线性代数——范数

于 2024-07-24 20:36:06 发布
阅读量161 收藏 1
点赞数 1
分类专栏： 笔记 文章标签： 线性代数 机器学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_56407094/article/details/140672070
版权

范数是一个衡量向量大小的的函数，

他是将向量映射到非负值的函数，直观来说范数是衡量从原点到x的距离，

但是这个距离并非直接连接的距离，这只是其中的一种叫做欧氏距离，度量距离具有多样性，即范数的多样性

当p=2的时候，叫做欧几里得范数，表示从原点出发到向量x确定的点的欧几里得距离，在机器学习中会频繁的使用，经常会把2省略，同时经常用范数的平方来度量向量大小。

有时候我们会用统计向量中0的个数来衡量向量的大小，记作范数

另一个极端f范数叫做最大范数，记作，他表示具有最大辐值的元素的绝对值

范数还可衡量矩阵的大小，

两个向量的点积也可以用范数来表示

爱学习的攻城狮
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
线性代数课后答案
02-10
这一章介绍了线性代数的基本元素——向量，包括向量的定义、加法、标量乘法和向量的坐标表示。同时，还会涉及向量的长度（范数）和方向（单位向量）。课后答案将通过具体的例题解释这些概念，并演示如何计算向量的和...
【线性代数】范数(norm)
北境の守望者
07-25 1万+
定义 常用向量范数 常用矩阵范数 ML 中范数相关概念与应用 Ref 定义 范数是将向量映射到非负值得函数，常被用来衡量一个向量的大小。 常用向量范数 范数类型 计算公式 MATLAB调用 补充解释 L1范数L1范数L^1 范数 ∥x∥1=∑ni=1|xi|‖x‖1=∑i=1n|xi|\Vert x \Vert_1 = \sum_{i=1...
【线性代数与矩阵论】范数理论
最新发布
lafea的博客
01-21 1389
2023年11月16日向量的长度也称为向量的二范数定义 设 ∣∣⋅∣∣{|| \cdot ||}∣∣⋅∣∣ 是 Cn{ \mathbb C^n }Cn 上的一个泛函，满足则称 ∣∣⋅∣∣{|| \cdot ||}∣∣⋅∣∣ 是 Cn{ \mathbb C^n}Cn 上的一个向量范数。定理 对任意 x,y∈Cn{x,y\in \mathbb C^n}x,y∈Cn ，有设 x∈Cn{x\in \mathbb C^n}x∈Cn ，定义​ 长度，欧几里得空间中的距离。 向量的 p{p}p 范数： ∣∣x∣∣p
范数（norm）
学习日常记录
07-10 1万+
目录什么是范数（norm）？距离、长度L0范数L1范数L2范数Lp范数L∞范数L_\infty范数L∞​范数 什么是范数（norm）？ 范数(norm)是线性代数中的一个基本概念。在泛函分析中，它定义在赋范线性空间中，并满足一定的条件，即①非负性；②齐次性；③三角不等式，它常常被用来度量某个向量空间（或矩阵）中的每个向量的长度或大小。 划重点： 范数的三个特性（满足条件）：非负性、齐次性、三角不等式。 外文名：normnormnorm 作用：常常被用来度量某个向量空间（或矩阵）中的每个向量的长度或大小。 记
向量范数和矩阵范数
zht的专栏
02-07 2536
作者：魏通 链接：https://www.zhihu.com/question/20473040/answer/102907063 来源：知乎 以下分别列举常用的向量范数和矩阵范数的定义。 向量范数 1-范数： ，即向量元素绝对值之和，matlab调用函数norm(x, 1) 。 2-范数： ，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
深度学习代码实战——线性代数
12-22
在深度学习领域，线性代数是不可或缺的基础知识，它为理解和实现复杂的机器学习模型提供了数学工具。本文将通过Python的numpy库来介绍并实践线性代数的一些基本概念。 首先，我们来看线性代数中的基本元素：标量、...
线性代数（同济）同步辅导及习题全解
01-02
### 线性代数（同济）同步辅导及习题全解 #### 知识点概述 《线性代数（同济）同步辅导及习题全解》第四版是一本面向高等院校数学课程的经典教材辅助书籍。本书旨在帮助学生更好地理解和掌握线性代数的基本概念、...
矩阵理论，矩阵论，线性代数
06-11
- **引言**：本书从线性方程组的基本概念入手，介绍了线性方程组的求解方法及其应用背景。 - **高斯消元法与矩阵**：通过高斯消元法来简化线性方程组，进而引入矩阵的概念。该章节详细解释了如何通过矩阵表示线性...
话说空间——线性代数，摘抄自网络
04-27
线性代数是数学的基础分支，它探讨向量、矩阵、线性变换等概念，而希尔伯特空间则是线性代数在无限维度中的一个重要拓展。希尔伯特空间的概念源于德国数学家大卫·希尔伯特，他在处理无穷维线性方程组的问题时提出了...
线性代数之范数
涂宇鸽的博客
09-18 791
学习笔记，本文内容非原创，来源于《动手学深度学习》 torch.norm() L1 范数，它表示为向量元素的绝对值之和： ∥x∥1=∑i=1n∣xi∣\|\mathbf{x}\|_{1}=\sum_{i=1}^{n}\left|x_{i}\right|∥x∥1​=i=1∑n​∣xi​∣ 事实上，欧几里得距离是一个范数：具体而言，它是 L2 范数: ∥x∥2=∑i=1nxi2\|\mathbf{x}\|_{2}=\sqrt{\sum_{i=1}^{n} x_{i}^{2}}∥x∥2​=i=1∑n​xi2​​
线性代数常用基本知识 (含向量和矩阵范数<Matrix or vector norm>)
MyArrow的专栏
04-19 1万+
1. 行列式 1.1 二阶行列式 1.2 三阶行列式
几种范数的简单介绍
热门推荐
Kobe Bryant的专栏
06-25 11万+
什么是范数？我们知道距离的定义是一个宽泛的概念，只要满足非负、自反、三角不等式就可以称之为距离。范数是一种强化了的距离概念，它在定义上比距离多了一条数乘的运算法则。有时候为了便于理解，我们可以把范数当作距离来理解。在数学上，范数包括向量范数和矩阵范数，向量范数表征向量空间中向量的大小，矩阵范数表征矩阵引起变化的大小。一种非严密的解释就是，对应向量范数，向量空间中的向量都是有大小的，这个大小如何度量，
向量范数与矩阵范数
bitcarmanlee的博客
07-18 6万+
1.范数(norm)的意义要更好的理解范数，就要从函数、几何与矩阵的角度去理解。 我们都知道，函数与几何图形往往是有对应的关系，这个很好想象，特别是在三维以下的空间内，函数是几何图像的数学概括，而几何图像是函数的高度形象化，比如一个函数对应几何空间上若干点组成的图形。 但当函数与几何超出三维空间时，就难以获得较好的想象，于是就有了映射的概念，映射表达的就是一个集合通过某种关系转为另外一个集合。通
线性代数之 向量范数
qq_41035283的博客
11-04 812
概率论之 向量范数前言范数0-范数1-范数2-范数p-范数∞\infin∞-范数−∞-\infin−∞-范数总结 前言 向量范数常用于衡量向量、矩阵的长度以及距离。 范数 对于向量X=[x1,x2,…,xn]X=[x_1,x_2,\dots,x_n]X=[x1​,x2​,…,xn​]而言。 0-范数 ∥X∥0=∑in1∗(xi≠0) \Vert X \Vert_0 = \sum_i^n 1^*(x_i \ne 0) ∥X∥0​=i∑n​1∗(xi​​=0) 1-范数 ∥X∥1=∑in∣xi∣ \Vert
【深度学习基本】：线性代数(四)_范数
bqw的博客
07-16 1746
一、Lp范数    二、Frobenius范数    三、Python 1.Numpy import numpy as np # 向量 x = np.arange(9) - 4 # 矩阵 A = x.reshape((3, 3)) # L1范数 print(np.linalg.norm(x,1)) # L2范数 print(np.linalg.norm(x,2)) # L正无穷范...
线性代数基础（矩阵、范数、正交、特征值分解、奇异值分解、迹运算）
今天你学习了吗
11-14 5944
目录 基础概念 矩阵转置 对角矩阵 线性相关 范数 正交 特征值分解 奇异值分解 Moore-Penrose 伪逆 迹运算 行列式 如果这篇文章对你有一点小小的帮助，请给个关注喔~我会非常开心的~ 基础概念 标量：一个标量就是一个单独的数字 向量：一个向量就是一列数字 矩阵：一个矩阵就是一个二维数组 张量：超过两维的数组，一个数组的元素分布在若干维坐标系中 矩...
线性代数-范数
小猿取经
03-06 686
文章目录范数Lp范数L0范数L1范数L2范数L∞范数 范数 Lp范数   ppp是一个变量，度量的是一组范数 ∣∣x∣∣p=∑i=1nxipp,x=x1,x2,…,xn ||x||_p = \sqrt[p]{\sum_{i=1}^nx_i^p},\quad x={x_1,x_2,\ldots,x_n} ∣∣x∣∣p​=pi=1∑n​xip​​,x=x1​,x2​,…,xn​ L0范数   度量非零...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
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。

余额充值