范数

范数

本文地址：blog.lucien.ink/archives/494

转载自：0 范数、1 范数、2 范数有什么区别？ - 魏通的回答 - 知乎，稍作整理。

简介

维基百科：范数（norm），是具有“长度”概念的函数。在线性代数、泛函分析及相关的数学领域，是一个函数，其为向量空间内的所有向量赋予非零的正长度或大小。另一方面，半范数（seminorm）可以为非零的向量赋予零长度。

向量范数

0-范数

向量非零元素个数。

1-范数

向量元素绝对值之和。

$${\Vert \mathbf{x}\Vert }_1=\sum _{i=1}^N|x_i|$$

2-范数

$Euclid$ 范数（欧几里得范数），可以用来计算向量长度，即向量元素的平方和再开方。

$${\Vert \mathbf{x}\Vert }_2=\sqrt{\sum _{i=1}^N{x}_i^2}$$

$\infty$-范数

所有向量元素绝对值中的最大值。

$${\Vert \mathbf{x}\Vert }_{\infty }=\underset{i}{\max }|x_i|$$

$-\infty$-范数

所有向量元素绝对值中的最大值。

$${\Vert \mathbf{x}\Vert }_{-\infty }=\underset{i}{\min }|x_i|$$

p-范数

向量元素绝对值的 $p$ 次方和的 $\frac{1}{p}$ 次幂。

$${\Vert \mathbf{x}\Vert }_p=(\sum _{i=1}^N|x_i{|}^p{)}^{\frac{1}{p}}$$

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。

$${\Vert A\Vert }_1=\underset{j}{\max }\sum _{i=1}^N|a_{i,j}|$$

2-范数

${\lambda }_1$ 为 $A^{T}A$ 的最大特征值。

$${\Vert A\Vert }_2=\sqrt{{\lambda }_1}$$

$\infty$-范数

所有矩阵行向量绝对值之和的最大值。

$${\Vert A\Vert }_{\infty }=\underset{i}{\max }\sum _{j=1}^N|a_{i,j}|$$

F-范数

$Frobenius$ 范数，即矩阵所有元素的平方和再开方。

$${\Vert A\Vert }_F=\sqrt{\sum _{i=1}^n\sum _{j=1}^m{a}_{i,j}^2}$$

核范数

${\lambda }_i$ 是 $A$ 的奇异值，即奇异值之和。

$${\Vert A\Vert }_{\ast }=\sum _{i=1}^n{\lambda }_i$$