最大奇异值:在线性代数中,指矩阵 (A) 的所有奇异值里最大的那个,常记为 (\sigma_{\max}(A)) 或 (\sigma_1)。它等于矩阵的算子2-范数(spectral norm): [ \sigma_{\max}(A)=|A|2=\sqrt{\lambda{\max}(A^\mathsf{T}A)} ] 直观上,它衡量矩阵对向量“最长能拉伸到多大”。
/ˈlɑːrdʒɪst ˈsɪŋɡjələr ˈvæljuː/
The largest singular value tells you how much the matrix can stretch a vector.
最大奇异值告诉你这个矩阵最多能把一个向量拉伸到多大。
In optimization, the step size is often chosen using the largest singular value of the Hessian (or data matrix) to ensure convergence.
在优化中,步长常常会参考海森矩阵(或数据矩阵)的最大奇异值来选取,以保证收敛。
singular value(奇异值)来自singular(“奇异的/特殊的”)与 value(“数值”)。该术语与奇异值分解(SVD)密切相关:最初用于描述矩阵在正交变换下被“对角化”为一组非负伸缩量,其中最大的伸缩量就是 largest singular value。