机器学习中的线性代数知识（中）

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<