常见向量范数和矩阵范数及其MATLAB实现

1、向量范数

1-范数：

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

2-范数：

$$\parallel \vec{x}{\parallel }_2=(\sum _{i=1}^N|x_i{|}^2{)}^{\frac{1}{2}}$$
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：

$$\parallel \vec{x}{\parallel }_{\infty }=\underset{i=1}{\max }|x_i|$$

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：

$$\parallel \vec{x}{\parallel }_{-\infty }=\underset{i=1}{\min }|x_i|$$
，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：

$$\parallel \vec{x}{\parallel }_p=(\sum _{i=1}^N|x_i{|}^p{)}^{\frac{1}{p}}$$

，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)。

2、矩阵范数

1-范数：

$$\parallel \mathbf{A}{\parallel }_1=\underset{j}{\max }\sum _{i=1}^N|a_{i,j}|$$
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：

$$\parallel \mathbf{A}{\parallel }_2=\sqrt{{\lambda }_1},{\lambda }_1为{\mathbf{A}}^T\mathbf{A}的最大特征值$$
谱范数，即${\mathbf{A}}^{{}^{\prime }}\mathbf{A}$矩阵的最大特征值的开平方。matlab调用函数norm(x, 2)。
在matlab中$A’$的意思是求共轭转置矩阵。

$\infty$-范数：

$$\parallel \mathbf{A}{\parallel }_{\infty }=\underset{i}{\max }\sum _{j=1}^n|a_{i,j}|$$
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：

$$\parallel \mathbf{A}{\parallel }_F=(\sum _{i=1}^m\sum _{j=1}^n{|a_{i,j}|}^2{)}^{\frac{1}{2}}$$

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‘)。
参考