zoukankan      html  css  js  c++  java
  • [转载]MATLAB 中NORM运用

    原文地址:MATLAB 中NORM运用作者:清风

    格式:n=norm(A,p)
    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

    以下是Matlab中help norm 的解释

    NORM   Matrix or vector norm.
        For matrices...
          NORM(X) is the largest singular value of X, max(svd(X)).
          NORM(X,2) is the same as NORM(X).
          NORM(X,1) is the 1-norm of X, the largest column sum,
                          = max(sum(abs(X))).
          NORM(X,inf) is the infinity norm of X, the largest row sum,
                          = max(sum(abs(X'))).
          NORM(X,'fro') is the Frobenius norm, sqrt(sum(diag(X'*X))).
          NORM(X,P) is available for matrix X only if P is 1, 2, inf or 'fro'.
        For vectors...
          NORM(V,P) = sum(abs(V).^P)^(1/P).
          NORM(V) = norm(V,2).
          NORM(V,inf) = max(abs(V)).
          NORM(V,-inf) = min(abs(V)).

    1、如果A为矩阵

    n=norm(A) 《Simulink与信号处理》

    返回A的最大奇异值,即max(svd(A))

    n=norm(A,p) 

    根据p的不同,返回不同的值

     

     

     p  返回值
     1  返回A中最大一列和,即max(sum(abs(A)))
     2  返回A的最大奇异值,和n=norm(A)用法一样
    inf  返回A中最大一行和,即max(sum(abs(A’)))
     ‘fro’  A和A‘的积的对角线和的平方根,即sqrt(sum(diag(A'*A)))

    2、如果A为向量

     

    norm(A,p)

     

    返回向量A的p范数。即返回 sum(abs(A).^p)^(1/p),对任意 1<p<+∞.

    norm(A)

     

    返回向量A的2范数,即等价于norm(A,2)。

    norm(A,inf) 

    返回max(abs(A))

    norm(A,-inf)

     

    返回min(abs(A))

     

     

     

     矩阵 (向量) 的范数运算
    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.
    norm(X) —— 计算矩阵 (向量) X的2-范数;
    norm(X,2) —— 同上;
    norm(X,1) —— 计算矩阵 (向量) X的1-范数;
    norm(X,inf) —— 计算矩阵 (向量) X的无穷范数;
    norm(X,'fro') —— 计算矩阵 (向量) X的Frobenius范数;
    normest(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.

  • 相关阅读:
    Java 递归算法,遍历文件夹下的所有文件。
    基于appium的移动端自动化测试,密码键盘无法识别问题
    第一个脚印
    最简单ajax,$.post()用法
    关于图片title与alt
    iframe loading 效果
    iframe 跨域的高度自适应
    练习卷动式新闻广告牌
    JS学习笔记《数值与字符串相加篇》
    解决FLASH的层级问题
  • 原文地址:https://www.cnblogs.com/gisalameda/p/12840597.html
Copyright © 2011-2022 走看看