更改

很明显，对于较小的r值，随着<math>\sigma</math>的增加，<math>\log{\Gamma}</math>和 EI 之间的差异会减小，因为 P 的线性依赖性随着向量变得更加明显而增强。这强调了线性相关性并不等于行向量之间的相似性。然而，随着独立行向量数量的增加，如果<math>\sigma</math>保持很小，P会收敛到置换矩阵。因此，EI 和<math>\log{\Gamma}</math>都达到了相同的最大值。这解释了为什么当r很大时，差异曲线会出现轻微的颠簸。

很明显，对于较小的r值，随着<math>\sigma</math>的增加，<math>\log{\Gamma}</math>和 EI 之间的差异会减小，因为 P 的线性依赖性随着向量变得更加明显而增强。这强调了线性相关性并不等于行向量之间的相似性。然而，随着独立行向量数量的增加，如果<math>\sigma</math>保持很小，P会收敛到置换矩阵。因此，EI 和<math>\log{\Gamma}</math>都达到了相同的最大值。这解释了为什么当r很大时，差异曲线会出现轻微的颠簸。

其次，即使在所有行向量相同的情况下，EI 和<math>\Gamma_{\alpha}</math>之间也存在显着区别，导致 EI= 0 而<math>\Gamma_{\alpha}= ||\overline{P}||^{\alpha}\cdot N^{\alpha /2}</math>，而这是一个可以随<math>||\overline{P}||</math>变化的量。这种差异意味着，与 EI 不同，<math>

其次，即使在所有行向量相同的情况下，EI 和<math>\Gamma_{\alpha}</math>之间也存在显著的区别，导致 EI= 0 而<math>\Gamma_{\alpha}= ||\overline{P}||^{\alpha}\cdot N^{\alpha /2}</math>，而这是一个可以随<math>||\overline{P}||</math>变化的量。这种差异意味着，与 EI 不同，<math>\Gamma_{\alpha}</math>可以提供有关行向量的更全面的见解，超越其与平均行向量的相似性。

\Gamma_{\alpha}</math>可以提供有关行向量的更全面的见解，超越其与平均行向量的相似性。

==连续变量情形==

==连续变量情形==