向量的2-范数
α
\alpha
α是一个行向量,
α
⋅
α
H
=
∥
α
∥
2
\alpha \cdot {\alpha ^H} = {\left\| \alpha \right\|^2}
α⋅αH=∥α∥2,等式左边是向量内积,右边是向量的2-范数,表示向量元素绝对值的平方和再开方,即向量的模。
显然有,
∣
α
⋅
α
H
∣
2
=
∥
α
∥
4
{\left| {\alpha \cdot {\alpha ^H}} \right|^2} = {\left\| \alpha \right\|^4}
∣∣α⋅αH∣∣2=∥α∥4。
α 2 = ∣ α ∣ 2 = α ⋅ α H {\alpha ^2} = {\left| \alpha \right|^2} = \alpha \cdot {\alpha ^H} α2=∣α∣2=α⋅αH,向量的平方等于模的平方。这里应注意数学符号的表示。
举例:matlab中相关函数
% 定义一个向量
a=[1 j]
a =
1.0000 + 0.0000i 0.0000 + 1.0000i
% 向量2-范数
norm(a)
ans=
1.4142
这里向量2-范数就是取模运算,等价于sqrt(sum(abs(a)))
% 向量内积
a*a'
ans=
2
注意,这里a’表示共轭转置,普通转置是a.’
也可以写成 a.*a
% 向量点积
dot(a,a)
ans=2
矩阵的2-范数
2-范数:谱范数,即A’A矩阵的最大特征值的开平方
F-范数:Frobenius范数,即矩阵元素绝对值的平方和再开平方,可能经常用到是这个。
// A code block
A=[1 2; 3 4];
norm(A,'fro')^2
ans=30
若有错误,日后更改!‘~’