向量的【范数】：模长的推广，柯西不等式_哔哩哔哩_bilibili
范数理解（0范数，1范数，2范数）_一阶范数-CSDN博客
正定矩阵（Positive Definite Matrix）是指一个对称矩阵A，对于任意非零向量x，都满足x^T * A * x > 0，其中^T表示向量的转置。换句话说，正定矩阵的所有特征值都大于零。
半正定矩阵（Positive Semidefinite Matrix）是指一个对称矩阵A，对于任意非零向量x，都满足x^T * A * x ≥ 0。换句话说，半正定矩阵的所有特征值都大于等于零。
这里的正不正定及是否半正定可由特征值判断，之前都学了啥？？？？
矩阵的【范数】：也是一种长度
矩阵刻画的是一种线性变换，如何衡量变换的长度，有一种想法是在某种范数的情况下考虑某种单位向量，然后在变换后取变换最长的长度作为向量的长度：
矩阵的一范数，等于其最大的列和
矩阵的无穷范数 是矩阵的最大行和
Frobenius norm
文章来源：https://www.toymoban.com/news/detail-725498.html
我这脑袋瓜子记不住啊，用到的时候再看看。。。文章来源地址https://www.toymoban.com/news/detail-725498.html
到了这里，关于有关范数的学习笔记的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
