关于作者
作者小硕一枚,研究方向为机器学习与自然语言处理,欢迎大家关注我的个人博客https://wangjie-users.github.io/,相互交流,一起学习成长。
前言
在机器学习中的线性代数知识(上)一文中,主要讲解了矩阵的本质,以及映射视角下的特征值与特征向量的物理意义。本篇博文将继续讨论相关知识。
向量和矩阵的范数归纳
1、向量的范数
这里我直接以实例讲解。定义一个向量为:a=[-5, 6, 8, -10]
向量的1范数:向量的各个元素的绝对值之和,上述向量a的1范数结果就是:29;
向量的2范数:向量的每个元素的平方和再开平方根,上述a的2范数结果就是:15;
向量的负无穷范数:向量的所有元素的绝对值中最小的。上述向量a的负无穷范数结果就是:5;
向量的正无穷范数:向量的所有元素的绝对值中最大的。上述向量a的正无穷范数结果就是:10;
2、矩阵的范数
定义一个矩阵A=[-1 2 -3;4 -6 6];
矩阵的1范数<