Frobenius 范数

Frobenius 范数是一种矩阵范数，定义为矩阵所有元素的平方和再开平方根。

定义

对于 $m\times n$ 矩阵 $A$：

$\Vert A{\Vert }_F=\sqrt{{\sum }_{i=1}^m{\sum }_{j=1}^n|a_{ij}{|}^2}=\sqrt{\text{tr}(A^{H}A)}$

其中 $\text{tr}$ 为迹运算，$A^H$ 为共轭转置。

直觉理解

把矩阵”拉平”成一个长向量，Frobenius 范数就是这个向量的欧几里得范数（L2 范数）。它反映了矩阵中所有元素的总体量级。

性质

• 满足范数的三条公理（正定性、齐次性、三角不等式）
• 与奇异值的关系：$\Vert A{\Vert }_F=\sqrt{{\sigma }_1^2+{\sigma }_2^2+\cdots +{\sigma }_r^2}$
• 酉不变性：$\Vert UAV{\Vert }_F=\Vert A{\Vert }_F$（$U$、$V$ 为酉矩阵）

常见应用

• 低秩近似：Eckart-Young 定理用 Frobenius 范数衡量截断 SVD 的逼近误差
• 正则化：机器学习中的权重衰减（L2 正则化）本质上是约束权重矩阵的 Frobenius 范数
• 矩阵补全：推荐系统中最小化观测项的 Frobenius 范数误差