向量的范数和矩阵的范数_矩阵范数与向量范数相容是什么意思

向量的范数和矩阵的范数_矩阵范数与向量范数相容是什么意思矩阵是什么?我们都知道映射指的是一个空间Rm\mathbb{R}^mRm到另一个空间Rn\mathbb{R}^nRn的变换关系,狭义的函数其实是映射的一种特例,特指实数集间R1\mathbb{R}^1R1的映射关系。在所有映射中,我们最常见的是线性映射,对这种线性映射关系,我们是用矩阵来刻画,比如我们要将一个向量x∈Rmx\in\mathbb{R}^mx∈Rm映射到另外一个空间Rn\…

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

矩阵是什么?

我们都知道映射指的是一个空间 R m \mathbb{R}^m Rm到另一个空间 R n \mathbb{R}^n Rn的变换关系,狭义的函数其实是映射的一种特例,特指实数集间 R 1 \mathbb{R}^1 R1的映射关系。

在所有映射中,我们最常见的是线性映射,对这种线性映射关系,我们是用矩阵来刻画,比如我们要将一个向量 x ∈ R m x \in \mathbb{R}^m xRm映射到另外一个空间 R n \mathbb{R}^n Rn中,那么我们就对其左乘一个矩阵 A A A,于是 y n × 1 = A n × m x m × 1 y_{n \times 1}=A_{n \times m} x_{m \times 1} yn×1=An×mxm×1,这里矩阵的角色就好比函数中的函数体 f ( x ) f(x) f(x)

研究矩阵的性质有助于我们理解这个矩阵是如何作用于输入的,从而揭露了从输入到输出之间的规律。比如:

矩阵的秩反映了映射目标向量空间的维数,比如对于变换 y = A x y=Ax y=Ax,如果 A A A的秩分别1,2,3,那么表示新的向量 y y y的维数分别是1,2,3,所以秩其实就是描述了这个变换矩阵会不会将输入的向量空间降维,如果 y y y没有降维(与 x x x维数一样),则 A A A为满秩。

可逆矩阵反映了线性映射的可逆性,假如 A A A是可逆的,那么对于变换 y = A x y=Ax y=Ax,就有 x = A − 1 y x=A^{-1}y x=A1y

矩阵范数则反映了线性映射把一个向量映射为另一个向量,向量的“长度”缩放的比例,或者可以理解为矩阵的范数就是一种用来刻画变换强度大小的度量。另外,各种范数之间是等价的,这些主要介绍他们的数学定义。

矩阵范数

常用的矩阵范数:

F-范数:Frobenius范数,即矩阵元素绝对值的平方和再开方,对应向量的2范数, ∥ A ∥ F = ( ∑ i = 1 m ∑ j = 1 n ∣ a i j ∣ 2 ) 1 2 \|A\|_{F}=\left(\sum_{i=1}^{m} \sum_{j=1}^{n}\left|a_{i j}\right|^{2}\right)^{\frac{1}{2}} AF=(i=1mj=1naij2)21
F范数经常用来衡量两个矩阵是否相似,比如要使矩阵 B B B 与矩阵 A A A相似,那么就可以优化它们的误差矩阵 B − A B-A BA 的F范式。

1-范数:列和范数,即矩阵每列向量元素绝对值之和中取最大值, ∥ A ∥ 1 = max ⁡ j ∑ i = 1 m ∣ a i , j ∣ \|A\|_{1}=\max _{j} \sum_{i=1}^{m}\left|a_{i, j}\right| A1=maxji=1mai,j

2-范数:谱范数,即 A T A A^{T} A ATA矩阵的最大特征值的开平方, ∥ A ∥ 2 = λ 1 , λ 1 \|A\|_{2}=\sqrt{\lambda_{1}}, \lambda_{1} A2=λ1
,λ1
A T A A^{T} A ATA的最大特征值

∞ \infty -范数:行和范数,即矩阵每行向量元素绝对值之和中取最大值, ∥ A ∥ ∞ = max ⁡ i ∑ j = 1 n ∣ a i , j ∣ \|A\|_{\infty}=\max _{i} \sum_{j=1}^{n}\left|a_{i, j}\right| A=maxij=1nai,j

向量范数

常用的向量范数:

2-范数:Euclid范数(欧几里得范数),也就是向量长度,向量元素绝对值的平方和再开方, ∥ x ∥ 2 = ( ∑ i = 1 N ∣ x i ∣ 2 ) 1 2 \|x\|_{2}=\left(\sum_{i=1}^{N}\left|x_{i}\right|^{2}\right)^{\frac{1}{2}} x2=(i=1Nxi2)21

1-范数:即向量元素绝对值之和, ∥ x ∥ 1 = ∑ i = 1 N ∣ x i ∣ \|x\|_{1}=\sum_{i=1}^{N}\left|x_{i}\right| x1=i=1Nxi

∞ \infty -范数:即所有向量元素绝对值中的最大值, ∥ x ∥ ∞ = max ⁡ ∣ x i ∣ \|x\|_{\infty}=\max \left|x_{i}\right| x=maxxi

− ∞ -\infty 范数:即所有向量元素绝对值中的最小值, ∥ x ∥ − ∞ = min ⁡ i ∣ x i ∣ \|x\|_{-\infty}=\min _{i}\left|x_{i}\right| x=minixi

p-范数:即向量元素绝对值的p次方和的1/p次幂,2范数就是p范数的特例, ∥ x ∥ p = ( ∑ i = 1 N ∣ x i ∣ p ) 1 p \|x\|_{p}=\left(\sum_{i=1}^{N}\left|x_{i}\right|^{p}\right)^{\frac{1}{p}} xp=(i=1Nxip)p1

0-范数,向量中非零元素的个数。

如果对你有帮助,请点个赞:-D

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/193221.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

  • calendar类常用方法_设计一个日期类date

    calendar类常用方法_设计一个日期类date常量字段Calendar类的常量字段是非常重要的参数,在set()、add()、get()方法中都会用到。

  • logcat — 基本用法

    logcat — 基本用法1.Log类是一个日志类,我们可以在代码中使用logcat打印出消息常见的日志记录方法有:v(String,String)–verbose显示全部信息d(String,String)–

  • win10网络重置命令net_win10 重置网络设置

    win10网络重置命令net_win10 重置网络设置经常遇到局域网无法互相访问、网络连接上但无法上网的问题。如果找不到愿意,可以暴力重置一下网络:win+x,管理员方式打开cmd;输入netshwinsockreset命令;可能需要重启操作系统。

    2022年10月29日
  • 无阻塞情况connect生产EINPROGRESS错[通俗易懂]

    无阻塞情况connect生产EINPROGRESS错[通俗易懂]今天的游戏开发client测试程序,非常多,因为出现client。后connect成功。代码证recv系统调用。后来发现,可能是由于socket默认模式被阻止,这将使很多client接处于链接却不能数据传输状态。后来改动socket为非堵塞模式,但在connect的时候,发现返回值为-1,刚開始以为是connect出现错误,但在server上看到了链接是ESTABLISED…

  • 国外最流行的Bootstrap后台管理模板

    国外最流行的Bootstrap后台管理模板工欲善其事,必先利其器对于从事软件开发的您也一样,有一套熟悉的bootstrap后台ui框架让您的开发速度大幅度提升这是本人经常使用到的一些bootstrap后台框架推荐给大家第一名inspiniabootstrap演示地址http://cn.inspinia.cn效果图http://cn.inspinia.cnhttp://cn.inspinia.cn第二名…

  • 【转载】关于Hash

    【转载】关于Hash

    2021年11月20日

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