Normas de Matriz

Geometria e álgebra das aplicações lineares, vetores e matrizes

Tal como um vetor tem comprimento, uma matriz tem um "tamanho." Duas medidas dominam, e respondem a perguntas diferentes: quão grandes são as entradas, versus quanto a matriz pode esticar um vetor?

A norma de Frobenius trata a matriz como uma longa lista de números e toma o comprimento Euclidiano: eleva cada entrada ao quadrado, soma, tira a raiz. A norma espectral, em vez disso, mede o estiramento máximo, o maior fator pelo qual A consegue alongar qualquer vetor unitário, que acaba por ser o maior valor singular.

Pense numa matriz como um amplificador de guitarra: introduz um sinal e ele sai mais alto. A norma espectral é o ganho máximo do amplificador, o maior fator pelo qual pode potenciar qualquer entrada que lhe envie. Rode o botão para a sua configuração mais alta e o mais alto que um sinal unitário pode sair é exatamente essa norma.

Onde isto aparece no MLA norma de Frobenius é a regularização L2 de pesos para uma matriz inteira: penalizar ‖W‖_F² mantém os pesos pequenos e o modelo suave. A norma espectral conduz à normalização espectral, que divide uma matriz de pesos pelo seu maior valor singular para limitar quanto ela pode amplificar. Isso torna-a um estabilizador chave em GANs e uma ferramenta para impor limites de Lipschitz.
▶ Normas de Matriz
← Mínimos QuadradosProjeções →