诱导范数(也称从属范数/下属范数):在线性代数与泛函分析中,由某个向量范数在线性算子或矩阵上“诱导”出来的范数。对矩阵 (A) 而言,诱导范数通常定义为
[
|A|=\max_{x\neq 0}\frac{|Ax|}{|x|}
]
直观上表示:矩阵 (A) 对向量长度(按所选向量范数度量)的最大放大倍数。常见特例包括由 (\ell_2) 向量范数诱导的 spectral norm(谱范数)。
/ɪnˈdjuːst nɔːrm/
The induced norm of a matrix measures how much it can stretch a vector.
矩阵的诱导范数衡量它能把向量“拉伸”到多大程度。
Using the induced norm (|A|=\max_{x\ne 0}|Ax|/|x|), we can bound the error growth in an iterative algorithm.
利用诱导范数 (|A|=\max_{x\ne 0}|Ax|/|x|),我们可以给出迭代算法中误差增长的上界。
induced 来自拉丁语 inducere(引入、导致),在数学里常指“由已有结构自然导出/定义”。norm 来自拉丁语 norma(木匠用的直角尺、准则),后来引申为“标准、尺度”,在数学中表示“长度/大小的度量”。因此 induced norm 字面即“由某种度量规则导出的范数”。