向量、矩阵的范数/模(norm)
生活随笔
收集整理的這篇文章主要介紹了
向量、矩阵的范数/模(norm)
小編覺得挺不錯的,現(xiàn)在分享給大家,幫大家做個參考.
norm:翻譯為模或者內(nèi)積,廣義來說是一個函數(shù)
vector(向量) norms
1. eculidean(歐幾里得)norm
vector (x = (x_1;x_2; ...; x_n))
其eculidean norm為 :(||x|| = sqrt{x^T x} = (sum_{i=1}^n x_i^2)^{frac 12} = sqrt{x_1^2 +x_2^2 + ...+x_n^2})
2. P norm (P>=1)
[||x||_p = (sum_{i=1}^n {|x_i|}^p)^{frac 1p}
]
常用:1 norm 、2norm(eculidean norm)、(infty) norm
matrix norms
there have a matrix A (in C^{m imes n})
1. frobenius matrix norm (F norm)
[||x||_F^2 = sum_{ij}{|a_{ij}|}^2 = sum_i {||A_{i*}||}_2^2 =sum_j {||A_{*j}||}_2^2 = trace(A^* A)
]
2. matrix 2-norm
[||A||_2 = sqrt {lambda_{max}}
]
[lambda_{max} quad {是A^* A 最大特征值}
]
3. matrix 1-norm
[||A||_1 = \, {列向量最大1模}
]
4. matrix (infty) norm
[||A||_{infty} =\, {行向量最大1模}
]
堅持
總結(jié)
以上是生活随笔為你收集整理的向量、矩阵的范数/模(norm)的全部內(nèi)容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 如何配置端口如何设置路由器各端口
- 下一篇: Kubernetes之无头服务(head