矩阵的范数

向量范数

0-范数，向量中非零元素的个数。

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

2-范数：$\Vert x{\Vert }_2=(\sum _{i=1}^N|x_i{|}^2{)}^{\frac{1}{2}}$，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)。

∞-范数：$\Vert x{\Vert }_{\infty }=\underset{i}{\max }\Vert x_i\Vert$，即所有向量元素绝对值中的最大值，matlab调用函数norm(x, inf)。

-∞-范数：$\Vert x{\Vert }_{-\infty }=\underset{i}{\min }\Vert x_i\Vert$，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：$\Vert x{\Vert }_{\infty }=(\sum _{i=1}^N|x_i{|}^p{)}^{\frac{1}{p}}$，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)。

矩阵范数

1-范数：$\Vert A{\Vert }_1=\underset{j}{\max }\sum _{i=1}^m|a_{ij}|$， 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：$\Vert A{\Vert }_2=\sqrt{{\lambda }_1}，{\lambda }_1$是$A^{T}A$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)。

∞-范数：$\Vert A{\Vert }_{\infty }=\underset{i}{\max }\sum _{j=1}^n|a_{ij}|$，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：$\Vert A{\Vert }_F=(\sum _{i=1}^m\sum _{j=1}^n|a_{ij}{|}^2{)}^{\frac{1}{2}}$，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‘)。

核范数：$\Vert A{\Vert }_{\ast }$，矩阵的奇异值之和，可以用来表示低秩（因为最小化核范数，相当于最小化矩阵的秩——低秩，matlab调用函数sum(svd(A))。