据我所知,norm(X)
是用来计算矩阵X
的2范数的。
另外,在文档中,它说norm(X)
近似于max(svd(X))
,并且它们确实具有相同的结果。
然而,既然这两个计算都是欧几里得范数,为什么它们不相等呢?
m = [1, 2, 3; 4, 5, 6; 7, 8, 9];
norm(m) % 16.8481
sum(m.^2, 'all').^0.5 % 16.8819
发布于 2019-11-22 00:14:52
正如您已经提到的,文档中说norm(X)近似于max(svd(X)),根据定义,这意味着它们不具有相同的结果!该文档还区分了向量和矩阵的2-范数。向量的2范数是欧几里得范数,它表示向量在欧几里得空间中的长度。因此,在计算向量的欧几里得范数时,计算范数(V)=sum(v.^2)^0.5是合适的。而对于矩阵,则不是。取而代之的是,norm(m)计算代表2范数的最大奇异值(en.wikipedia.org/wiki/ singular _ value )。
https://stackoverflow.com/questions/58970005
复制相似问题