矩阵论(1)三种常见的矩阵范数

矩阵论(1)三种常见的矩阵范数总结了三种矩阵范数:1-范数,2-范数以及∞-范数。

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺

本次博客参考了:http://blog.csdn.net/left_la/article/details/9159949
感谢原博主简明扼要的概括以及matlab代码提供!

1-范数(列和范数)

A1=maxjmi=1aij
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     3
     4     5     6
     7     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( AA 最大特征值开方)

A2=λ1
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

A 指的是A的共轭转置矩阵,也有 AH 这个写法。如果A里面全是实数,那效果就与 AT 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 - 2.0000i
   3.0000 + 0.0000i   0.0000 - 4.0000i

>> A'

ans =

   1.0000 + 0.0000i   3.0000 + 0.0000i
   0.0000 + 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: A v⃗ =λ v⃗ 
其中 v⃗  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     3
     4     5     6
     7     8     9

>> [V,D] = eig(A)

V =

   -0.2320 -0.7858 0.4082    -0.5253 -0.0868 -0.8165    -0.8187 0.6123 0.4082 

D =

   16.1168         0         0
         0   -1.1168         0
         0         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 v⃗ =[0.2320,0.5253,0.8187]T ,用matlab作验证如下:

>> A = [1,2,3;4,5,6;7,8,9]

A =

     1     2     3
     4     5     6
     7     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 A v⃗ =λ v⃗ 

2-3 矩阵的2-范数

矩阵的2-范数即对矩阵 AA 最大特征值 λ1 开方,如下:

>> [V,D] = eig(A'*A)

V =

   -0.4082 -0.7767 0.4797     0.8165   -0.0757    0.5724
   -0.4082 0.6253 0.6651 

D =

    0.0000         0         0
         0    1.1414         0
         0         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)

A=maxinj=1aij
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:

>> A

A =

     1     2     3
     4     5     6
     7     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。

2016.9.27
by 悠望南山

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/191764.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

  • java 0xff00_& 0xFF 与 & 0xFF00 的作用

    java 0xff00_& 0xFF 与 & 0xFF00 的作用c[i]=(char)(b[i]&0xff)(b[i]为byte型,c[i]为char型)觉得与一下0xff没什么用。直接c[i]=(char)b[i]有何异?如:((WORD)((((WORD)(wData)>>8)&0xff)|(((WORD)(wData)<<8)&0xff00)))charc=(ch…

  • 布局转模型无法生成新图形_三维数组初始化

    布局转模型无法生成新图形_三维数组初始化本系列文章为原创,转载请注明出处。作者:DongdongBai邮箱:baidongdong@nudt.edu.cn若您觉得本博文对您有帮助,请您为我点赞并关注我,以鼓励我写出更优秀的博文。谢谢!Eigen:C++开源矩阵计算工具——Eigen的简单用法Eigen库是一个开源的C++线性代数库,它提供了快速的有关矩阵的线性代数运算,还包括解方程等功能。Eigen

    2022年10月19日
  • 二元logistic回归模型——spss步骤

    二元logistic回归模型——spss步骤二元:因变量为二分类变量,且两个分类整合在一起的概率为1.(有效/无效;是/否)分析——回归——二元logistic——结果作为因变量——自变量作为协变量分类——设置分类变量(非连续变量)——变化量、第一个保存——概率、组成员选项:霍斯默-莱梅肖拟合优度、Exp(B)置信区间——在每一个步骤结果分析:(1)看霍斯默检验的显著性:sig/p>0.05表示拟合良好。(2)方程中的变量:B——系数sig——p值——显著性Exp(B)——OR值——优势比(高出一个单位,发生的概率高出多少

    2022年10月25日
  • 数据挖掘十大经典算法

    数据挖掘十大经典算法

  • mysql截取字符串最后两位_java 字符串截取 – 最后带上mysql字符串截取比较[通俗易懂]

    mysql截取字符串最后两位_java 字符串截取 – 最后带上mysql字符串截取比较[通俗易懂]Java中的substring()方法有两个方法的重载,一个带一个参数的,一个带两个参数的。第一种写法:substring(n);//从索引是n的字符开始截取,条件(n>=0,n第二种写法:substring(n,m);//从n开始,截取m-n个字符,条件(n通俗点:str.substring(intbegin,intend);从字符串开始位置(开始位置即为下标,下标是从0开始)截…

  • Matlab符合矩阵微分,matlab解矩阵微分方程.pdf[通俗易懂]

    matlab解矩阵微分方程MATLAB20180625–MATLAB1Definition1t′()Definition2∫()∫24MATLABode451:–11–MATLAB⩾(1)2.14MATLAB1%RUNGEKUTTA442%hyowinn…

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号