Норма матрицы JULIA отличается MATLAB — General Usage
Sbeltranj 1
Привет,
, когда я вычисляю норму вектора a3, я получаю разные значения в julia vs MatLab
giordano 2
Если я правильно скопировал вашу матрицу:
julia> a3 = [0 sqrt(2)/2 sqrt(2) sqrt(2)/2 0 -sqrt(2)/2 -sqrt(2) -sqrt( 2)/2; -sqrt(2)/2 -sqrt(2) 0 sqrt(2)/2 sqrt(2) -sqrt(2)/2 0 -sqrt(2)/2] Матрица 2 × 8 {Float64}: 0,0 0,707107 1,41421 0,707107 0,0 -0,707107 -1,41421 -0,707107 -0,707107 -1,41421 0,0 0,707107 1,41421 -0,707107 0,0 -0,707107 юлия> норма(а3) 3.464101615137755
результат мне кажется правильным: сумма квадратов элементов равна 12, ее квадратный корень равен 3,464…, что является 2-й нормой. Дает ли Matlab норму 2 также с норма
функция?
1 Нравится
джлинг 3
ждать , нет
n
= norm(X
) возвращает двойную норму или максимальное сингулярное значение матрицыX
, что приблизительно равноmax(svd(X))
.
1 Нравится
4
Норма Matlab
дает вам норму оператора для матриц, тогда как норма
всегда дает вам стандартную норму L2.
Эквивалентом в Julia будет opnorm
: julia> с использованием LinearAlgebra.
julia> a3 = [0 sqrt(2)/2 sqrt(2) sqrt(2)/2 0 -sqrt(2)/2 -sqrt(2) -sqrt(2)/2;
-sqrt(2)/2 -sqrt(2) 0 sqrt(2)/2 sqrt(2) -sqrt(2)/2 0 -sqrt(2)/2]
Матрица 2 × 8 {Float64}:
0,0 0,707107 … -1,41421 -0,707107
-0,707107 -1,41421 0,0 -0,707107
юлия> опнорм(а3)
2,5495097567963927
2 лайков
5
Возможно, это стоило бы упомянуть в разделе «Примечательные отличия от других языков» · «Язык Джулии», так как это немного загвоздка, если кто-то захочет сделать PR.
3 лайков
John_Gibson
92)
2,449489742783178
Об этом же говорится в документации
help?> opnorm
поиск: опнорм
opnorm(A::AbstractMatrix, p::Real=2)
Вычислите операторную норму (или норму матрицы), индуцированную векторной p-нормой, где действительные значения p равны 1,
2 или инф.
(Обратите внимание, что для разреженных матриц p=2 в настоящее время не реализовано.) Используйте норму для вычисления
норма Фробениуса.
и
помощь?> норма
поиск: норма нормапуть нормализовать нормализовать! opnorm issubnormal UniformScaling ColumnNorm set_zero_subnormals
норма(A, p::Real=2)
Для любого итерируемого контейнера A (включая массивы любой размерности) чисел (или любого типа элемента для
какая норма определена), вычислить p-норму (по умолчанию p=2), как если бы A был вектором
соответствующей длины.
Обратите внимание на «как если бы A был вектором соответствующей длины». т.е. распакуйте A в вектор и вычислите 2-норму этого вектора. Это полностью отличается от индуцированной матричной 2-нормы.
4 лайков
John_Gibson 7
Норма Matlab
, примененная к матрице, дает индуцированную 2-норму матрицы, равную наибольшему сингулярному значению матрицы.
Норма Джулии
, примененная к матрице, дает норму Фробениуса, равную сумме корней квадратов элементов матрицы.
Предположительно Джулия использует норму Фробениуса, потому что вычислять сумму квадратов намного дешевле, чем SVD.
А еще название ОП неверное. Это разные матричные нормы, а не векторные нормы.
3 Likes
Интерпретация нормы H-Infinity
- MATLAB и Симулинк
- MathWorks 中国
Интерпретация нормы H-бесконечности
Нормы сигналов и систем
Существует несколько способов определения норм скалярного сигнала e ( t ) во временной области. Мы будем часто
используйте 2-норму ( L 2 -норма) для математических
удобство, которое определяется как
‖e‖2:=(∫−∞∞e(t)2dt)12.
Если этот интеграл конечен, то сигнал e является интегрируемое с квадратом , обозначается как е ∊
Л 2 .
Для векторнозначных сигналов
e(t)=[e1(t)e2(t)⋮en(t)],
2-норма определяется как
‖e‖2:=(∫−∞∞ ‖e(t)‖22dt)12=(∫−∞∞eT(t)e(t)dt)12.
В µ-инструментах динамические системы, с которыми мы имеем дело, являются исключительно линейными, т.е.
модель в пространстве состояний
[x˙e]=[ABCD][xd],
или, в форме передаточной функции,
e ( s ) =
Т ( с ) д ( с ) ,
T ( с ) := C(sI –
A) –1 B + D
Две математически удобные меры матрицы переноса T ( s ) в частотной области являются
матрица H 2 и H ∞ норм,
‖T‖2:=[12π∫−∞∞‖T(jω)‖F2dω]12‖T‖∞:=maxσ¯ω∈R[T(jω)],
где норма Фробениуса (см. команду MATLAB ® norm
) комплексной матрицы M равно
‖M‖F:=Trace(M*M).
Обе эти нормы передаточной функции имеют входную/выходную временную область
интерпретации. Если, начиная с начального условия x (0) = 0,
два сигнала d и e связаны соотношением
[x˙e]=[ABCD][xd],
, затем
Для d , единица интенсивности, процесс белого шума,
стационарная дисперсия e равна
∥ Т ∥ 2 .
Коэффициент усиления L 2 (или RMS) от d → e ,
maxd≠0‖e‖2‖d ‖2
равно ∥ T ∥ ∞ . Этот
более подробно обсуждается в следующем разделе.
9 Относительная величина внешних воздействий
Частотная зависимость сигналов
- 9000 2 Относительная важность величин регулируемых переменных
Таким образом, если цель производительности представлена в виде матричной нормы, она должна
на самом деле быть взвешенной нормой
∥ W L TW R ∥
где матрицы весовых функций Ш Д и W R зависят от частоты, чтобы
учитывать ограничения полосы пропускания и спектральный состав экзогенных сигналов.
наиболее естественным (математическим) способом охарактеризовать приемлемую производительность является
условия MIMO ∥·∥ ∞ ( H ∞ ) норм. По этой причине,
в этом разделе теперь обсуждаются некоторые интерпретации H ∞ норм. Невзвешенная система MIMO
Предположим, T — устойчивая линейная система MIMO с переносом
функциональная матрица T ( с ). За заданное вождение
сигнала d˜(t), определите e˜ как выход, как показано ниже.
Обратите внимание, что более традиционно писать диаграмму в невзвешенной системе MIMO: векторы слева направо со стрелками
идет слева направо, как в взвешенной системе MIMO.
Невзвешенная система MIMO: векторы слева направо
Две приведенные выше диаграммы представляют одну и ту же систему.
Мы предпочитаем писать
эти блок-схемы со стрелками, идущими справа налево, чтобы соответствовать
матричная и операторная композиция.
Предположим, что размеры T
равны п д × н д . Пусть β > 0 определено
как β:=‖T‖∞:=maxσ¯[T(jω)]ω∈R.
Теперь рассмотрим ответ, начиная с начального условия, равного 0. В этом случае
Теорема Парсеваля дает, что дт]12≤β.
Кроме того, существуют специфические нарушения d , которые приводят к
отношение ‖e˜‖2/‖d˜‖2 сколь угодно близко к β. Из-за этого,
∥ T ∥ ∞ называют L 2 (или RMS) усиление системы.
Как и следовало ожидать, синусоидальная, установившаяся интерпретация
∥ T ∥ ∞ также возможно: Для
любая частота ω¯∈R, любой вектор амплитуд a∈Rnd и любой вектор фаз ϕ∈Rnd, где ∥ a ∥ 2 ≤ 1, определяют
сигнал времени
d˜(t)=[a1sin(ω¯t+ϕ1)⋮andsin(ω¯t+ϕnd)].
Применение этого входа к системе T приводит к устойчивому состоянию
отклик e˜ss вида
e˜ss(t)=[b1sin(ω¯t+ϕ1)⋮bnesin(ω¯t+ϕne)].
Вектор b∈Rne удовлетворяет условию ∥ b ∥ 2 ≤ β.
Кроме того, β, как определено в взвешенной системе MIMO,
наименьшее число такое, что это верно для каждого
∥ a ∥ 2 ≤ 1, ω¯ и ϕ .
Обратите внимание, что в этой интерпретации векторы синусоидальной величины
ответы не взвешены и измеряются в евклидовой норме. Если реалистичный многомерный
цели производительности должны быть представлены одним MIMO
∥·∥ ∞ объектив на замкнутой передаче
функции, необходимы дополнительные масштабирования. Потому что много разных целей
быть объединены в одну матрицу, а связанные с этим затраты являются нормой матрицы, это
важно использовать частотно-зависимые весовые функции, чтобы разные
требования могут быть осмысленно объединены в единую функцию затрат.
Диагональ
веса наиболее легко интерпретируются.
Рассмотрим схему взвешенной системы MIMO,
вместе с невзвешенной системой MIMO: векторы слева направо.
Предположим, что Ш Д и W R диагональные, стабильная передача
функциональные матрицы с диагональными элементами, обозначенными л и и Р и .
WL=[L10…00L2…0⋮⋮⋱⋮00…Lne], WR=[R10…00R2…0⋮⋮⋱⋮00…Rnd].
Взвешенная система MIMO
Границы количества
∥ W L TW R ∥ ∞ будут подразумевать границы синусоидального установившегося поведения сигналов d˜ и e˜(=Td˜) на диаграмме невзвешенной системы MIMO: векторы слева направо. В частности, для
синусоидальный сигнал d˜, установившееся соотношение между e˜(=Td˜), d˜ и
∥ Ш Д ТВ П ∥ ∞ как следует.
Стационарное решение e˜ss, обозначенное как
e˜ss(t)=[e˜1sin(ω¯t+ϕ1)⋮e˜nesin(ω¯t+ϕnd)] (1)
сб isfies
∑i =1ne|WLi(jω¯)e˜i|2≤1
для всех синусоидальных входных сигналов d˜ вида
d˜(t)=[d˜1sin(ω¯t+ϕ1)⋮d ˜nesin(ω¯t+ϕnd)] (2)
удовлетворяющая
∑i=1nd|d˜i|2|WRi(jω¯)|2≤1
900 02 тогда и только тогда, когда
∥ Ш Д ДВ Р ∥ ∞ ≤ 1. Это примерно ( очень примерно — следующее
утверждение на самом деле неверно) означает, что
∥ Ш Д ТВ П ∥ ∞ ≤ 1 тогда и только тогда, когда для каждой фиксированной частоты ω¯ и всех синусоидальных возмущений d˜ вида Уравнение 2, удовлетворяющих
|d˜i|≤|WRi(jω¯)|
компоненты установившейся ошибки будут удовлетворять
|e˜i|≤1|WLi(jω¯)|.
Это показывает, как можно выбрать весовые коэффициенты производительности, чтобы отразить желаемую частотно-зависимую
цель производительности. Используйте W R для
представляют относительную величину синусоидальных возмущений, которые могут присутствовать,
и используйте 1/ W L для представления желаемой верхней границы последующих ошибок, которые
производятся.
Помните, однако, что взвешенный H ∞ норма делает , а не фактически дают поэлементные ограничения на
компоненты e˜ на основе поэлементных оценок компонентов d˜. Точная оценка, которую он дает, основана на евклидовых нормах компонентов e˜ и d˜ (соответственно взвешенных по Ш Д ( j ω¯) и W R ( j ω¯)).
См.
