下面转载的文章实在是太精彩了，对一范数、核范数的优化讲的很清晰，到此我更加明白了优化的原理。
参考：https://www.jeddd.com/article/use-python-to-solve-lasso-by-pgd-admm-and-subgd.html
以及交替优化的方法中，固定一个参数，求最小值时另一个参数变化，也就是相当于减少了一个约束。因为当一个参数固定时，改参数是不影响函数的最值的，所以优化时可以忽略不计。我也会在下面讲解。
转载的文章链接：https://www.cnblogs.com/quarryman/p/robust_pca.html
有兴趣的同学可以去看原文
主要注意点：
1. 核范数优化时，采用了如下的形式，进行拓展
来源：https://blog.csdn.net/qq_26004387/article/details/100119654