矩陣範數與擾動

數值秩

精確秩統計非零奇異值的個數,但在浮點運算中幾乎沒有什麼恰好為零。捨入和測量雜訊把真正為零的奇異值抹成一個微小卻為正的數,於是天真的計數總會報告滿秩。數值秩透過只統計確實大的奇異值來糾正這一點。

給定容差 tol,數值秩是嚴格大於 tol 的奇異值個數:r = 滿足 sigma_k > tol 的 k 的個數。容差選得高於雜訊底——一個常見預設是 tol = max(m, n) 乘以最大奇異值再乘以機器 epsilon,從而捨棄那些可由捨入解釋的值。

這正是你在實務中應當信任的秩,而奇異值擾動理論為之提供了依據。由於在擾動 E 下每個奇異值至多移動 ||E||_2,奇異值譜中一個清晰的間隙是穩定的:低於間隙的雜訊無法把一個小奇異值抬過它。那個間隙的大小就是你的置信餘量。

數值秩支撐著低秩逼近、揭秩分解,以及不適定問題的正則化。當奇異值平滑衰減而沒有清晰間隙時,數值秩確實是含糊的,而這種含糊本身就是有用的資訊:它告訴你該問題沒有尖銳的內在維數。

sigma = (8.0, 3.0, 0.02, 1e-15); tol = 1e-6 => numerical rank 3

三個奇異值越過容差;那個 1e-15 是捨入雜訊,被正確地忽略。

數值秩只有相對於某個容差才有意義——請註明你所用的 tol。同一矩陣在一個容差下可能是秩 3,在更寬鬆的容差下是秩 5;應當驅動你決策的是奇異值間隙,而非原始計數。

又稱
effective rankepsilon-rank