根据元素取值方式的不同,向量分为常数向量、函数向量和随机向量。
令
V
V
V是复向量空间。
函数
<
x
,
y
>
:
V
∗
V
→
C
<x,y>:V*V→C
<x,y>:V∗V→C称为向量
x
x
x与
y
y
y的内积,若对所有
x
,
y
,
z
∈
V
x,y,z \in V
x,y,z∈V,以下内积公理满足:
(1)
<
x
,
x
>
≥
0
<x,x> ≥ 0
<x,x>≥0 (非负性)
(1a)
<
x
,
x
>
=
0
<x,x>=0
<x,x>=0,当且仅当
x
=
0
x=0
x=0 (正性)
(2)
<
x
+
y
,
z
>
=
<
x
,
z
>
+
<
y
,
z
>
<x+y,z>=<x,z>+<y,z>
<x+y,z>=<x,z>+<y,z> (可加性)
(3)
<
c
x
,
y
>
=
c
∗
<
x
,
y
>
<cx,y>=c*<x,y>
<cx,y>=c∗<x,y>,对所有复常数c成立 (齐次性)
(4)
<
x
,
y
>
=
<
y
,
x
>
∗
<x,y>=<y,x>*
<x,y>=<y,x>∗ (Hermitian性)
式中,*表示复数共轭。
令V是复向量空间。
函数
∣
∣
x
∣
∣
:
V
→
R
||x||:V→R
∣∣x∣∣:V→R称为向量
x
x
x的范数,若对所有
x
,
y
∈
V
x,y \in V
x,y∈V,下面的范数公理成立:
(1)
∣
∣
x
∣
∣
≥
0
||x||≥0
∣∣x∣∣≥0 (非负性)
(1a)
∣
∣
x
∣
∣
=
0
||x||=0
∣∣x∣∣=0,当且仅当
x
=
0
x=0
x=0 (正性)
(2)
∣
∣
c
x
∣
∣
=
∣
c
∣
∣
∣
x
∣
∣
||cx||=|c| ||x||
∣∣cx∣∣=∣c∣∣∣x∣∣,对所有复常数c成立 (齐次性)
(3)
∣
∣
x
+
y
∣
∣
≤
∣
∣
x
∣
∣
+
∣
∣
y
∣
∣
||x+y||≤||x||+||y||
∣∣x+y∣∣≤∣∣x∣∣+∣∣y∣∣ (三角不等式)
上述公理是平面上的Euclidean长度的熟知性质。满足公理(1),(2),(3),但不一定满足公理(1a)的函数称为向量的半范数。
两个
m
x
I
mxI
mxI维常数向量
x
=
[
x
1
,
x
2
,
…
,
x
m
]
T
x=[x_1,x_2,…,x_m]^T
x=[x1,x2,…,xm]T和
y
=
[
y
1
,
y
2
,
…
,
y
m
]
T
y=[y_1,y_2,…,y_m]^T
y=[y1,y2,…,ym]T的内积(或叫点积)定义为
<
x
,
y
>
=
x
H
y
=
∑
i
=
1
m
x
i
∗
y
i
<x,y>=x^Hy=\sum_{i=1}^mx_i^*y_i
<x,y>=xHy=i=1∑mxi∗yi
两个向量之间的夹角定义为
显然,若
x
H
y
=
0
x^Hy=0
xHy=0,则
θ
=
π
/
2
θ=\pi/2
θ=π/2。此时,称常数向量
x
x
x和
y
y
y正交。因此,两个常数向量正交的数学定义如下。
两个常数向量称为正交,若它们的内积等于零,即
x
H
y
=
0
x^Hy=0
xHy=0,并记作
x
⊥
y
x \bot y
x⊥y.
根据定义知,零向量
0
0
0与同一空间的任何向量都正交。
序列
e
x
p
(
j
2
π
f
m
)
{exp(j2πfm)}
exp(j2πfm)是一个以单位时间间隔被采样的频率为
f
f
f的正弦波。复正弦波向量
e
m
(
f
)
e_m(f)
em(f)定义为
(
m
+
1
)
x
1
(m+1)x1
(m+1)x1向量,即
这样一来,
N
N
N个数据样本
x
(
n
)
,
n
=
0
,
1
,
⋅
⋅
⋅
,
N
−
1
x(n),n=0,1,···,N-1
x(n),n=0,1,⋅⋅⋅,N−1的离散Fourer变换(DFT)就可以用向量的内积表示为
其中,
x
=
[
x
(
0
)
,
x
(
1
)
,
…
,
x
(
N
−
1
)
]
T
x=[x(0),x(1),…,x(N-1)]^T
x=[x(0),x(1),…,x(N−1)]T常称为数据向量。
几种常用的向量范数
(1)
l
1
l_1
l1范数
上述范数有时也叫和范数或
1
1
1范数。
(2)
l
2
l_2
l2范数
∣
∣
x
∣
∣
2
=
(
∣
x
1
∣
2
+
∣
x
2
∣
2
+
…
+
∣
x
n
∣
2
)
1
/
2
||x||_2 =(|x_1|^2 +|x_2|^2 +…+|x_n|^2)^{1/2}
∣∣x∣∣2=(∣x1∣2+∣x2∣2+…+∣xn∣2)1/2
这一范数常称Euclidean范数,有时也称Frobenius范数。
(3)
l
∞
l_∞
l∞范数
∣
∣
x
∣
∣
∞
=
m
a
x
(
∣
x
1
∣
,
∣
x
2
∣
,
⋅
⋅
⋅
,
∣
x
n
∣
)
||x||_∞= max(|x_1|,|x_2|,···,|x_n|)
∣∣x∣∣∞=max(∣x1∣,∣x2∣,⋅⋅⋅,∣xn∣)
也称无穷范数或极大范数。
(4)
l
p
l_p
lp范数
∣
∣
x
p
∣
∣
=
(
∑
i
=
1
m
∣
x
i
∣
p
)
1
/
p
,
p
≥
1
||x_p||=(\sum_{i=1}^m|x_i|^p)^{1/p},p≥1
∣∣xp∣∣=(i=1∑m∣xi∣p)1/p,p≥1
l
p
l_p
lp范数也叫 Hölder 范数
当p=2时,
l
p
l_p
lp范数与Euclidean范数完全等价。
另外,无穷范数是
l
p
l_p
lp范数的极限形式,即有
范数||x||称为酉不变的,若
∣
∣
U
x
∣
∣
=
∣
∣
x
∣
∣
||Ux||=||x||
∣∣Ux∣∣=∣∣x∣∣对所有向量
x
∈
C
m
x \in C^m
x∈Cm和所有酉矩阵
U
∈
C
m
x
m
U \in C^{mxm}
U∈Cmxm恒成立。
Euclidean范数
∣
∣
⋅
∣
∣
||·||
∣∣⋅∣∣是酉不变的。
假定向量
x
x
x和
y
y
y有共同的起点(即原点
O
O
O),它们的端点分别为
x
x
x和
y
y
y,则
∣
∣
x
−
y
∣
∣
2
||x-y||_2
∣∣x−y∣∣2度量两个向量
x
,
y
x,y
x,y两端点x,y之间的标准Euclidean距离。
特别地,非负的标量
<
x
,
x
>
1
/
2
<x,x>^{1/2}
<x,x>1/2称为向量
x
x
x的Euclidean长度。Euclidean长度为1的向量叫做归一化(或标准化)向量。对于任何不为零的向量
x
∈
C
m
x\in C^m
x∈Cm,向量
x
/
<
x
,
x
>
1
/
2
x/<x,x>^{1/2}
x/<x,x>1/2都是归一化的,并且它与
x
x
x同方向。
Euclidean范数是应用最为广泛的向量范数定义。在本书后面的讨论中,如无特别声明,向量范数均指 Euclidean范数。
常数向量
w
w
w和
v
v
v的外积(乂叫叉积)记作
w
v
H
wv^H
wvH,定义为