人工智能数学基础：第六章范数及特殊矩阵内容.pdfVIP

§1范数

向量和矩阵的范数

向量范数定义:

设对任意向量xRn,按一定的规则有一实数

与之对应,记为x,若x满足

1.x0,且x0当且仅当x0(正定)

2.xx,为任意实数(齐次)

3.x+yx+y,对任意x,yRn

(三角不等式)

则称x为向量x的范数.

由(3)可推出不等式

4.x−yx−y,对任意x,yRn

4

向量的内积和欧氏范数

定义:设n维实向量x(x,x,...,x)T,

12n

y(y,y,...,y)T，

12n

则称(x,y)=xy+xy+...+xy

1122nn

=xTy为向量x与y的内积。

n

称非负实数x(x,x)1/2(21/2

x)

2i

i=1

为向量x的欧氏范数。

5

(1)正定性：(x,x)0等号当且仅当x0

(2)对称性：(x,y)(y,x)

3双线性：(ax,y)(x,ay)a(x,y)

(x+y,z)(x,z)+(y,z)

4Cauchy−Schwartz不等式：

|(x,y)|x2y2

等号当且仅当x与y线性相关时成立。

（5）三角不等式：x+yx+y

222

6

欧氏范数性质:

1.x20,且x20当且仅当x0;(正定)

2.x2x2,为任