范数

一、范数的定义及意义

1、范数的定义

范数,是具有“长度”概念的函数。在线性代数、泛函分析及相关的数学领域,范数是一个函数,满足正定,齐次,三角不等式的关系就称作范数。
在这里插入图片描述

2、范数的意义

对于标量,我们可以很直观的比较其大小;而向量与矩阵无法像标量直接比较大小。范数就是通过将矩阵或者向量映射为可以比较大小的实数,进而去比较矩阵或者向量的大小。

  • 向量的范数表示这个原有集合的大小
  • 矩阵的范数表示这个变化过程的大小的一个度量

二、向量范数(均以向量 x x x举例)

  • 0范数:向量中非零元素个数,记作 ∣ ∣ x ∣ ∣ 0 ||x||_0 x0
  • 1范数:向量中所有元素绝对值之和,记作 ∣ ∣ x ∣ ∣ 1 ||x||_1 x1
    ∣ ∣ x ∣ ∣ 1 = ∑ i = 1 N ∣ x i ∣ ||x|{|_1} = \sum\limits_{i = 1}^N {{\rm{|}}{x_i}{\rm{|}}} x1=i=1Nxi
  • 2范数:所有元素绝对值平方和再开平方,即欧几里得范数,记作 ∣ ∣ x ∣ ∣ 2 ||x||_2 x2,也可以省略下标,记作 ∣ ∣ x ∣ ∣ ||x|| x,实际上也就是向量的模长。
    ∣ ∣ x ∣ ∣ 2 = ∑ i = 1 N x i 2 ||x|{|_2} = \sqrt {\sum\limits_{i = 1}^N {x_i^2} } x2=i=1Nxi2
  • p p p范数:向量中元素绝对值的 p p p次方之和的 1 / p 1/p 1/p次幂,记作 ∣ ∣ x ∣ ∣ p ||x||_p xp
    ∣ ∣ x ∣ ∣ p = ( ∑ i = 1 N ∣ x i ∣ p ) 1 p ||x|{|_p} = {(\sum\limits_{i = 1}^N {|{x_i}{|^p}} )^{\frac{1}{p}}} xp=(i=1Nxip)p1
  • ∞ \infty 范数:向量中所有元素绝对值中的最大值,记作 ∣ ∣ x ∣ ∣ ∞ ||x|{|_\infty } x
    ∣ ∣ x ∣ ∣ ∞ = max ⁡ i ∣ x i ∣ ||x|{|_\infty } = \mathop {\max }\limits_i |{x_i}| x=imaxxi
  • − ∞ -\infty 范数:向量中所有元素绝对值中的最大值,记作 ∣ ∣ x ∣ ∣ − ∞ ||x|{|_{-\infty} } x
    ∣ ∣ x ∣ ∣ − ∞ = min ⁡ i ∣ x i ∣ ||x|{|_{ - \infty }} = \mathop {\min }\limits_i |{x_i}| x=iminxi

三、矩阵范数(以大小为 m × n m \times n m×n矩阵A为例)

  • 1范数:又称列范数,列和范数,是矩阵中所有列向量绝对值之和的最大值,记作 ∣ ∣ A ∣ ∣ 1 ||A||_1 A1
    ∣ A ∣ ∣ 1 = max ⁡ j ∑ i = 1 m ∣ a i , j ∣ |A|{|_1} = \mathop {\max }\limits_j \sum\limits_{i = 1}^m {|{a_{i,j}}|} A1=jmaxi=1mai,j
  • 2范数:又称谱范数,是 A T A A^TA ATA最大特征值再开平方,记作 ∣ ∣ A ∣ ∣ 2 ||A||_2 A2
    ∣ A ∣ ∣ 2 = λ max ⁡ {\rm{|}}A{\rm{|}}{{\rm{|}}_2}{\rm{ = }}\sqrt {{\lambda _{\max }}} A2=λmax
    其中 λ max ⁡ \lambda _{\max} λmax A T A A^TA ATA最大特征值
  • ∞ \infty 范数:又称行范数,行和范数,矩阵中行向量绝对值之和的最大值,记作 ∣ ∣ A ∣ ∣ ∞ ||A|{|_\infty } A
    ∣ ∣ A ∣ ∣ ∞ = max ⁡ i ∑ j = 1 n ∣ a i , j ∣ ||A|{|_\infty } = \mathop {\max }\limits_i \sum\limits_{j = 1}^n {|{a_{i,j}}|} A=imaxj=1nai,j
  • F F F范数,矩阵所有元素绝对值的平方和再开平方,记作 ∣ ∣ A ∣ ∣ F ||A||_F AF
    ∣ ∣ A ∣ ∣ F = ( ∑ i = 1 m ∑ j = 1 n ∣ a i , j ∣ 2 ) 1 2 ||A|{|_F} = {\left( {\sum\limits_{i = 1}^m {\sum\limits_{j = 1}^n {|{a_{i,j}}{|^2}} } } \right)^{\frac{1}{2}}} AF=(i=1mj=1nai,j2)21
  • 核范数,矩阵所有奇异值之和,记作 ∣ ∣ A ∣ ∣ ∗ ||A||_* A
    ∣ A ∣ ∣ ∗ = ∑ i = 1 n λ i |A|{|_*} = \sum\limits_{i = 1}^n {{\lambda _i}} A=i=1nλi其中, λ i \lambda _i λi是矩阵 A A A的奇异值

四、范数的 n n n次方

这种情况一般省去了(),如 p p p范数的 n n n次方记作:
∣ x ∣ ∣ p n {\rm{|}}x||_p^n xpn
实际上就是:
( ∣ ∣ x ∣ ∣ p ) n {{\rm{(||}}x|{|_p})^n} (xp)n

已标记关键词 清除标记
相关推荐
©️2020 CSDN 皮肤主题: 大白 设计师:CSDN官方博客 返回首页