• 矩阵分解与应用(张贤达)day4


    1、内积与范数

            在讨论内积空间时,对向量的内积与范数作了比较简单的介绍。本节将对向量的内积与范数展开比较全面与深入的讨论,然后推广到矩阵的内积与范数。

    1.1、向量的内积与范数

            根据元素取值方式的不同,向量分为常数向量函数向量随机向量。常数向量是元素为常数的向量;函数向量是元素取某个变量的函数值的向量;而随机向量则是元素为随机变量的向量。虽然常数向量、函数向量和随机向量的内积定义公式有所不同,但是无论向量取何种形式,向量的内积和范数都必须服从一定的公理。

            定义:令 V 是复向量空间。函数 \left \langle x, y \right \rangle : V \times V \mapsto C 称为向量 x 和 y 的内积,若对所有 x, y, z \in V,以下内积公理满足:

            (1) \left \langle x, y \right \rangle \geq 0                                                                   (非负性)

            (1a) \left \langle x, x \right \rangle = 0,当且仅当 x = 0                                    (正性)

            (2) \left \langle x + y, z \right \rangle = \left \langle x, z \right \rangle + \left \langle y + z \right \rangle                                 (可加性)

            (3) \left \langle cx, y \right \rangle = c*\left \langle x, y \right \rangle,对所有复常数 c 成立                (齐次性)

            (4) \left \langle x, y \right \rangle = \left \langle y, x \right \rangle^{*}                                                          (Hermitian 性)

    式中,\ast 表示复数共轭。

            定义:令 V 是复向量空间。函数 \left \| x \right \| : V \mapsto R 称为向量 x 的范数,若对所有 x, y \in V,下面的范数公理成立:

            (1) \left \| x \right \| \geq 0                                                                        (非负性)

            (1a) \left \| x \right \| = 0,当且仅当 x = 0                                           (正性)

            (2) \left \| cx \right \| = \left | c \right |\left \| x \right \|,对所有复常数 c 成立                        (齐次性)

            (3) \left \| x + y \right \| \leq \left \| x \right \| + \left \| y \right \|                                                 (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。

            1、常数向量的内积与范数

            两个 m \times 1 维常数向量 x = [x_{1}, x_{2}, \cdot \cdot \cdot , x_{m}]^{T}和 y = [y_{1}, y_{2}, \cdot \cdot \cdot , y_{m}]^{T} 的内积(或叫点积)定义为

    \left \langle x, y \right \rangle = x^{H}y = \sum_{i=1}^{m}x_{i}^{*}y_{i}

            定义:两个向量之间的夹角定义为

    \cos \theta = \frac{\left \langle x, y \right \rangle}{\sqrt{\left \langle x, x \right \rangle}\sqrt{\left \langle y, y \right \rangle}} = \frac{x^{H}y}{\left \| x \right \|\left \| y \right \|}

            显然,若x^{H}y = 0,则 \theta = \pi / 2。此时,称常数向量 x 和 y 正交。因此,两个常数向量正交的数学定义如下。

            定义:两个常数向量称为正交,若它们的内积等于零,即x^{H}y = 0,并记作 x \perp y

            由定义知,零向量0与同一空间的任何向量都正交。

  • 相关阅读:
    clickhouse基础介绍
    centos7中python3.10找不到openssl解决方案
    物联网协议MQTT
    嵌入式软件组件经典架构与存储器分类
    JS设计模式-简单工厂模式
    Error: Cannot find module ‘node:util‘
    wsl和windows下编译C++以及函数重载和函数模板的问题记录
    【信号去噪】基于遗传算法优化VMD实现信号去噪附matlab代码
    TS复习---typeScript介绍
    Web前端:Flutter vs React Native——哪个最适合App开发?
  • 原文地址:https://blog.csdn.net/qq_44950283/article/details/126341918