矩阵范数计算器

矩阵范数将整个矩阵概括为一个非负数，用于描述矩阵的大小。不同范数侧重不同特征，因此应根据所研究的问题选择。范数是线性代数、数值分析、优化、数据科学和工程中的基础概念，可用于比较矩阵、衡量误差以及判断迭代计算是否收敛。 弗罗贝尼乌斯范数等于所有元素平方和的平方根。它将矩阵视为一个长向量，因此直观且计算成本低，常用于近似误差、图像处理和机器学习目标函数。若矩阵中两个元素为3和4，其余均为零，则根据熟悉的勾股关系，弗罗贝尼乌斯范数为5。 矩阵1范数是各列元素绝对值之和的最大值。先分别计算每列的绝对值之和，再取最大值。无穷范数则对应于行：计算每行元素绝对值之和，再取最大值。这些诱导范数特别适合估计矩阵对按相应向量范数衡量的向量误差的放大程度。 谱2范数衡量线性变换产生的最大拉伸。它等于矩阵的最大奇异值，也等于转置矩阵与原矩阵乘积的最大特征值的平方根。本计算器使用稳定的幂迭代估计该特征值。此方法对普通实矩阵具有良好精度，对零矩阵返回零。 这四种范数都仅在零矩阵时为零，所有元素同时变号时保持不变，并满足三角不等式。它们的结果通常不同，但可以通过与维数有关的界限相互关联。衡量整体大小可用弗罗贝尼乌斯范数，分析列影响可用1范数，分析行影响可用无穷范数，研究几何拉伸可用2范数。元素可以是正数、负数、整数或小数，也支持矩形矩阵。