常见向量范数和矩阵范数及其MATLAB实现
参考 常见向量范数和矩阵范数及其MATLAB实现 - 云+社区 - 腾讯云
1、向量范数
1-范数:,即向量元素绝对值之和,matlab调用函数norm(x, 1) 。
2-范数:,Euclid范数(欧几里得范数,常用计算向量长度),即向量元素绝对值的平方和再开方,matlab调用函数norm(x, 2)。
∞-范数:,即所有向量元素绝对值中的最大值,matlab调用函数norm(x, inf)。
-∞-范数:,即所有向量元素绝对值中的最小值,matlab调用函数norm(x, -inf)。
p-范数:,即向量元素绝对值的p次方和的1/p次幂,matlab调用函数norm(x, p)。
2、矩阵范数
1-范数:, 列和范数,即所有矩阵列向量绝对值之和的最大值,matlab调用函数norm(A, 1)。
2-范数:,谱范数,即A'A矩阵的最大特征值的开平方。matlab调用函数norm(x, 2)。
∞-范数:,行和范数,即所有矩阵行向量绝对值之和的最大值,matlab调用函数norm(A, inf)。
F-范数:,Frobenius范数,即矩阵元素绝对值的平方和再开平方,matlab调用函数norm(A, ’fro‘)。
下面是解释和理解。
1-范数(列和范数)
将矩阵沿列方向取绝对值求和,然后擢选出数值最大的那个值作为1-范数。
比如:
A =1 2 34 5 67 8 9>> norm_1 = norm(A,1)norm_1 =18
第一列求和结果为:|1|+|4|+|7|=12
第二列求和结果为:|2|+|5|+|8|=15
第三列求和结果为:|3|+|6|+|9|=18
里面最大的就是18,因此矩阵A的列和范数为18。
2-范数(最大特征值开方)
这一部分涉及到的我不懂的概念比较多,接下来一一说明。
2-1 共轭转置矩阵
指的是A的共轭转置矩阵,也有这个写法。如果A里面全是实数,那效果就与无二;如果A里面也有复数,则是先对A取共轭(各项实部不变,虚部取相反数),然后再转置,比如:
A =1.0000 + 0.0000i 0.0000 - 2.0000i3.0000 + 0.0000i 0.0000 - 4.0000i>> A'ans =1.0000 + 0.0000i 3.0000 + 0.0000i0.0000 + 2.0000i 0.0000 + 4.0000i
在matlab中A’的意思就是求共轭转置矩阵。
2-2 特征值
矩阵A的特征值被定义为:
其中被称为“矩阵A的特征向量”,λ被称为“矩阵A的特征值”。
在matlab中求解矩阵A的特征值方法如下:
A =1 2 34 5 67 8 9>> [V,D] = eig(A)V =-0.2320 -0.7858 0.4082-0.5253 -0.0868 -0.8165-0.8187 0.6123 0.4082D =16.1168 0 00 -1.1168 00 0 -0.0000
矩阵V的每一列都是一个特征向量,D中对应列中的值即与该特征向量相匹配的特征值。以上例V、D第一列为例,此时特征值λ=16.1168,特征向量,用matlab作验证如下:
>> A = [1,2,3;4,5,6;7,8,9]A =1 2 34 5 67 8 9>> v = [-0.2320,-0.5253,-0.8187]'
v =-0.2320-0.5253-0.8187
>> lambda = 16.1168
lambda =16.1168
>> A * v
ans =-3.7387-8.4667-13.1947
>> lambda * v
ans =-3.7391-8.4662-13.1948
可知满足。
2-3 矩阵的2-范数
矩阵的2-范数即对矩阵最大特征值开方,如下:
>> [V,D] = eig(A'*A)V =-0.4082 -0.7767 0.47970.8165 -0.0757 0.5724-0.4082 0.6253 0.6651D =0.0000 0 00 1.1414 00 0 283.8586>> sqrt(283.8586)ans =16.8481
(这里最大特征值为283.8586)
当然,matlab中也有更直接的计算矩阵2-范数的方法,如下:
>> norm_2 = norm(A,2)
norm_2 =16.8481
两种方法计算出的结果是一样的。
∞-范数(行和范数)
和1-范数(列和范数)类似,这里是沿行方向取绝对值求和,将最大的那个值作为矩阵的∞-范数。matlab代码如下:
>> AA =1 2 34 5 67 8 9>> norm(A,inf)ans =24
第一行求和结果为:|1|+|2|+|3|=6
第二行求和结果为:|4|+|5|+|6|=15
第三行求和结果为:|7|+|8|+|9|=24
里面最大的就是24,因此矩阵A的行和范数为24。
常见向量范数和矩阵范数及其MATLAB实现相关推荐
- 常见向量范数和矩阵范数
1.向量范数 1-范数:,即向量元素绝对值之和,matlab调用函数norm(x, 1) . 2-范数:,Euclid范数(欧几里得范数,常用计算向量长度),即向量元素绝对值的平方和再开方,matla ...
- 【矩阵论】7. 范数理论——基本概念——向量范数与矩阵范数
矩阵论 1. 准备知识--复数域上矩阵,Hermite变换) 1.准备知识--复数域上的内积域正交阵 1.准备知识--Hermite阵,二次型,矩阵合同,正定阵,幂0阵,幂等阵,矩阵的秩 2. 矩阵分 ...
- 矩阵篇(一)-- 向量范数与矩阵范数的认识
最近学习了矩阵论,对范数相关知识进行了学习,而之前只是在论文和计算方法里提到1-范数.2-范数.∞\infty∞范数,下面我会从范数的定义,性质,以及范数的用途进行总结. 1 范数的物理意义 我们可以 ...
- 矩阵分析与计算学习记录-向量范数与矩阵范数
本章知识重点: 向量范数:定义.性质.等价性.分析性质 矩阵范数:定义.算子范数 矩阵范数与向量范数的相容性 矩阵的普半径及应用:普半径.矩阵序列及级数中的应用 矩阵的条件数及应用:矩阵的条件数.误差 ...
- 范数-向量范数和矩阵范数
1 概括: 范数(norm)是数学中的一种基本概念,满足条件: 非负性 齐次性 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. 范数包括向量范数和矩阵范数. 向量范数表征 ...
- 【数学】向量范数和矩阵范数(几种范数 norm 的简单介绍)
目录&索引 一.什么是范式? 二.向量范式 1-范数 2-范数 P-范数 ∞-范数 -∞-范数 三.矩阵范式 1-范数 2-范数 ∞-范数 F-范数 四.小结 一.什么是范式? 范数,是具有& ...
- 范数(赋范线性空间、向量范数、矩阵范数)
赋范线性空间: 在线性空间中装配上范数就成了赋范线性空间,这和內积空间是不是套路一致. ---------------------------------------------------- 向量范 ...
- 向量范数与矩阵范数定义和python向量矩阵运算示例
向量范数与矩阵范数定义和python向量矩阵运算示例 1.范数(norm)的意义 要更好的理解范数,就要从函数.几何与矩阵的角度去理解. 我们都知道,函数与几何图形往往是有对应的关系,这个很好想象, ...
- 数值分析总结笔记1——向量范数、矩阵范数
一.向量范数 1.定义: 对于任意向量x,y以及复数α∈C,函数 f(x)=||x|| 满足以下三个条件: 1.非负性 ||x|| ≧ 0, ||x||=0 ⇿ x=0 (n*1) 注意符号,可能会导 ...
最新文章
- Python 越被黑越红?2 万程序员这么说......
- 深入浅析mysql引擎
- 【转】Go 语言教程(2)——表达式
- 用户界面改变图片锚点
- Microsoft.Office.Interop.Excel的用法
- Matlab中特征降维主成分分析(PCA)使用方法(整套流程)
- switch语句可以被代替吗_大空间建筑内的消防水炮可以代替喷淋装置吗
- python使用redis_python应用中使用redis的几个思考
- hdu 1408(高精度)坑人嫩
- 前端应该掌握的网络知识(1)
- Laravel核心解读--Facades
- 亚马逊云基础架构:一场从未停歇的技术创新革命
- 直播电商都用上 AI 实时翻译了!歪果仁也能听懂李佳琦
- python报表自动化系列 - python中索引pandas.DataFrame的内容
- java基础学习(3)
- HeadFirstJava——1_基本概念
- 【元胞自动机】基于matlab元胞自动机模拟SEIR传播模型【含Matlab源码 2156期】
- 用python开发文本翻译小软件
- 新版标准日本语高级_第13课
- GDAL 读取和保存 Grd 文件
热门文章
- Flutter实战开发(2)------实现条形码扫描获取商品信息
- 过去的互联网,modnet的出现
- Java知识之Git
- 大一作业HTML网页作业 HTML CSS制作二十四节气网页
- Android 内置RTSP/RTMP服务器,实现局域网内视频推流与播放
- webgl_图形变换(旋转,平移,缩放)
- 作为一个项目经理,这七个项目管理经验你掌握了吗?
- 我们的flowable改造(8)-----BPMN模型
- 2D-2D:对极几何与三角测量
- 【每日论文】GenCo: Generative Co-training for Generative Adversarial Networks with Limited Data