复习——–范数
复习–范数
- 范数
-
- 范数和赋范矢量空间的认识
- 范数赋范矢量空间的数学定义
- 向量范数的数学定义
- 矩阵范数的数学定义
- 函数范数的数学定义
- 例子:
范数
范数和赋范矢量空间的认识
范数是一个具有“长度”概念的函数。在线性代数、范函分析及相关的数学领域里,范数是一个函数,是矢量空间内的所有矢量赋予非零的正长度或大小。定义范数的矢量空间就是赋范矢量空间。
范数赋范矢量空间的数学定义
f
∈
S
若存在唯一实数
∥
⋅
∥
f \in S 若存在唯一实数 \lVert \cdot \rVert
f∈S若存在唯一实数∥⋅∥满足
- 正定性:
f
≥
0
,
当且仅当
f
=
0
,
∥
f
∥
=
0
f \geq 0 ,当且仅当 f = 0, \lVert f \rVert = 0
f≥0,当且仅当f=0,∥f∥=0
- 其次性:
∀
a
∈
R
,
∥
a
f
∥
=
∣
a
∣
⋅
∥
f
∥
\forall a \in R ,\lVert a f \rVert = \lvert a \rvert \cdot \lVert f \rVert
∀a∈R,∥af∥=∣a∣⋅∥f∥
- 三角不等式:
∥
f
+
g
∥
≤
∥
f
∥
+
∥
g
∥
,
f
,
g
∈
S
\lVert f + g \rVert \leq \lVert f \rVert + \lVert g \rVert , f,g \in S
∥f+g∥≤∥f∥+∥g∥,f,g∈S
则称
∥
⋅
∥
,是线性空间
S
上的范数,线性空间
S
则称为赋范线性空间。
则称\lVert \cdot \rVert,是线性空间 S 上的范数,线性空间 S 则称为赋范线性空间。
则称∥⋅∥,是线性空间S上的范数,线性空间S则称为赋范线性空间。
向量范数的数学定义
R
n
空间的向量范数
∥
⋅
∥
指的是一个
R
n
→
R
的函数,对任意的
x
,
y
∈
R
n
满足下列条件
R^n 空间的向量范数 \lVert \cdot \rVert 指的是一个 R^n \to R 的函数,对任意的 x, y \in R^n 满足下列条件
Rn空间的向量范数∥⋅∥指的是一个Rn→R的函数,对任意的x,y∈Rn满足下列条件
-
∥
x
∥
≥
0
,
∥
x
∥
=
0
当且仅当
x
=
0
(正定性)
\lVert x \rVert \geq 0, \lVert x \rVert = 0 当且仅当 x = 0(正定性)
∥x∥≥0,∥x∥=0当且仅当x=0(正定性)
∥
a
x
∥
=
∣
a
∣
⋅
∥
x
∥
,
∀
a
∈
R
(其次性)
\lVert a x \rVert = \lvert a \rvert \cdot \lVert x \rVert,\forall a \in R (其次性)
∥ax∥=∣a∣⋅∥x∥,∀a∈R(其次性)
∥
x
+
y
∥
≤
∥
x
∥
+
∥
y
∥
(三角不等式)
\lVert x + y \rVert \leq \lVert x \rVert + \lVert y \rVert (三角不等式)
∥x+y∥≤∥x∥+∥y∥(三角不等式)
集中常见的向量范数
-
向量的
∞
−
范数:
∥
x
∥
∞
=
max
1
≤
i
≤
n
∣
x
i
∣
向量的\infty-范数:\lVert x \rVert_\infty = \operatorname*{max}_{1 \leq i \leq n}{\lvert x_i \rvert}
向量的∞−范数:∥x∥∞=1≤i≤nmax∣xi∣
向量的
1
−
范数:
∥
x
∥
i
=
∑
i
=
1
n
∣
x
i
∣
向量的1- 范数:\lVert x \rVert_i = \sum_{i=1}^{n}{\lvert x_i \rvert}
向量的1−范数:∥x∥i=i=1∑n∣xi∣
向量的
2
−
范数:
∥
x
∥
2
=
(
∑
i
=
1
n
x
2
)
1
2
向量的2- 范数:\lVert x \rVert_2 = (\sum_{i=1}^{n}{x^2})^{\frac{1}{2}}
向量的2−范数:∥x∥2=(i=1∑nx2)21
向量的
p
−
范数:
∥
x
∥
p
=
(
∑
i
=
1
n
∣
x
∣
p
)
1
p
向量的p- 范数:\lVert x \rVert_p = (\sum_{i=1}^{n}{\lvert x \rvert^p})^{\frac{1}{p}}
向量的p−范数:∥x∥p=(i=1∑n∣x∣p)p1
矩阵范数的数学定义
如果矩阵
A
∈
R
m
×
n
的某个非负的实值函数
∥
⋅
∥
满足:
如果矩阵 A \in R^{m \times n} 的某个非负的实值函数\lVert \cdot \rVert 满足:
如果矩阵A∈Rm×n的某个非负的实值函数∥⋅∥满足:
- 正定性:
∥
A
∥
≥
0
,
∥
A
∥
=
0
但且仅当
A
=
O
\lVert A \rVert \geq 0, \lVert A \rVert = 0但且仅当 A = O
∥A∥≥0,∥A∥=0但且仅当A=O
- 其次性:
∥
a
A
∥
=
∣
a
∣
⋅
∥
A
∥
,对任意的
a
∈
R
\lVert a A \rVert = \lvert a \rvert \cdot \lVert A \rVert,对任意的a \in R
∥aA∥=∣a∣⋅∥A∥,对任意的a∈R
- 三角不等式:
∥
A
+
B
∥
≤
∥
A
∥
+
∥
B
∥
\lVert A + B \rVert \leq \lVert A \rVert + \lVert B \rVert
∥A+B∥≤∥A∥+∥B∥
- 相容性:
∥
A
B
∥
≤
∥
A
∥
∥
B
∥
\lVert A B \rVert \leq \lVert A \rVert \lVert B \rVert
∥AB∥≤∥A∥∥B∥
则称
∥
⋅
∥
是一个矩阵范数
则称\lVert \cdot \rVert 是一个矩阵范数
则称∥⋅∥是一个矩阵范数
函数范数的数学定义
在连续函数空间
C
[
a
,
b
]
中范数的定义为:
在连续函数空间C[a, b]中范数的定义为:
在连续函数空间C[a,b]中范数的定义为:
在函数空间
C
[
a
,
b
]
中,
f
∈
C
[
a
,
b
]
,若存在唯一实数
∥
⋅
∥
满足:
在函数空间C[a, b] 中, f \in C[a, b],若存在唯一实数\lVert \cdot \rVert 满足:
在函数空间C[a,b]中,f∈C[a,b],若存在唯一实数∥⋅∥满足:
- 正定性:
∥
f
∥
≥
0
,当且仅当
f
=
0
时,
∥
f
∥
=
0
\lVert f \rVert \geq 0,当且仅当 f = 0时,\lVert f \rVert = 0
∥f∥≥0,当且仅当f=0时,∥f∥=0
- 其次性:
∀
a
∈
R
,
∥
a
f
∥
=
∣
a
∣
⋅
∥
f
∥
\forall a \in R, \lVert a f \rVert = \lvert a \rvert \cdot \lVert f \rVert
∀a∈R,∥af∥=∣a∣⋅∥f∥
- 三角不等式:
∥
f
+
g
∥
≤
∥
f
∥
⋅
∥
g
∥
,
f
,
g
∈
C
[
a
,
b
]
\lVert f + g \rVert \leq \lVert f \rVert \cdot \lVert g \rVert,f,g \in C[a, b]
∥f+g∥≤∥f∥⋅∥g∥,f,g∈C[a,b]
常见的函数范数:
-
函数的
∞
−
范数:
∥
f
∥
∞
=
max
a
<
x
<
b
∣
f
(
x
)
∣
函数的\infty – 范数:\lVert f \rVert_\infty = \operatorname*{max}_{a < x <b}{\lvert f(x) \rvert}
函数的∞−范数:∥f∥∞=a<x<bmax∣f(x)∣
函数的
1
−
范数:
∥
f
∥
1
=
∫
a
b
∣
f
(
x
)
∣
d
x
函数的1 – 范数: \lVert f \rVert_1 = \int_{a}^{b}{\lvert f(x) \rvert \,{\rm d}x}
函数的1−范数:∥f∥1=∫ab∣f(x)∣dx
函数的
2
−
范数:
∥
f
∥
2
=
∣
∫
a
b
f
2
(
x
)
d
x
∣
1
2
函数的2 – 范数:\lVert f \rVert_2 = \lvert \int_{a}^{b}{ f^2(x) \,{\rm d}x} \rvert^{\frac{1}{2}}
函数的2−范数:∥f∥2=∣∫abf2(x)dx∣21
例子:


本文来自网络,不代表协通编程立场,如若转载,请注明出处:https://net2asp.com/65dcfe9279.html
