矩阵1-范数与二重求和的求和可交换
1、矩阵1-范数
A = [ a 11 a 12 ⋯ a 1 n a 21 a 22 ⋯ a 2 n ⋮ ⋮ ⋱ ⋮ a n 1 a n 2 ⋯ a n n ] A = \begin{bmatrix} a_{11} &a_{12} &\cdots &a_{1n} \\ a_{21} &a_{22} &\cdots &a_{2n} \\ \vdots &\vdots &\ddots &\vdots \\ a_{n1} &a_{n2} &\cdots &a_{nn} \\ \end{bmatrix} A= a11a21⋮an1a12a22⋮an2⋯⋯⋱⋯a1na2n⋮ann
∣ ∣ A ∣ ∣ m 1 = ∑ i = 1 n ( ∑ j = 1 n ∣ a i j ∣ ) = ∑ j = 1 n ( ∑ i = 1 n ∣ a i j ∣ ) ||A||_{m1} = \sum_{i=1}^{n} (\sum_{j=1}^{n}|a_{ij}|) = \sum_{j=1}^{n} (\sum_{i=1}^{n}|a_{ij}|) ∣∣A∣∣m1=i=1∑n(j=1∑n∣aij∣)=j=1∑n(i=1∑n∣aij∣)
2、二重求和的求和符号可交换
对于矩阵1-范数而言,求和符号交换前后是按行求和与按列求和的区别。本质上都是把每个元素取模并相加。
再讨论一个例子,自相关函数 r ( m ) r(m) r(m)。
对于一个广义平稳离散时间随机过程
u
(
n
)
u(n)
u(n)而言,其自相关函数定义为:
r
(
m
)
=
E
{
u
(
n
)
u
∗
(
n
−
m
)
}
=
∫
∫
u
(
n
)
u
∗
(
n
−
m
)
p
(
u
n
,
u
n
−
m
;
n
,
n
−
m
)
d
u
n
d
u
n
−
m
r(m) = E\{u(n)u^*(n-m)\} = \int\int u(n)u^*(n-m)p(u_n,u_{n-m};n,n-m)\mathrm{d}u_n \mathrm{d}u_{n-m}
r(m)=E{u(n)u∗(n−m)}=∫∫u(n)u∗(n−m)p(un,un−m;n,n−m)dundun−m
其中
E
E
E是求期望,
p
(
)
p()
p()表示联合概率密度函数。积分范围是
u
(
n
)
u(n)
u(n)的值域,作为离散时间信号,值域不一定是离散的,值域经过量化后称为“数字信号”。
假设观测了N个采样点,那么可以得到
u
(
n
)
u(n)
u(n)的离散傅立叶变换DFT:
U
(
k
)
=
∑
n
=
0
N
−
1
u
(
n
)
e
−
j
2
π
N
k
n
U(k) = \sum_{n=0}^{N-1} u(n) e^{-j\frac{2\pi}{N}kn}
U(k)=n=0∑N−1u(n)e−jN2πkn
在信号处理领域,通常会从0开始编号,也比较符合实际,电路采样一般从一个时钟上升边沿开始算起。
当我们考虑
U
(
k
)
U(k)
U(k)的自相关函数的时候:
r
U
(
m
)
=
E
{
U
(
k
)
U
∗
(
k
−
m
)
}
=
E
{
∑
n
=
0
N
−
1
u
(
n
)
e
−
j
2
π
N
k
n
∑
l
=
0
N
−
1
u
(
l
)
e
j
2
π
N
(
k
−
m
)
l
}
r_U(m) = E\{U(k)U^*(k-m)\} = E\{\sum_{n=0}^{N-1} u(n) e^{-j\frac{2\pi}{N}kn}\sum_{l=0}^{N-1} u(l) e^{j\frac{2\pi}{N}(k-m)l}\}
rU(m)=E{U(k)U∗(k−m)}=E{n=0∑N−1u(n)e−jN2πknl=0∑N−1u(l)ejN2π(k−m)l}
注意到这里出现了两个和相乘的形式,那么根据多项式乘法规则,应该得到
N
2
N^2
N2项之和。
这个时候就可以写成:
r
U
(
m
)
=
E
{
∑
n
=
0
N
−
1
∑
l
=
0
N
−
1
u
(
n
)
u
(
l
)
e
−
j
2
π
N
k
n
e
j
2
π
N
(
k
−
m
)
l
}
r_U(m) =E\{\sum_{n=0}^{N-1} \sum_{l=0}^{N-1} u(n)u(l) e^{-j\frac{2\pi}{N}kn} e^{j\frac{2\pi}{N}(k-m)l}\}
rU(m)=E{n=0∑N−1l=0∑N−1u(n)u(l)e−jN2πknejN2π(k−m)l}
抽象一下:
考虑两个序列
a
=
(
a
1
,
a
2
,
⋯
,
a
n
)
T
a = (a_1,a_2,\cdots,a_n)^T
a=(a1,a2,⋯,an)T和
b
=
(
b
1
,
b
2
,
⋯
,
b
n
)
T
b=(b_1,b_2,\cdots,b_n)^T
b=(b1,b2,⋯,bn)T的1-范数相乘,
∣
∣
a
∣
∣
1
⋅
∣
∣
b
∣
∣
1
=
∑
i
=
1
n
∣
a
i
∣
∑
j
=
1
n
∣
b
j
∣
=
∑
i
=
1
n
∑
j
=
1
n
∣
a
i
∣
∣
b
j
∣
=
∑
i
=
1
n
∑
j
=
1
n
∣
a
i
b
j
∣
||a||_1\cdot ||b||_1 = \sum_{i=1}^n|a_i| \sum_{j=1}^n |b_j| = \sum_{i=1}^n \sum_{j=1}^n |a_i||b_j| = \sum_{i=1}^n \sum_{j=1}^n |a_ib_j|
∣∣a∣∣1⋅∣∣b∣∣1=i=1∑n∣ai∣j=1∑n∣bj∣=i=1∑nj=1∑n∣ai∣∣bj∣=i=1∑nj=1∑n∣aibj∣
实际上可以表示成一个矩阵:
[
a
1
b
1
a
1
b
2
⋯
a
1
b
n
a
2
b
1
a
2
b
2
⋯
a
2
b
2
⋮
⋮
⋱
⋮
a
n
b
1
a
n
b
2
⋯
a
n
b
n
]
\begin{bmatrix} a_1 b_1 &a_1 b_2 &\cdots &a_1 b_n \\ a_2 b_1 &a_2 b_2 &\cdots &a_2 b_2 \\ \vdots &\vdots &\ddots &\vdots \\ a_n b_1 &a_n b_2 &\cdots &a_n b_n \\ \end{bmatrix}
a1b1a2b1⋮anb1a1b2a2b2⋮anb2⋯⋯⋱⋯a1bna2b2⋮anbn
再考虑这个问题的反面,即有没有二重求和是不能交换求和顺序的呢?
对于数值函数的二重积分,二重积分的值与积分次序无关要求积分区域既可表示成X-型区域,又可表示成Y-型区域。
对于二重求和而言,相当于对于一个矩形区域,变积分为求和。所以对于大多数情况而言,二重求和都是可以交换求和顺序的。(没有说得很绝对,因为这还仅仅是我自己的考虑,没有去考证)