matlab通過 norm函式 獲取向量範數和矩陣範數。
1. 語法
語法說明
引數n = norm(v)
返回向量 v 的歐幾里德範數。此範數也稱為 2-範數、向量模或歐幾里德長度。
v -> 輸入向量。
資料型別： single | double
複數支援： 是
n = norm(v,p)
返回廣義向量 p-範數。
p -> 範數型別
2 （預設） | 正整數標量 | inf | -inf
n = norm(x)
返回矩陣 x 的 2-範數或最大奇異值，該值近似於 max(svd(x))。
x -> 輸入矩陣。
資料型別： single | double
複數支援： 是
n = norm(x,p)
返回矩陣 x 的 p-範數，其中 p 為 1、2 或 inf：
如果 p = 1，則 n 是矩陣的最大絕對列之和。
如果 p = 2，則 n 近似於 max(svd(x))。這相當於 norm(x)。
如果 p = inf，則 n 是矩陣的最大絕對行之和。
n = norm(x,『fro』)
返回矩陣 x 的 frobenius 範數。
n -> 矩陣或向量範數，返回為標量。範數為元素模的測度。按照慣例，如果輸入包含 nan 值，norm 將返回 nan。
2. 示例
2.1 計算向量模
v = [1 -2 3];
n = norm
(v)
2.2 計算向量的 1-範數
x = [-2 3 -1];
n = norm
(x,1)
2.3 計算兩個點之間的距離
a = [0 3];
b = [-2 1];
d = norm
(b-a)
2.4 計算矩陣的 2-範數
x = [2 0 1;-1 1 0;-3 3 0];
n = norm
(x)
2.5 計算稀疏矩陣的 frobenius 範數
s = sparse
(1:25,1:25,1)
;n = norm
(s,'fro'
)
向量範數和矩陣範數
以下分別列舉常用的向量範數和矩陣範數的定義。1 範數 2 範數 即所有向量元素絕對值中的最小值，matlab呼叫函式norm x,inf p 範數 即向量元素絕對值的p次方和的1 p次冪，matlab呼叫函式norm x,p 1 範數 列和範數，即所有矩陣列向量絕對值之和的最大值，matlab呼叫函...
向量和矩陣範數
參考 數值分析 朱曉臨 需要理解的是，範數也是一種函式，是一種度量向量和矩陣大小的函式。它常常被用來度量某個向量空間 或矩陣 中的每個向量的長度或大小。暫時沒時間寫 約定 a代表m n的矩陣，aij代表矩陣內的元素，i表示行，j表示列。並且有一例項矩陣a如下 矩陣的列範數定義如下 即將矩陣每列看做乙...
向量和矩陣範數
在剛入門機器學習中的低秩，稀疏模型時，被各種範數攪得一團糟，嚴重延緩了學習進度，經過一段時間的學習，現在將其完整的總結一下，希望遇到同樣麻煩的同學能有所幫助。一 向量的範數 首先定義乙個向量為 a 5，6，8,10 1.1 向量的1範數 向量的1範數即 向量的各個元素的絕對值之和，上述向量a的1範數...