向量与矩阵的范数

本文介绍了向量和矩阵的范数概念,包括向量的1-范数、2-范数、无穷范数以及矩阵的1-范数(列模)、2-范数(谱模)和无穷范数(行模),并阐述了范数的基本性质,如非负性、零范数的定义、齐次性和三角不等式等。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

  • 假设向量X∈Rn,矩阵A∈Rn×n向量X∈R^n,矩阵A∈R^{n×n}XRn,ARn×n

1.向量的范数

  • 向量的1-范数:∣∣X∣∣1=∑i=1n∣xi∣||X||_1=\displaystyle\sum_{i=1}^{n}|x_i|X1=i=1nxi,各个元素绝对值之和
  • 向量的2-范数:∣∣X∣∣2=∑i=1nxi2||X||_2=\sqrt {\displaystyle\sum_{i=1}^{n}x_i^2}X2=i=1nxi2,各个元素的平方和再开平方
  • 向量的无穷范数:∣∣X∣∣∞=max1≤i≤n∣xi∣||X||_{∞}= \mathop{max}\limits_{1≤i≤n}|x_i|X=1inmaxxi,各个元素的平方和再开平方

2.矩阵的范数

  • 矩阵的1-范数(列模):∣∣A∣∣1=max1≤i≤n∣∣AX∣∣1∣∣X∣∣1=maxX≠0∑i=1n∣aij∣||A||_1=\mathop{max}\limits_{1≤i≤n}{\frac{||AX||_1}{||X||_1}}=\mathop{max}\limits_{X≠0}\displaystyle\sum_{i=1}^{n}|a_{ij}|A1=1inmaxX1AX1=X̸=0maxi=1naij,矩阵中每列元素绝对值求和,再取其中最大值
  • 矩阵的2-范数(谱模):∣∣A∣∣2=max1≤i≤n∣∣AX∣∣2∣∣X∣∣2=λmax(ATA)=max1≤i≤n∣λi∣||A||_2=\mathop{max}\limits_{1≤i≤n}{\frac{||AX||_2}{||X||_2}}=\sqrt {λ_{max}(A^{T}A)}=\sqrt {\mathop{max}\limits_{1≤i≤n}|λ_i|}A2=1inmaxX2AX2=λmax(ATA)=1inmaxλi,其中,λiλ_iλiATAA^{T}AATA的特征值,矩阵ATAA^{T}AATA的最大特征值开平方根
  • 向量的无穷范数(行模):∣∣A∣∣∞=maxX≠0∣∣AX∣∣∞∣∣X∣∣∞=∑i=1n∣aij∣||A||_{∞}=\mathop{max}\limits_{X≠0}\frac{||AX||_{∞}}{||X||_{∞}}=\displaystyle\sum_{i=1}^{n}|a_{ij}|A=X̸=0maxXAX=i=1naij,矩阵每行上的各个元素的绝对值求和,取其中最大值再开平方
  • 3.范数的性质

  • 1.∣∣A∣∣≥0||A||≥0A0
  • 2.if∣∣A∣∣=0,X=0if ||A||=0,X=0ifA=0,X=0
  • 3.∣∣aA∣∣=∣a∣∣∣X∣∣,其中a为常数||aA||=|a| ||X||,其中a为常数aA=aX,a(齐次性)
  • 4.∣∣A+B∣∣≤∣∣A∣∣+∣∣B∣∣||A+B||≤||A|| +||B||A+BA+B(三角不等式)
  • 5.∣∣AB∣∣≤∣∣A∣∣∣∣B∣∣||AB||≤||A|| ||B||ABAB(相容性)
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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