从奇异值角度比较矩阵范数和向量范数

从奇异值的角度看矩阵范数,会发现与向量范数有一一对应关系:

(注:表中涉及到用奇异值表示Frobenius范数,其推导可参考这篇博客

向量的L1范数是L0范数的松弛,并且在一定条件下是等价的。矩阵核范数是rank约束的松弛,并且在一定条件下是等价的。

 

posted @   Picassooo  阅读(728)  评论(0编辑  收藏  举报
编辑推荐:
· 基于Microsoft.Extensions.AI核心库实现RAG应用
· Linux系列:如何用heaptrack跟踪.NET程序的非托管内存泄露
· 开发者必知的日志记录最佳实践
· SQL Server 2025 AI相关能力初探
· Linux系列:如何用 C#调用 C方法造成内存泄露
阅读排行:
· Manus爆火,是硬核还是营销?
· 终于写完轮子一部分:tcp代理 了,记录一下
· 震惊!C++程序真的从main开始吗?99%的程序员都答错了
· 别再用vector<bool>了!Google高级工程师:这可能是STL最大的设计失误
· 单元测试从入门到精通
点击右上角即可分享
微信分享提示