Eigen中norm、normalize、normalized的区别

最新推荐文章于 2025-05-02 10:25:26 发布

原创最新推荐文章于 2025-05-02 10:25:26 发布

· 2.9w 阅读

99 ·

版权

本文详细介绍了Eigen库中向量和矩阵的norm、normalize及normalized方法的区别。norm()函数计算向量的二范数或矩阵的弗罗贝尼乌斯范数；normalize()将向量或矩阵元素按范数归一化，不返回值；normalized()则返回一个新的归一化后的向量或矩阵副本，不改变原对象。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Eigen中norm、normalize、normalized的区别

norm()

对于Vector，norm返回的是向量的二范数，即

$\|\mathbf{x}\|_{2}=\sqrt{\sum_{i=1}^{N} x_{i}^{2}}$

例如：

Vector2d vec(3.0,4.0);
cout << vec.norm() << endl;	//输出5

对于Matrix，norm返回的是矩阵的弗罗贝尼乌斯范数（Frobenius Norm），即

$\|\mathrm{A}\|_{F} \equiv \sqrt{\sum_{i=1}^{m} \sum_{j=1}^{n}\left|a_{i j}\right|^{2}}$

例如：

Matrix2d mat;
mat << 1,2
    3,4;
cout << mat.norm() << endl;    //输出sqrt(1*1+2*2+3*3+4*4),即sqrt(30) = 5.47723

normalize()

清楚了norm()的定义后，normalize()其实就是把自身的各元素除以它的范数。返回值为void。

例如：

vec.normalize();
cout << vec << endl;    //输出：      0.6
                       //            0.8

mat.normalize();        //mat各元素除以mat.norm()
cout << mat << endl;