 2\\ 3& 4\end{array}\right)$

重要定理

1. 算子范数的连续性

定理：映射 $T\mapsto \parallel T\parallel$ 是 $\mathcal{B}(X,Y)$ 上的连续函数。

证明：利用三角不等式：

2. Banach空间结构

定理：若 $Y$ 是Banach空间，则 $(\mathcal{B}(X,Y),\parallel \cdot \parallel )$ 是Banach空间。

3. 紧性与算子范数

对于紧算子序列 $\{T_n\}$，若 $T_n\to T$ 按算子范数收敛，则 $T$ 也是紧算子。

应用

1. 条件数分析

对于可逆算子 $T$，条件数定义为：

衡量数值求解的稳定性：

• $\kappa (T)$ 小：问题适定
• $\kappa (T)$ 大：病态问题

2. 迭代法收敛性

对于不动点迭代 $x_{n+1}=T{x}_n$：

• 若 $\parallel T\parallel <1$，则迭代收敛
• 收敛速度与 $\parallel T\parallel$ 相关

3. 微分方程稳定性

考虑演化方程 $\frac{du}{dt}=Au$：

• 若 $\parallel e^{tA}\parallel \le C{e}^{\omega t}$，则系统稳定
• $\parallel A\parallel$ 控制短时行为

4. 谱半径公式

将算子范数与谱理论联系起来。

计算技巧

1. 利用对偶性

2. 利用特征值（自伴算子）

对于自伴算子 $T$：

3. 利用奇异值（矩阵）

4. 利用不等式估计

• $\parallel ST\parallel \le \parallel S\parallel \parallel T\parallel$
• 对于正算子，可用单调性

与其他概念的关系

• 有界算子：算子范数是衡量有界算子的标准
• 线性算子：只有有界线性算子才有有限算子范数
• 紧算子：紧算子可以用有限秩算子按算子范数逼近
• 对偶空间：对偶范数与算子范数的关系
• 伴随算子：$\parallel T^{\ast }\parallel =\parallel T\parallel$

重要不等式总结

参考书目

1. Horn, R. A., & Johnson, C. R. (2012). Matrix Analysis (2nd ed.). Cambridge University Press.
2. Kreyszig, E. (1978). Introductory Functional Analysis with Applications. Wiley.
3. Reed, M., & Simon, B. (1980). Methods of Modern Mathematical Physics, Vol. 1: Functional Analysis. Academic Press.
4. Bhatia, R. (1997). Matrix Analysis. Springer.

关键词：算子范数、诱导范数、次乘性、条件数、矩阵范数、谱范数、Hilbert-Schmidt范数