向量与矩阵的范数及其在matlab中的用法(norm) |
您所在的位置:网站首页 › matlab中矩阵的范数 › 向量与矩阵的范数及其在matlab中的用法(norm) |
一、常数向量范数
L0L0 范数
∥x∥0=def‖x‖0=def向量中非零元素的个数 其在matlab中的用法: sum( x(:) ~= 0 ) L1L1 范数∥x∥1=def∑i=1m|xi|=|x1|+⋯+|xm|‖x‖1=def∑i=1m|xi|=|x1|+⋯+|xm|,即向量元素绝对值之和 其在matlab中的用法: norm(x, 1) L2L2 范数∥x∥2=(|x1|2+⋯+|xm|2)1/2‖x‖2=(|x1|2+⋯+|xm|2)1/2,即向量元素绝对值的平方和后开方 其在matlab中的用法: norm(x, 2) L∞L∞ 范数极大无穷范数∥x∥∞=max{|x1|,⋯,|xm|}‖x‖∞=max{|x1|,⋯,|xm|},即所有向量元素绝对值中的最大值 其在matlab中的用法: norm(x, inf) 极小无穷范数∥x∥∞=min{|x1|,⋯,|xm|}‖x‖∞=min{|x1|,⋯,|xm|},即所有向量元素绝对值中的最小值 其在matlab中的用法: norm(x, -inf) 二、矩阵范数诱导范数和元素形式范数是矩阵范数的两种主要类型。 1. 诱导范数 L1L1 范数(列和范数)∥A∥1=max1⩽j⩽n∑i=1m{|aij|}‖A‖1=max1⩽j⩽n∑i=1m{|aij|},即所有矩阵列向量绝对值之和的最大值 其在matlab中的用法: norm(A,1) L2L2 范数∥A∥2=λi−−√‖A‖2=λi,其中 λiλi 为 ATAATA 的最大特征值。 其在matlab中的用法: norm(A,2) L∞L∞ 范数(行和范数)∥A∥∞=max1⩽i⩽m∑j=1n{|aij|}‖A‖∞=max1⩽i⩽m∑j=1n{|aij|},即所有矩阵行向量绝对值之和的最大值 其在matlab中的用法: norm(A,inf) 2. "元素形式"范数 L0L0 范数∥A∥0=def矩阵的非零元素的个数‖A‖0=def矩阵的非零元素的个数 其在matlab中的用法: sum(sum(A ~= 0)) L1L1 范数∥A∥1=def∑i=1m∑j=1n|aij|‖A‖1=def∑i=1m∑j=1n|aij|,即矩阵中的每个元素绝对值之和 其在matlab中的用法: sum(sum(abs(A))) LFLF 范数∥A∥F=def(∑i=1m∑j=1n|aij|2)1/2‖A‖F=def(∑i=1m∑j=1n|aij|2)1/2,即矩阵的各个元素平方之和后开方 其在matlab中的用法: norm(A,'fro') L∞L∞ 范数∥A∥∞=maxi=1,⋯,m; j=1,⋯,n{|aij|}‖A‖∞=maxi=1,⋯,m; j=1,⋯,n{|aij|},即矩阵的各个元素绝对值的最大值 其在matlab中的用法: max(max(abs(A))) 核范数∥A∥∗=∑i=1nλi‖A‖∗=∑i=1nλi,λiλi 为 AA 的奇异值,即所有矩阵奇异值之和 其在matlab中的用法: sum(svd(A)) |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |