|
EDA365欢迎您登录!
您需要 登录 才可以下载或查看,没有帐号?注册
x
本帖最后由 pulbieup 于 2020-9-1 15:32 编辑
7 g0 P8 R- d C, L! L) l- d9 p; B( v* |4 n
格式:n=norm(A,p)
' J# J# W' i" ]- _功能:norm函数可计算几种不同类型的矩阵范数,根据p的不同可得到不同的范数3 V# D) ?/ x. Z ~
8 q( U0 v5 A; w, s( F2 B以下是Matlab中help norm 的解释* p5 \' q5 U/ _5 t0 [7 p0 }0 O" J* S
0 v& s: O0 J0 c; NNORM Matrix or vector norm.' t; V( ]7 _7 g# e( ]
For matrices...: c: n2 z3 I% B8 o% M. u
NORM(X) is the largest singular value of X, max(svd(X)).( x- [; [6 T; O/ D9 X& R: b4 c
NORM(X,2) is the same as NORM(X).
, x3 r- T; v& g8 g NORM(X,1) is the 1-norm of X, the largest column sum,
7 \4 \1 `+ j' E ~; n0 q = max(sum(abs(X)))." Y0 b+ r0 Y2 t6 ?% z/ [/ r
NORM(X,inf) is the infinity norm of X, the largest row sum,5 h/ n, V0 ]6 {4 [" f: W
= max(sum(abs(X'))).( x' y/ Y$ F: T# c
NORM(X,'fro') is the Frobenius norm, sqrt(sum(diag(X'*X))).; P; `% c# |0 s0 o" R% ^
NORM(X,P) is available for matrix X only if P is 1, 2, inf or 'fro'.
6 h" W, Q2 ]* e% v1 c- N; @+ s For vectors...: ~& B" K2 s7 W& N, g( G
NORM(V,P) = sum(abs(V).^P)^(1/P).
6 |" }2 {% k m, P/ b NORM(V) = norm(V,2).
( h4 `5 x# B" P x. t$ ? NORM(V,inf) = max(abs(V)).$ @% V( W7 l( ]5 e
NORM(V,-inf) = min(abs(V)).+ m* x6 G3 T8 ~% q/ P& T
" |6 y- ?+ {: [: k
1、如果A为矩阵
8 g% `" k# i( ]2 l1 L x% [( [/ [1 o: G" P8 `8 ]; a3 E( H- O" C6 ~
n=norm(A) 《Simulink与信号处理》
. C3 { @) \) X- m$ U" [1 O, h4 o9 r
返回A的最大奇异值,即max(svd(A))
_; k' D Y8 ^: y+ E- b2 T8 i6 x( ~- n& G n
n=norm(A,p)
: H/ q( }+ V; `: h, B, f5 ^* }- U1 J+ Z4 `/ `3 H% f2 t q
根据p的不同,返回不同的值
8 C1 p: {0 |3 L8 i' Y# g' Z4 Z) r% \# {
p 返回值
! a- j( q5 i h4 b% z 1 返回A中最大一列和,即max(sum(abs(A)))8 l- ^# ^1 g, Y6 R
2 返回A的最大奇异值,和n=norm(A)用法一样/ T+ | A5 o$ F7 |, Q" a7 ?
inf 返回A中最大一行和,即max(sum(abs(A’)))
) q9 ^; b' G% Y ‘fro’ A和A‘的积的对角线和的平方根,即sqrt(sum(diag(A'*A)))$ f+ m) T) n% B8 r# ^, [7 `* e
) ]7 V2 ~) b- S# d- i3 w2、如果A为向量% s' l( v* B1 m/ i% h, l$ o6 b
) ]5 z! G+ i# I
norm(A,p)7 f& V; n& I( {! ]) C: X5 I& |
3 W& o) `& D5 H0 X3 N3 }& B返回向量A的p范数。即返回 sum(abs(A).^p)^(1/p),对任意 1<p<+∞.
% I8 Z/ j/ l8 C. P& t' Z% i3 d, ]: s4 e, c# s. K+ @6 j: q- ^, T- {
norm(A)$ L# J; V5 S0 h" \/ I9 N- P
( E1 T$ p( K! H* M
返回向量A的2范数,即等价于norm(A,2)。
0 e2 K& }8 D2 H/ ?2 M" A. U$ D3 ?; ?" V% f1 s w' e- t: v' f# o) K
norm(A,inf) / e6 J% e9 O" u! Y, E0 @
3 L- r' |6 y9 y2 `8 S5 E0 f& r2 g
返回max(abs(A))2 |; F4 B5 {4 a: m
3 B$ Y8 M# w5 _
norm(A,-inf)4 g" h9 [, z0 ~* n) y8 I. v2 S
& {. n' p: Z6 X- P4 T' H! A返回min(abs(A))
Y& I4 w" ]/ Z& ~+ b K0 u: M$ A, t) Q9 F# ?5 E! F
矩阵 (向量) 的范数运算( B; \0 A' H2 y3 ]6 G G
为了反映了矩阵 (向量) 某些特性,线性代数中引入了范数的概念,它分为2-范数,1-范数,无穷范数和Frobenius范数等.在MATLAB中,用函数norm( )或normest( ) 计算矩阵 (向量) 的范数.其使用格式如下.
9 t% c& z% h* Q8 v6 A6 ^, c+ Inorm(X) —— 计算矩阵 (向量) X的2-范数;" r, N. Y% [; n. T9 J+ @3 X
norm(X,2) —— 同上;
7 }4 H: [9 i I( r, w6 nnorm(X,1) —— 计算矩阵 (向量) X的1-范数; S# n4 u9 @ k. Z/ L' E- B7 @9 ?
norm(X,inf) —— 计算矩阵 (向量) X的无穷范数;
. ?0 U0 {! S6 g3 |6 Gnorm(X,'fro') —— 计算矩阵 (向量) X的Frobenius范数;
* a5 N8 x# p/ ^8 u% K% M6 w6 Vnormest(X) —— 只计算矩阵 (向量) X的2-范数;并且是2-范数的估计值,适用于计算norm(X)比较费时的情况.& d; A* t4 \: j- G
, W) O* x7 _0 { B o; [6 j范数(norm),是具有“长度”概念的函数。在线性代数、泛函分析及相关的数学领域,是一个函数,其为向量空间内的所有向量赋予非零的正长度或大小。半范数反而可以为非零的向量赋予零长度。8 \5 O0 K5 G' W9 V, h' b! r
, _ U; D( \4 e# K) K
举一个简单的例子,一个二维度的欧氏几何空间\R^2就有欧氏范数。在这个向量空间的元素(譬如:(3,7))常常在笛卡儿坐标系统被画成一个从原点出发的箭号。每一个向量的欧氏范数就是箭号的长度。) Q- g' o4 C/ V# w! t
/ \9 s1 W" |+ \ u拥有范数的向量空间就是赋范向量空间。同样,拥有半范数的向量空间就是赋半范向量空间。
- T: V( z: Z, D V& z* j w |
|