范数

gwz8813

于 2017-08-02 15:33:58 发布

阅读量626

点赞数 2

分类专栏： Deep Learning

Deep Learning 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

作者：魏通
链接：https://www.zhihu.com/question/20473040/answer/102907063
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

以下分别列举常用的向量范数和矩阵范数的定义。

一、向量范数

1-范数：

$||x||_1 = \sum_{i=1}^N|x_i|$ ，即向量元素绝对值之和，matlab调用函数norm(x, 1) 。

2-范数：

$||\textbf{x}||_2 =\sqrt{\sum_{i=1}^Nx_i^2}$ ，Euclid范数（欧几里得范数，常用计算向量长度），即向量元素绝对值的平方和再开方，matlab调用函数norm(x, 2)。

$\infty$ -范数：

$||\textbf{x}||_\infty = \max_{i}|x_i|$ ，即所有向量元素绝对值中的最大值，matlab调用函数norm(x, inf)。

$-\infty$ -范数：

$||\textbf{x}||_{-\infty}=\min_i|x_i|$

，即所有向量元素绝对值中的最小值，matlab调用函数norm(x, -inf)。

p-范数：

$||\textbf{x}||_p = (\sum_{i=1}^N|x_i|^p)^{\frac{1}{p}}$
，即向量元素绝对值的p次方和的1/p次幂，matlab调用函数norm(x, p)。

当p=2 时，L2 被称为欧几里得范数(Euclidean norm)。它表示从原点出发到向量x 确定的点的欧几里得距离。L2 范数十分频繁地出现在机器学习中，它经常被简化表示为∥x∥，略去了下标2。

1.2 举例

norm(x,1) 绝对值相加

norm(x,2) = 4+36+36+4+64开方。

P范数：norm(x,4) = (16+1296+1296+16+4096)的1/4次幂 = 9.0540

二、矩阵范数

1-范数：

$||A||_1 = \max_j\sum_{i=1}^m|a_{i,j}|$
，列和范数，即所有矩阵列向量绝对值之和的最大值，matlab调用函数norm(A, 1)。

2-范数：

$||A||_2 = \sqrt{\lambda_1}$ ， $\lambda<br/>$ 为 A^TA 的最大特征值。

，谱范数，即A'A矩阵的最大特征值的开平方。matlab调用函数norm(x, 2)。

$\infty$ -范数：

$||A||_\infty = \max_i\sum_{j=1}^N|a_{i,j}|$

，行和范数，即所有矩阵行向量绝对值之和的最大值，matlab调用函数norm(A, inf)。

F-范数：

$||A||_F=\left(\sum_{i=1}^m\sum_{j=1}^n|a_{i,j}|^2\right)^{\frac{1}{2}}$

，Frobenius范数，即矩阵元素绝对值的平方和再开平方，matlab调用函数norm(A, ’fro‘)。

核范数：

$||A||_* = \sum_{i=1}^{n}\lambda_i, \lambda_i$ 是A的奇异值。

即奇异值之和。

2.1 举例

2.2 奇异值？

关注

2
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

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。