数学术语——范数(norm)

H无穷范数、最大奇异值、灵敏度函数、扰动响应闭环传递函数、灵敏度积分、上下界 LQG的弱点:对控制的一个主要挑战使多变量控制系统设计,因为MIMO系统的传函是一个矩阵。低频时要求较高的轨迹跟踪性能,那么就会使得环路增益要高,所对应的灵敏度就要小,也就是对于扰动的响应要小。一般可以通过一些方法使得在感兴趣的频率范围使得扰动响应小,可以用H无穷范数进行表达,通过权重函数的调节可以使得H无穷范数尽量在感兴趣的频率范围内设计的无限小。H∞控制方法始于1981年,Zame把SISO线性反馈系统的灵敏度问题看作是H∞最小范数问题,并涉及了古典控制理论的一些基本问题,立即引起了人们的极大注意。 阅读详情

目录

1.  单词“norm”的英语词源

2.“norm”在数学中的含义

3.“范”的中文含义

4. 向量的范数


1.  单词“norm”的英语词源

单词“norm”来自法语“norme”,源头是拉丁语“norma”,词义为“carpenter's square, rule, pattern(木工直方尺(直角尺),直尺,模型)”。即为了获得一些直角的东西,或者方形的东西,而采用的模型。

2.“norm”在数学中的含义

    在数中,“norm”至少有3个含义。前两个来自代数和分析,可以应用于相同的事物,也容易混淆。

    数论(然后是代数)中的“norm”来自术语“norma”,由  Carl Friedrich Gauss (1777-1855)在1832年引入,最初出现在他的著作<< Theoria residuorum biquadraticorum, Commentatio secunda>>(残差双二次理论,第二条评论)中。Gauss当时正在考虑复数指数(Gauss整数) a+bi 及其“norma” a^{2}+b^{2} 。

在1856提,W. R. Hamilton 使用“norm”来表示任意复数 a+bi 对应的 a^{2}+b^{2} 。《牛津英语词典》(OED)引用了他的论文笔记(Sir W. R. Hamilton (1967) III.657章节,H. Halberstam & R. E. Ingram Math 编辑),“当 a 和 b 是整数且 i = \sqrt{-1} , a+bi 称为一个复数;它的‘norm’是 a^{2}+b^{2}  ;因此,一个乘积的‘norm’等于其因子的‘norm’的乘积。”(注:在这里,复数中指的“范数”是复数长度的平方。)

    在1911-1912年,M. Bôcher & L. Brand使用“norm”来表示具有 k 个分量的复数量 (a_1, a_2,..., a_k)  对应的  |a_1 |^2 + |a_2 |^2 + ... + |a_k |^2  (“关于具有无限多个变量的线性方程”,<<数学年鉴>>,第 2 系列,13 ,第168页)。(注:在这里,复数向量中指的“范数”是复向量每个分量的长度的平方和。)

    在1967年,S. MacLane & G. Birkhoff 在 Algebra v. 187 中引用,“具有元素 \sigma = r + s\sqrt{d} 的每个二次域 Q(\sqrt{d})  ,其作为自同构(automorphisms ),都有这个恒等式且 \sigma \longrightarrow \hat{\sigma} = r - s\sqrt{d} 。其乘积 \sigma \hat{\sigma}=r^{2}+s^{2}d 称为 σ 的‘norm’ ,记为 N(σ)。”

“norm”在分析中与距离联系在一起,要求范数满足三角不等式,而Gauss范数则不需要。

    在1921 年,Albert A. Bennett“Normalized Geometric Systems”,Proc. National Acad. Sci. U.S.A. 7第 84页:“一个复数量的范数或数值的概念, c = a + b\sqrt{(-1)} ,即 |c| = \sqrt{a^2 + b^2 } ,当它出现在代数中时,或多或少可以直接推广到更广泛的矩阵系统。”

在1922年,S. Banach在<<Sur les opérations dans les ensembles abstraits et leur application aux équations integrales>>(关于抽象集合中的运算和积分方程的应用)( Fundamenta Mathematicae,3, 第135-136页。示例 (第167-168页))中,为一个抽象线性空间(abstract linear space )定义了“la norme”,其定义为 ||\varphi|| = \sqrt[r]{\int_{a}^{b} |\varphi|^{r}dx} 。

    矩阵的范数。 A. S. Householder 在他的<< Theory of Matrices in Numerical Analysis >>(数值分析中的矩阵理论)(1964 年,第 55 页)中写道:“范数的概念是泛函分析的基础,但直到最近才经常出现在数值分析或矩阵理论的文献中。” 1940 年左右情况发生了变化。例如,术语“范数”出现在 Harold Hotelling 的“Some New Methods in Matrix Calculation(矩阵计算中的一些新方法)”中(<< Annals of Mathematical Statistics >>(数学统计年鉴),14,(1943),第 11 页),Albert H. Bowker“On the Norm of a Matrix(关于矩阵的范数)”对范数进行了一般性讨论(Annals of Mathematical Statistics, 18,(1947), 285-288)。Hotelling 使用的范数是“矩阵的绝对值”,出现在J. H. M. Wedderburn编辑的<<Lectures on Matrices >>(矩阵讲座)(1934年)8.09(第 125页)中。Wedderburn追溯这个概念一直到 1887年。  

    另一种用法,与以上几种都不相关,指的是Riemann积分中一个区间的一个划分的范数,用于表示子划分的良好度(fineness)。出现在Henry John Stephen Smith的“On the Integration of Discontinuous Functions(论不连续函数的积分)”中,1875 年 6 月 10 日在伦敦数学学会上宣读:“我们可以将 d 称为除法的范数;显然,有无限多个具有给定范数的不同划分;并且适用于任何给定范范的划分也适用于每一个更大的范数。”

    向量的范数。Erhard Schmidt在他的1908年论文“Über die Auflösung linearer Gleichungen mit unendlich vielen Unbekannten”(Rendiconti del Circolo Matematico di Palermo,25 (1908))的第57页中,他定义了一个函数 A(x)(x = 1,2,3,...),他在脚注中称,这个函数可以被视为一个无限维空间中的向量,他称一个正的量|| A||(Euclid范数)为长度,如果向量的长度等于1,他称其为“normirt”。

3.“范”的中文含义

与英语“norm”相对应的中文“范”的接近的含义:

(1) 模型,模子。

(2) 铸造器物的模型,也指用模型浇铸。

(3) 典范,法则。

(4) 度量,器具。

因此,数学中的“范数”,可理解为“用于度量某个数学量的模型”。

4. 向量的范数

      令 ℝ 表示实数集 (我们用 \mathbb{R}^n 表示由实数组成的 n 元组  \underline{v} = \{v_1 ,v_2 ,...,v_n \} 。其中,v_i 表示 \underline{v} 的分量,。向量的下划线符号很容易手写,比常用的粗体更容易,而且比在符号上画一个小箭头看起来更不尴尬。我们将在处理离散信号和离散Fourier变换以及二维和更高维度的Fourier变换时再次使用这种表示法。如果你想使用自己的符号,那很好,但是要选择一些东西——你确实需要一些符号来区分向量和标量。

        \underline{v} 的长度,或称范数(norm)是:

        ||\underline{v}|| = (\underline{v}_1^2 + \underline{v}_2^2 +...+ \underline{v}_n^2)^{1/2} (n \in \mathbb{Z}) 。

写成双竖线大概是为了与绝对值符号相区分,但在不引混淆的情况下也写成||形式。

弗罗贝尼乌斯范数 matlab,【Frobenius norm(弗罗贝尼乌斯-范数)(F-范数)】 (1)Frobenius 范数(F-范数)一种矩阵范数,记为:。 即矩阵中每项数的平方和的开方值。 这个范数是针对矩阵而言的,具体定义可以类比向量的L2范数。可用于 利用低秩矩阵来近似单一数据矩阵。用数学表示就是去找一个秩为k的矩阵B,使得矩阵B与原始数据矩阵A的差的F范数尽可能地小。(2)Minkowski-P范数(矩阵元范数?)两个n维变量a(x11,x12,…,x1n)与b(x21,x2... 阅读详情

相关推荐

深度学习行话解码:从术语表到代码级理解

深度学习术语不是孤立词汇,而是高度压缩的技术认知包,承载着数学原理、框架实现与工程权衡的多重含义。理解如'backpropagation'需回归链式法则本质,掌握'batch norm'须洞察其作为训练稳定器的动态统计机制,而'attention'实为可学习的加权路由而非仿生概念。这些高频词在PyTorch/TensorFlow中对应明确API签名,在调试中表现为梯度直方图、loss曲线等可观测指标,在跨团队协作中更需按角色重构表达。本文聚焦Jargons与Deep Learning的实践映射,以代码为锚点

weixin_30315905的博客 417

范数的简介

目录什么是范数?范数的类型常用的向量范数常用的矩阵范数向量求范数的具体操作矩阵求范数的具体操作范数的一种具体应用 什么是范数? 范数(norm)是数学中的一种基本概念。在泛函分析中,它定义在赋范线性空间中,并满足一定的条件,即①非负性;②齐次性;③三角不等式。它常常被用来度量某个向量空间(或矩阵)中的每个向量的长度或大小。 范数的类型 常用的向量范数 0范数(L0范数)-向量中非0元素的个数。 1范数(L1范数)-向量中各个元素绝对值之和。 2范数(L2范数)-向量的模长。 无穷范数(最大范数)-向量中各个

daijingxin的博客 2万+

深度学习归一化方法选型指南:BN、LN、IN、GN、RMS Norm实战解析

归一化(Normalization)是深度学习中保障训练稳定与加速收敛的基础技术,其核心原理是通过约束神经元激活值的统计分布,缓解内部协变量偏移(ICS),从而改善梯度流动与参数更新鲁棒性。从工程角度看,不同归一化方法本质是对‘统计维度’与‘计算粒度’的设计权衡:Batch Norm依赖批维度,在标准CNN中效果显著;Layer Norm面向特征维度,适配Transformer等序列模型;Instance Norm以单样本为单位,主导风格迁移任务;Group Norm通过通道分组平衡小批量鲁棒性与表达能力;

dengkuituo0680的博客 362

秒懂范数Norm

范数(Norm)是数学中用于度量向量或矩阵大小的一种函数,通常用于描述一个向量或矩阵的“长度”或“大小”。

qq_45934590的博客 5888

张量分解--CP、Tucker分解

主要简要介绍了一下CP分解与Tucker分解的基本概念。

BIT_mk的博客 4617

DoRA:LoRA加权微调的原理、优势与实战落地指南

低秩适应(LoRA)是大模型轻量微调的核心技术之一,其通过低秩增量矩阵实现参数高效更新;但传统LoRA仅建模更新方向,忽略幅度敏感性,导致在专业领域、小样本或强分布偏移场景下性能波动。DoRA(Weight-Decomposed Low-Rank Adaptation)从数学结构上重构更新范式,显式解耦‘方向’与‘幅度’,引入可学习标量magnitude并结合Frobenius范数归一化,在不增加推理开销、兼容现有LoRA工具链的前提下,显著提升稳定性与任务适配能力。本文围绕DoRA的核心原理、PEFT集成

dianning8393的博客 353

【Frobenius norm(弗罗贝尼乌斯-范数)(F-范数)】

(1)Frobenius 范数(F-范数) 一种矩阵范数,记为:。 即矩阵中每项数的平方和的开方值。 这个范数是针对矩阵而言的,具体定义可以类比向量的L2范数。 可用于 利用低秩矩阵来近似单一数据矩阵。 用数学表示就是去找一个秩为k的矩阵B,使得矩阵B与原始数据矩阵A的差的F范数尽可能地小。 (2)Minkowski-P范数(矩阵元范数?) 两个n维变量a(x11,x1...

weixin_45251808的博客 6万+

神经网络概念优先教学:从数学直觉到白箱推演

神经网络不是黑箱调参,而是可推演的数学系统。理解其本质需回归梯度几何意义、链式法则稳定性、权重初始化对信号与梯度流的双重调控等基础原理。这些概念构成深度学习模型可解释性与鲁棒性的底层支撑,直接决定损失函数设计、归一化策略选择及注意力机制建模的有效性。在教学与工程实践中,‘数学直觉’和‘概念优先’并非抽象口号,而是弥合理论认知与代码实现断层的关键路径——它让BatchNorm成为动态校准器而非归一化操作,让Attention具象为聚焦透镜,使反向传播从公式推导升维为物理过程理解。本文即围绕这一范式展开系统解构

corg81763的博客 398

弗罗贝尼乌斯范数(Frobenius norm)

向量范数是很常见的,在很多教科书里都能见到。矩阵范数是对向量范数的一种推广。下面转载一篇讲解矩阵范数的文章,里面有对弗罗贝尼乌斯范数的定义,比较适合扫盲。原文如下: 矩阵范数(matrix norm)是数学上向量范数对矩阵的一个自然推广。 目录 1矩阵范数的特性 2诱导范数 3矩阵元范数 3.1弗罗贝尼乌斯范数 3.2极大范数 ...

格物致知的专栏 [音视频编解码 网络协议 计算机视觉 计算机图形学 图像理解 语音识别 机器学习 模拟电路 传感器] 5万+

什么是范数(Norm),其具有哪些性质

文章目录直观的感受一下范数范数的定义直观的感受下范数的边界图像范数的性质参考资料 直观的感受一下范数 先直观的感受一下二维空间的范数,假设在二维空间的向量为 v=(x,y)\bold{v} =(x,y)v=(x,y) 则v的1范数为: ∣∣v∣∣1=∣∣(x,y)∣∣1=∣x∣+∣y∣=(∣x∣1+∣y∣1)11 ||\bold{v}||_1 =||(x,y)||_1 = |x| + |y| = (|x|^1+|y|^1)^\frac{1}{1} ∣∣v∣∣1​=∣∣(x,y)∣∣1​=∣x∣+∣y∣=(∣

iioSnail的博客 3万+

H 无穷范数:非迭代方法:使用 MATLAB 对线性系统的无穷范数进行替代(系统)计算。-matlab开发

它是一种以非迭代方式计算给定线性不变控制系统的无穷范数的系统方法。 还提供了一些其他应用程序,以便绘制给定线性系统的最大奇异值等。

矩阵范数(martix norm) --维基百科

矩阵范数(martix norm)是数学上向量范数对矩阵的一个自然推广。 目录    [隐藏]  1 矩阵范数的特性2 诱导范数3 矩阵元范数 3.1 弗罗贝尼乌斯范数3.2 极大范数3.3 Schatten 范数 4 一致范数5 范数的等价 5.1 范数等价的例子 6 参考资料 [编辑]矩阵范数的特性 以下 K

CFZero的专栏 1万+

【邻接表存图模板】vector邻接表、数组邻接表、链式前向星

一、目录 一、目录 二、前言 三、邻接表“详解” (一)边的信息 (二)几种邻接表的实现方法“详解” 1.数组邻接表 代码 2.vector邻接表 代码 vector邻接表还有一种魔性写法: 3.链式前向星 代码 四、总结 二、前言 本来之前自己太弱了,一直只会用邻接矩阵,后来发现邻接表才是主流... 参考&特别鸣谢: https://www.cnblog...

十里寒塘路♣烟花一半醒 3117

Frobenius norm(弗罗贝尼乌斯范数)

对 p = 2,这称为弗罗贝尼乌斯范数(Frobenius norm)或希尔伯特-施密特范数( Hilbert–Schmidt norm),不过后面这个术语通常只用于希尔伯特空间。这个范数可用不同的方式定义: 这里 A* 表示 A 的共轭转置,σi 是 A 的奇异值,并使用了迹函数。弗罗贝尼乌斯范数与 Kn 上欧几里得范数以及和来自弗罗贝尼乌斯内积空间的矩阵非常类似。维基百科:https:/

The palest ink is better than the best memory 1万+

遥感大模型的深度学习从CNN到Vision Transformer以及混合架构的演进之路

深度学习,特别是以卷积神经网络(CNN)和Transformer为代表的“大模型”技术,正以其强大的表征学习能力,深刻地重塑着遥感智能解译的整个技术栈与认知范式。本文将系统性地梳理遥感大模型从局部卷积的奠基,到全局注意力的革命,再到二者融合的混合架构演进这一波澜壮阔的历程。我们将深入剖析每个阶段的核心技术原理,结合遥感数据特性与实际应用案例,详细阐述其在分类、检测、分割等核心任务中的具体应用。

panshengwu的博客 1142

Kafka延迟队列实现方案全解析

$ \text{时间轮} = \text{环形数组} + \text{分层设计} $$需要补充代码实例或特定场景的优化方案可进一步细化,此大纲已覆盖核心技术路径。

lz989796的博客 818

【和范数】【差范数】和范数和差范数

在某些文献或领域中,和范数可能是指对一组向量(或矩阵)的各个分量的范数进行累加,通常是将向量中的每个元素的范数进行加总。(Difference Norm)在数学和信号处理中的含义有所不同,它们分别度量的是向量或函数的某种“大小”或“差异”。这种形式的范数可以被理解为每个元素的范数(绝对值)的和,常见于处理稀疏性问题的场合(例如 LASSO 回归)。总之,和范数可能就是对某个对象(向量、矩阵等)元素的某种范数的求和过程。(曼哈顿距离):衡量两个向量之间的差异的绝对值的和。则用于衡量两个对象之间的差异或距离。

wq6qeg88的博客 898

宜搭,高级认证实操2,FaaS连接器指导教程

找到FaasEntry.java将如下代码整体替换,注意引包。如图所示在util下新建EDSUtil.java代码如下。回到连接器界面点击右上角测试-->测试。连接器工厂-->新建FaaS连接器。保存-->前往云IDE开发。返回如图所示代码,部署成功。

2301_80286061的博客 3343

一些名词解释——band-pass filter;high-pass filter; L1/L2 norm;欧几里得距离;特征向量

一些名词解释

qq_51303289的博客 1233

LLM之RAG实战(五十四)| 复杂文档处理RAG框架:Ragflow

RAGFlow 是一种结合了检索增强(Retrieval-Augmented Generation,RAG)与流程控制(Flow)的人工智能技术架构。它通过检索外部知识库中的信息,结合自然语言生成技术,为用户提供更准确、更丰富的回答。同时,它还引入了流程控制机制,能够根据任务需求动态调整信息检索和生成的流程,从而更好地完成复杂的任务。RAGFlow 的核心优势在于将检索和生成相结合,打破了传统生成模型仅依赖内部参数进行文本生成的局限。

wshzd的博客 1067

微带天线理论学习笔记(1)

微带天线的概念是由Deschamps于1953年提出来的,它是在一块厚度远小于工作波长的介质基片的一面敷以金属辐射片、一面全部敷以金属薄层作接地板而成。辐射片可以根据不同的要求设计成各种形状。微带天线具有质量轻、体积小和易于制造等优点,广泛应用于个人无线通信中。

qq_36521926的博客 6228

matlab范数极小化问题,L1范数极小化问题,L_1-norm minimizing problems,音标,读音,翻译,英文例句,英语词典...

补充资料:标准化和统一化中的数学问题标准化和统一化中的数学问题standardization and unification, mathematical problems in标准化和统一化中的数学问题【sta以Iar血.柱阅。对耐-fica位犯,“.廿吮.口血址声曲腼”sin;cTaH及即T“3叫“““界一恤K时耳It“M盯eMaT“耽似e3叭哪l 确定产品及其组成部分的最优系列的问题. ...

weixin_42115003的博客 296

新手避坑指南:HT7036计量芯片SPI读取电压的完整流程(从复位到校准)

本文详细介绍了HT7036计量芯片的SPI读取电压完整流程,从硬件准备到校准设置,重点解析了复位引脚处理、SPI通信配置、芯片初始化及数据处理等关键步骤。针对常见问题如晶振焊接、SPI时序错误等提供实用解决方案,帮助开发者高效完成电压测量与校准。

weixin_30070339的博客 328

机器学习AI数学基础

TensorFlow 是一个,专门为机器学习任务而设计,让开发者能够轻松地构建从简单线性回归到复杂神经网络的各种模型。TensorFlow 是由 Google 开发的开源机器学习框架,用于构建和训练各种机器学习和深度学习模型。和,表示数据以张量的形式在计算图中流动。核心概念。

qq_32381773的博客 463

Autosar_MCAL_Port

PORT Driver就是对微控制器(MCU)的整个PORT模块进行初始化配置。很多端口和管脚被分配有多种不同的功能,即可以进行引脚功能复用,比如通用I/O、adc、pwm、spi等功能。因此,对PORT必须有一个整体的配置和初始化,对各管脚的具体配置和使用取决于微控制器和ECU的引脚功能分配。PORT初始化数据应当尽可能高效地写到每个端口。DIO驱动中所用到的端口的配置和初始化都是在PORT驱动模块中完成的。因此,在使用DIO功能之前,应先进行PORT的初始化。1、PortContainer说明。

不断debug,优化中…… 240

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

上一篇: Fourier分析入门——第14章——Fourier光学
下一篇: Fourier变换及其应用(Brad G. Osgood)——第1章——Fourier级数
ComputerInBook
博客等级 码龄19年 1168粉丝 465原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值