范数是向量的一个概念,把向量看做是赋范向量空间的一个从原点出发的点,而范数则是这个空间中的几何“距离”,作为向量的一种度量而存在。
1.向量组的的范数
作为一个常见的向量组,有5维组成。
我们求这样的向量组的范数,就是求某种距离,这种距离被称为:Minkowski Distance (闽可斯基距离).
而对于距离的度量,和我们对距离的阶数(order)定义有关。
ord=1, 该距离又被称为manhattan Distance,曼哈顿距离,如图中红蓝黄所示。
求距离公式为
,所有维度值的绝对值之和。
ord=2, 该距离又被称为Euclidean Distance, 欧几里得距离,如图中绿线所示。
求距离公式为
ord=
, 该距离又被称为Chebyshev Distance, 切比雪夫距离.
求距离公式为
2.矩阵/行列式的范数
以[[1, 2, 3],
[4, 5, 6],
[7, 8, 9]]为例
1-范数: 列 绝对值之和 最大值 范数
max{(1+4+7),(2+5+8),(3+6+9)}=18.
-范数:行 绝对值之和 最大值 范数
max{(1+2+3), (4+5+6), (7+8+9)}=24.
2-范数:
https://blog.csdn.net/u013534498/article/details/52674008