压缩感知中的数学知识：稀疏、范数、符号arg min_彬彬有礼的专栏-CSDN博客
向量范数的matlab实现：
n=norm(X,1)——1-范数
n=norm(X)或者norm(X,2)——2-范数或者欧几里得范数
n=norm(X,p)——p-范数
n=norm(X,inf)——无穷范数
n=norm(X,-inf)——负无穷范数
例1：求三维向量X=[1 4 7]的各个范数
X=[1 4 7];
n1=norm(X,1) %1-范数
n2=norm(X) %2-范数
np=norm(X,3) %p-范数
ninf=norm(X,inf) %无穷范数
n_inf=norm(X,-inf) %负无穷范数输出：
n1 = 12
n2 = 8.1240
np = 7.4169
ninf = 7
n_inf = 1
矩阵范数matlab实现：
n=norm(A,1)——1-范数，求矩阵A的列范数，即列向量1-范数的最大值；
n=norm(A)——2-范数，求矩阵A的欧几里得范数；
n=norm(A,inf)——求矩阵的行范数，即A的行向量的1-范数最大值；
n=norm(A,'fro')——求矩阵A的Frobenius范数。
例2 求一下三阶矩阵A的各个范数
A=[1 2 3;4 5 6;7 8 9];
n1=norm(A,1) %求各列和的最大值，各列和12，15，18
n2=norm(A) %求矩阵A的奇异值，取最大的就是2-范数
s=svd(A) %求A的奇异值
ninf=norm(A,inf) %求A的各行和的最大值6，15，24
n_fro=norm(A,'fro') %求A的Frobenius范数输出：
n1 = 18
n2 =16.8481
s = 16.8481
1.0684
0.0000
ninf = 24
n_fro =16.8819