【笔记】向量和矩阵的0、1、2、无穷、p、f、核范数

0范数:

含义: 非0元素的个数

1范数:

向量: ||x||_{1} = \sum _{i = 1}^{N}|x_{i}|,所有元素的绝对值之和

矩阵:||A||_{1} = \underset{j}{max} \sum _{i = 1}^{M}|a_{ij}| = max(\sum _{i = 1}^{M}|a_{i1}|, \sum _{i = 1}^{M}|a_{i2}|, \sum _{i = 1}^{M}|a_{i3}|, ...., \sum _{i = 1}^{M}|a_{iN}|),即矩阵列向量之和的绝对值的最大值

2范数:

向量:||x||_{2} = \sqrt {\sum_{i = 1}^{N}x_{i}^{2}} = (\sum_{i = 1}^{N}x_{i}^{2})^{\frac {1}{2}},即平方和再开放

矩阵:||A||_{2} = \sqrt {\lambda }, \lambdaA^{T}A的最大特征值

\infty范数:

向量:||x||_{\infty } = \underset{i}{max}|x_{i}|,即最大的绝对值

矩阵:||A||_{\infty} = \underset{i}{max}\sum _{j = 1}^{N}|a_{ij}| = max(\sum _{j = 1}^{N}|a_{1j}, \sum _{j = 1}^{N}|a_{2j}, ..., \sum _{j = 1}^{N}|a_{Mj}),即矩阵行向量和的绝对值的最大值

-\infty范数:

向量:||x||_{-\infty} = \underset{i}{min}|x_{i}|,即最小的绝对值

P范数:

向量:||x||_{p} = (\sum _{i = 1}^{N}|x_{i}^{p}|)^{\frac {1}{p}},类似2范数,为所有元素的p次方和开p次方

F范数:

矩阵: ||A||_{F} = (\sum _{i = 1}^{M}\sum_{j = 1}^{N}|a_{ij}|^{2})^{\frac {1}{2}},即所有元素平方和再开方

核范数:

矩阵:||A||_{*} = \sum _{i = 1}^{N}\lambda_{i},\lambda_{i}为A的奇异值,即奇异值之和

发布了138 篇原创文章 · 获赞 13 · 访问量 2452

猜你喜欢

转载自blog.csdn.net/songyuwen0808/article/details/105655292