向量与矩阵的范数

最新推荐文章于 2022-09-08 18:03:13 发布

Bokman

最新推荐文章于 2022-09-08 18:03:13 发布

阅读量3.5k

点赞数 1

分类专栏：数值算法文章标签：线性代数算法

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/bokman/article/details/121540138

版权

数值算法专栏收录该内容

16 篇文章 4 订阅

订阅专栏

1. 向量的范数

向量的1范数：向量中每个元素绝对值的和

$||\epsilon||_1 = \sum^n_{i=1}|\epsilon_i|$

向量的2范数：向量中的元素平方和，之后再开平方

$||\epsilon||_2=\sqrt{\sum^n_{i=1}\epsilon^2_i}$

向量的无穷 $\infty$ 范数：向量所有元素的绝对值中最大(正无穷范数)/最小(负无穷范数)的

正无穷范数： $||\epsilon||_{+\infty}=\text{max}_{1\leq i\leq n}|\epsilon_i|$

负无穷范数： $||\epsilon||_{-\infty}=\text{min}_{1\leq i\leq n}|\epsilon_i|$

2. 矩阵的范数

矩阵的1范数(列模)：矩阵的每一列上元素的绝对值先求和，再从中取最大的

$||A||_1=\text{max}_{1\leq j \leq n}\sum^n_{i=1}|a_{ij}|$

矩阵的2范数(行模)：对于矩阵A， $A^TA$ 的最大特征值开平方

$||A||_2=\sqrt{\lambda_{\text{max}}(A^TA)}=\sqrt{\text{max}|\lambda_i|}$

矩阵的无穷范数(行模)：矩阵每一行的元素的绝对值先求和，再从中取最大的

$||A||_{\infty}=\text{max}_{1\leq i \leq n}\sum^n_{j=1}|a_{ij}|.$

矩阵的 $L_0$ 范数：矩阵非0元素的个数

矩阵的 $L_1$ 范数：矩阵中每个元素绝对值之和。

矩阵的 $L_{21}$ 范数：矩阵先以每列为单位，求每一列向量的2范数，最后将所得结果求向量的1范数。

矩阵的 $F$ 范数：矩阵各个元素平方和再开根号，也被称为矩阵的2范数

参考：

向量与矩阵的范数（比较1-范数、2-范数、无穷范数、p-范数、L0范数和 L1范数等）

向量范数与矩阵范数

关注

1
点赞
踩
16

收藏

觉得还不错? 一键收藏
0
评论
向量与矩阵的范数

1. 向量的范数向量的1范数：向量中每个元素绝对值的和向量的2范数：向量中的元素平方和，之后再开平方向量的无穷范数：向量所有元素的绝对值中最大(正无穷范数)/最小(负无穷范数)的正无穷范数：负无穷范数：2. 矩阵的范数矩阵的1范数(列模)：矩阵的每一列上元素的绝对值先求和，再从中取最大的矩阵的2范数(行模)：对于矩阵A，的最大特征值开平方矩阵的无穷范数(行模)：矩阵每一行的元素的绝对值先求和，再从中取最大的矩阵的范数：矩阵非0元素的个数矩阵
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。