反復的な行列代数では、ベクトルや行列の「大きさ」を正確に測定するための厳密な数学的枠組みが必要です。これらの指標により、近似解が真の解に近づいているかどうかを判断できます。ベクトルおよび行列のノルムは、高次元配列を非負の実数にマッピングし、誤差を制限し収束を保証する特定の代数的性質を維持します。
ノルムの公理的基盤
定義 7.1:ベクトルノルム
$\mathbb{R}^n$ 上のベクトルノルム $\|\cdot\|$ は以下の4つの条件を満たす必要があります:
- 非負性: $\|\mathbf{x}\| \geq 0$
- 定義性: $\|\mathbf{x}\| = 0 \iff \mathbf{x} = \mathbf{0}$
- 絶対斉次性: $\|\alpha \mathbf{x}\| = |\alpha| \|\mathbf{x}\|$
- 三角不等式: $\|\mathbf{x} + \mathbf{y}\| \leq \|\mathbf{x}\| + \|\mathbf{y}\|$
主要な尺度:$l_2$ と $l_\infty$
定義 7.2によると、 定義 7.2数値解析において最も重要なノルムは次の通りです:
- ユークリッドノルム($l_2$): $\|\mathbf{x}\|_2 = \{ \sum_{i=1}^n x_i^2 \}^{1/2}$。幾何学的には原点からの最短距離です。
- 最大ノルム($l_\infty$): $\|\mathbf{x}\|_\infty = \max_{1 \leq i \leq n} |x_i|$。これは単一の最大成分の大きさを捉えます。
これらの定義により、正確な解 $\mathbf{x}$ と近似解 $\mathbf{y}$ の間の距離を $\|\mathbf{x} - \mathbf{y}\|$(定義 7.4)として定義できます。
行列ノルムと誘導された拡大
行列ノルムは第5の「部分乗法性」の性質(定義 7.8)を追加します:$\|A B\| \leq \|A\|\|B\|$。
定理 7.11:最大行和
$n \times n$ 行列 $A$ に対して、自然な $l_\infty$ ノルムは各行の絶対値の和の最大値として計算されます:
$$\|A\|_{\infty} = \max_{1 \leq i \leq n} \sum_{j=1}^{n} |a_{ij}|$$
実例:ベクトルと行列の計算
$\mathbf{x} = (-1, 1, -2)^t$ および $A = \begin{bmatrix} 1 & 2 & -1 \\ 0 & 3 & -1 \\ 5 & -1 & 1 \end{bmatrix}$ を考えます。
ベクトルノルム
$\|\mathbf{x}\|_\infty = \max(|-1|, |1|, |-2|) = 2$。$\|\mathbf{x}\|_2 = \sqrt{(-1)^2 + (1)^2 + (-2)^2} = \sqrt{6} \approx 2.449$。
行列の $l_\infty$ ノルム
行1:$|1|+|2|+|-1|=4$行2:$|0|+|3|+|-1|=4$
行3:$|5|+|-1|+|1|=7$
結果:$\|A\|_\infty = 7$。
🎯 核心原則
ノルムによって大きさの「形状」が異なるものの、 定理 7.7 等価性が保証されています:$l_\infty$ ノルムでの収束は $l_2$ ノルムでの収束を意味し、逆もまた然りです。
$\|\mathbf{x}\|_\infty \leq \|\mathbf{x}\|_2 \leq \sqrt{n}\|\mathbf{x}\|_\infty$