主要内容

规范

向量和矩阵规范

描述

例子

n=规范(v返回欧几里得范数的向量v.这个范数也被称为2范数、向量模或欧氏长度。

例子

n=规范(vp返回广义向量p规范

例子

n=规范(X返回矩阵的2范数或最大奇异值X,大约等于max(圣言(X))

n=规范(Xp返回p-矩阵范数X,在那里p12,或

  • 如果P = 1,然后n最大绝对列和矩阵的。

  • 如果P = 2,然后n大约是max(圣言(X)).该值相当于规范(X)

  • 如果p = Inf,然后n最大绝对行和矩阵的。

例子

n=规范(X“向后”)返回弗罗贝尼乌斯标准矩阵或数组X

例子

全部折叠

创建一个矢量并计算大小。

V = [1 -2 3];N =范数(v)
N = 3.7417

计算一个向量的1范数,它是元素大小的和。

V = [-2 3 -1];N =范数(v,1)
N = 6

计算两点之间的距离作为向量元素之间的差的范数。

创建两个向量表示(x, y)欧几里得平面上两点的坐标。

A = [0 3];B = [-2 1];

使用规范来计算点之间的距离。

D = norm(b-a)
D = 2.8284

从几何上讲,两点之间的距离等于从一点延伸到另一点的向量的大小。

一个 0 ˆ + 3. j ˆ b - 2 ˆ + 1 j ˆ d 一个 b | | b - 一个 | | - 2 - 0 2 + 1 - 3. 2 8

计算矩阵的2范数,它是最大的奇异值。

X = [2 0 1;-1 1 0;-3 3 0];n =范数(X)
N = 4.7234

计算4-D数组的Frobenius范数X,相当于列向量的2范数X (:)

X = rand(3,4,4,3);n =范数(X,“摇来摇去”
N = 7.1247

Frobenius范数对于稀疏矩阵也很有用,因为规范(X, 2)不支持稀疏X

输入参数

全部折叠

输入向量。

数据类型:|
复数支持:是的

输入数组,指定为矩阵或数组。对于大多数规范类型,X一定是个矩阵。然而,对于弗罗贝尼乌斯标准的计算,X可以是一个数组。

数据类型:|
复数支持:是的

规范类型,指定为2(默认),一个正实标量,,或.的有效值p它们返回什么取决于第一个输入是否规范是一个矩阵或向量,如表所示。

请注意

此表不反映计算中使用的实际算法。

p 矩阵 向量
1 max (sum (abs (X))) sum (abs (v))
2 max(圣言(X)) (abs (v)和。^ 2)^ (1/2)
正的实数数值标量 - - - - - - (abs (v)和。^ p) ^ (1 / p)
max (sum (abs (X '))) max (abs (v))
- - - - - - min (abs (v))

输出参数

全部折叠

Norm值,作为标量返回。规范给出了元素大小的度量。按照惯例,规范返回如果输入包含值。

更多关于

全部折叠

欧几里得范数

一个向量的欧氏范数(也称为向量的大小、欧氏长度或2范数)vN元素定义为

v k 1 N | v k | 2

一般病媒规范

的一般定义p向量的-范数vN元素

v p k 1 N | v k | p 1 / p

在哪里p任何正的实际值,,或

  • 如果P = 1,则得到的1范数为向量元素绝对值之和。

  • 如果P = 2,则得到的2范数给出向量的大小或向量的欧氏长度。

  • 如果p = Inf,然后 v 马克斯 | v |

  • 如果p = -Inf,然后 v 最小值 | v |

最大绝对列和

的最大绝对列和——- - - - - -n矩阵X(与M,n >= 2)定义为

X 1 马克斯 1 j n 1 | 一个 j |

最大绝对行和

的最大绝对行和——- - - - - -n矩阵X(与M,n >= 2)定义为

X 马克斯 1 j 1 n | 一个 j |

弗罗贝尼乌斯标准

的Frobenius范数——- - - - - -n矩阵X(与M,n >= 2)定义为

X F 1 j 1 n | 一个 j | 2 跟踪 X __ X

这个定义也很自然地扩展到二维以上的数组。例如,如果X是大小为N-D的数组——- - - - - -n——- - - - - -p——-…——-,则Frobenius范数为

X F 1 j 1 n k 1 p ... w 1 | 一个 j k ... w | 2

提示

  • 使用vecnorm将矩阵或数组视为向量的集合,并沿指定的维数计算范数。例如,vecnorm能计算矩阵中每一列的范数。

扩展功能

版本历史

R2006a之前介绍过

全部展开

Baidu
map