gamma-two 分解范数

普通秩只问需要多少个坐标；${\gamma }_2$ 还问这些坐标能否让所有行、列向量同时保持短。某个分解即使维数低，若一侧向量极长，另一侧必须用极细的尺度抵消；最大行范数乘积会记录这种几何失衡，又对两侧缩放不敏感。

半定规划把“存在一组向量”改写为“存在一个正半定 Gram 矩阵”。因此 ${\gamma }_2$ 是凸且可数值逼近的，而秩最小化是非凸的。这种可计算性正是它成为通信下界松弛的原因。

对二阶 Hadamard 矩阵

取 $U=H$、$V=I_2$，则最大行范数分别为 $\sqrt{2}$ 与 $1$，所以 ${\gamma }_2(H)\le \sqrt{2}$。另一方面，对符号矩阵有

$H$ 的行列式为 $-2$，秩为 $2$，故 ${\gamma }_2(H)\le \sqrt{2}$；要得到反向，可在 trace-norm 刻画中取 $a=b=(1,1)/\sqrt{2}$，此时 $H\circ a{b}^{\mathsf{T}}=H/2$，两奇异值均为 $1/\sqrt{2}$，核范数为 $\sqrt{2}$。于是 ${\gamma }_2(H)=\sqrt{2}$，所有步骤均可复算。

边界上，${\gamma }_2$ 不等于谱范数或 Frobenius 范数，也不单由秩决定；同秩矩阵的条目缩放可改变它。定义中的实内积、最大行二范数和乘积都不能删去。若使用复 Hilbert 空间、entrywise weights 或近似约束，必须重新注明版本。

${\gamma }_2$ 对子矩阵限制单调，并能通过 SDP 对偶产生显式证书。对符号矩阵，$\mathrm{rank}(M)\ge {\gamma }_2(M{)}^2$，所以它给出秩下界的凸松弛；加入逐项乘法近似后，则进入分解范数通信下界公理库分解范数通信下界Factorization-norm lower bound · Approximate gamma_2 lower bound用近似 gamma-two 范数的凸性把随机协议的矩形分解转换为 public-coin 通信下界。。

范数本身只描述矩阵，不包含错误、coin、分布或协议轮数。通信结论必须再证明协议产生的矩阵落入相应近似集合。把 chaining 的同名 functional、诱导 operator norm 或核范数直接代入本页公式，都会改变可行域而使后续定理失去依据。