向量与矩阵的范数定义的总结

向量的范数

范数	定义
1-范数	$$||x||_1 = \sum_{i=1}^N |x_i|$$
2-范数	$$||x||_2 = (\sum_{i=1}^N|x_i|^2)^{\frac{1}{2}}$$
$\infty$范数	$$||x||_{\infty} = max|x_i|$$
p-范数	$$||x||_p =(\sum_{i=1}^N |x_i|^p)^{\frac{1}{p}} \ ,\ (p \geq 1)$$

矩阵的范数

范数	定义	备注
列范数	$$||A||_1 = max_{1\leq j\leq n}\sum_{i=1}^m |a_{ij}|$$	A的每列绝对值之和的最大值
行范数	$$||A||_{\infty} = max_{1\leq i\leq m}\sum_{j=1}^n |a_{ij}|$$	A的每行绝对值之和的最大值
2-范数	$$||A||_2 = \sqrt{\lambda_{max}(A^TA)}$$	$\lambda_{max}(A^TA)$是$A^TA$的特征值绝对值的最大值
F-范数	$$||A||_{F} = (\sum_{i=1}^m \sum_{j=1}^n |a_{ij}|^2)^{\frac{1}{2}}$$
p-范数	$$||A||_p =(\sum_{i=1}^m \sum_{j=1}^n |a_{ij}|^p)^{\frac{1}{p}} \ ,\ (p \geq 1)$$