[轉]向量(矩陣)范式理解(0范式,1范式,2范式,無窮范式)


--------------------- 
作者:zjpp2580369 
來源:CSDN 
原文:https://blog.csdn.net/zjpp2580369/article/details/83478204 
版權聲明:本文為博主原創文章,轉載請附上博文鏈接!

--------------------- 

正文:

https://www.zhihu.com/question/20473040
可以從函數、幾何與矩陣的角度去理解范數。

我們都知道,函數與幾何圖形往往是有對應關系的,這個很好想象,特別是在三維以下的空間內,函數是幾何圖像的數學概括,而幾何圖像是函數的高度形象化,比如一個函數對應幾何空間上若干點組成的圖形。
但當函數與幾何超出三維空間時,就難以獲得較好的想象,於是就有了映射的概念,映射表達的就是一個集合通過某種關系轉為另外一個集合。通常數學書是先說映射,然后再討論函數,這是因為函數是映射的一個特例。
為了更好的在數學上表達這種映射關系,(這里特指線性關系)於是就引進了矩陣。這里的矩陣就是表征上述空間映射的線性關系。而通過向量來表示上述映射中所說的這個集合,而我們通常所說的基,就是這個集合的最一般關系。於是,我們可以這樣理解,一個集合(向量),通過一種映射關系(矩陣),得到另外一個集合(另外一個向量)。
那么向量的范數表示這個原有集合的大小。
矩陣的范數表示這個變化過程的大小的一個度量。
簡單的說就是:

0范數,向量中非零元素的個數。
1范數,為絕對值之和。
2范數,就是通常意義上的模。

向量范數

 


矩陣范數


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM