常见向量范数和矩阵范数

1、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平方和再开方，matlab调用函数norm(x, 2)。

∞-范数：，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：，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：，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：， 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：，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：，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：，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‘)。

下面是解释和理解。

1-范数（列和范数）

∥A∥1=maxj∑mi=1|aij|‖A‖1=maxj∑i=1m|aij| 
将矩阵沿列方向取绝对值求和，然后擢选出数值最大的那个值作为1-范数。 
比如：

A =

     1     2     3
     4     5     6
     7     8     9

>> norm_1 = norm(A,1)

norm_1 =

    18

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11

第一列求和结果为：|1|+|4|+|7|=12 
第二列求和结果为：|2|+|5|+|8|=15 
第三列求和结果为：|3|+|6|+|9|=18 
里面最大的就是18，因此矩阵A的列和范数为18。

2-范数（A∗AA∗A最大特征值开方）

∥A∥2=λ1−−√‖A‖2=λ1 
这一部分涉及到的我不懂的概念比较多，接下来一一说明。

2-1 共轭转置矩阵

A∗A∗指的是A的共轭转置矩阵，也有AHAH这个写法。如果A里面全是实数，那效果就与ATAT无二；如果A里面也有复数，则是先对A取共轭（各项实部不变，虚部取相反数），然后再转置，比如：

A =

   1.0000 + 0.0000i   0.0000 - 2.0000i
   3.0000 + 0.0000i   0.0000 - 4.0000i

>> A'

ans =

   1.0000 + 0.0000i   3.0000 + 0.0000i
   0.0000 + 2.0000i   0.0000 + 4.0000i

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11

在matlab中A’的意思就是求共轭转置矩阵。

2-2 特征值

矩阵A的特征值被定义为：A v⃗ =λ v⃗ A v→=λ v→ 
其中v⃗ v→被称为“矩阵A的特征向量”，λ被称为“矩阵A的特征值”。 
在matlab中求解矩阵A的特征值方法如下：

A =

     1     2     3
     4     5     6
     7     8     9

>> [V,D] = eig(A)

V =

   -0.2320   -0.7858    0.4082
   -0.5253   -0.0868   -0.8165
   -0.8187    0.6123    0.4082


D =

   16.1168         0         0
         0   -1.1168         0
         0         0   -0.0000

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20

矩阵V的每一列都是一个特征向量，D中对应列中的值即与该特征向量相匹配的特征值。以上例V、D第一列为例，此时特征值λ=16.1168，特征向量v⃗ =[−0.2320,−0.5253,−0.8187]Tv→=[−0.2320,−0.5253,−0.8187]T，用matlab作验证如下：

>> A = [1,2,3;4,5,6;7,8,9]

A =

     1     2     3
     4     5     6
     7     8     9

>> v = [-0.2320,-0.5253,-0.8187]'

v =

   -0.2320
   -0.5253
   -0.8187

>> lambda = 16.1168

lambda =

   16.1168

>> A * v

ans =

   -3.7387
   -8.4667
  -13.1947

>> lambda * v

ans =

   -3.7391
   -8.4662
  -13.1948

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37

可知满足A v⃗ =λ v⃗ A v→=λ v→。

2-3 矩阵的2-范数

矩阵的2-范数即对矩阵A∗AA∗A最大特征值λ1λ1开方，如下：

>> [V,D] = eig(A'*A)

V =

   -0.4082   -0.7767    0.4797
    0.8165   -0.0757    0.5724
   -0.4082    0.6253    0.6651


D =

    0.0000         0         0
         0    1.1414         0
         0         0  283.8586

>> sqrt(283.8586)

ans =

   16.8481

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20

（这里最大特征值为283.8586）

当然，matlab中也有更直接的计算矩阵2-范数的方法，如下：

>> norm_2 = norm(A,2)

norm_2 =

   16.8481

• 1
• 2
• 3
• 4
• 5

两种方法计算出的结果是一样的。

∞-范数（行和范数）

∥A∥∞=maxi∑nj=1|aij|‖A‖∞=maxi∑j=1n|aij| 
和1-范数（列和范数）类似，这里是沿行方向取绝对值求和，将最大的那个值作为矩阵的∞-范数。matlab代码如下：

>> A

A =

     1     2     3
     4     5     6
     7     8     9

>> norm(A,inf)

ans =

    24

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13

第一行求和结果为：|1|+|2|+|3|=6 
第二行求和结果为：|4|+|5|+|6|=15 
第三行求和结果为：|7|+|8|+|9|=24 
里面最大的就是24，因此矩阵A的行和范数为24。

2016.9.27 
by 悠望南山