大家好,欢迎来到IT知识分享网。
线性代数:欧几里得空间和酉空间
一、欧几里得空间
1.定义
欧几里得空间是指一个实向量空间 V \boldsymbol{V} V,在其上定义了一个内积 ⟨ x , y ⟩ \langle\boldsymbol{x},\boldsymbol{y}\rangle ⟨x,y⟩,具有下列性质:
- 非负性:对于 x ∈ V \boldsymbol{x}\in \boldsymbol{V} x∈V, ⟨ x , x ⟩ ≥ 0 \langle\boldsymbol{x},\boldsymbol{x}\rangle\geq 0 ⟨x,x⟩≥0,且 ⟨ x , x ⟩ = 0 \langle\boldsymbol{x},\boldsymbol{x}\rangle=0 ⟨x,x⟩=0 当且仅当 x = 0 \boldsymbol{x}=\boldsymbol{0} x=0。
- 对称性:对于 x , y ∈ V \boldsymbol{x},\boldsymbol{y}\in\boldsymbol{V} x,y∈V, ⟨ x , y ⟩ = ⟨ y , x ⟩ \langle\boldsymbol{x},\boldsymbol{y}\rangle=\langle\boldsymbol{y},\boldsymbol{x}\rangle ⟨x,y⟩=⟨y,x⟩。
- 线性性:对于 x , y , z ∈ V \boldsymbol{x},\boldsymbol{y},\boldsymbol{z}\in\boldsymbol{V} x,y,z∈V 和 a , b ∈ R a,b\in R a,b∈R, ⟨ a x + b y , z ⟩ = a ⟨ x , z ⟩ + b ⟨ y , z ⟩ \langle a\boldsymbol{x}+b\boldsymbol{y},\boldsymbol{z}\rangle=a\langle\boldsymbol{x},\boldsymbol{z}\rangle+b\langle\boldsymbol{y},\boldsymbol{z}\rangle ⟨ax+by,z⟩=a⟨x,z⟩+b⟨y,z⟩。
2.范数
欧几里得空间中的一个向量 x \boldsymbol{x} x 的范数被定义为 ∣ ∣ x ∣ ∣ = ⟨ x , x ⟩ ||\boldsymbol{x}||=\sqrt{\langle\boldsymbol{x},\boldsymbol{x}\rangle} ∣∣x∣∣=⟨x,x⟩。 范数满足以下性质:
- 非负性:对于 x ∈ V \boldsymbol{x}\in \boldsymbol{V} x∈V, ∣ ∣ x ∣ ∣ ≥ 0 ||\boldsymbol{x}||\geq 0 ∣∣x∣∣≥0,且 ∣ ∣ x ∣ ∣ = 0 ||\boldsymbol{x}||=0 ∣∣x∣∣=0 当且仅当 x = 0 \boldsymbol{x}=\boldsymbol{0} x=0。
- 正齐性:对于 x ∈ V \boldsymbol{x}\in\boldsymbol{V} x∈V 和 a ∈ R a\in R a∈R, ∣ ∣ a x ∣ ∣ = ∣ a ∣ ⋅ ∣ ∣ x ∣ ∣ ||a\boldsymbol{x}||=|a|\cdot||\boldsymbol{x}|| ∣∣ax∣∣=∣a∣⋅∣∣x∣∣。
- 三角不等式:对于 x , y ∈ V \boldsymbol{x},\boldsymbol{y}\in\boldsymbol{V} x,y∈V, ∣ ∣ x + y ∣ ∣ ≤ ∣ ∣ x ∣ ∣ + ∣ ∣ y ∣ ∣ ||\boldsymbol{x}+\boldsymbol{y}||\leq ||\boldsymbol{x}||+||\boldsymbol{y}|| ∣∣x+y∣∣≤∣∣x∣∣+∣∣y∣∣。
3.标准正交基和正交投影
在欧几里得空间中,我们可以定义标准正交基,并且通过正交投影的方法求出向量在某一方向上的投影。具体地:
- 标准正交基:设 { v 1 , v 2 , ⋯ , v n } \{\boldsymbol{v_1},\boldsymbol{v_2},\cdots,\boldsymbol{v_n}\} {
v1,v2,⋯,vn} 是 V \boldsymbol{V} V 的一个基。如果满足: ⟨ v i , v j ⟩ = 0 \langle \boldsymbol{v_i},\boldsymbol{v_j}\rangle=0 ⟨vi,vj⟩=0,当 i ≠ j i\neq j i=j; ⟨ v i , v j ⟩ = 1 \langle\boldsymbol{v_i},\boldsymbol{v_j}\rangle=1 ⟨vi,vj⟩=1,当 i = j i=j i=j,则称 { v 1 , v 2 , ⋯ , v n } \{\boldsymbol{v_1},\boldsymbol{v_2},\cdots,\boldsymbol{v_n}\} {
v1,v2,⋯,vn} 是 V \boldsymbol{V} V 的一个标准正交基。 - 正交投影:设 x ∈ V \boldsymbol{x}\in \boldsymbol{V} x∈V, P \boldsymbol{P} P 是以 v \boldsymbol{v} v 为方向向量的一个子空间,且 { v 1 , v 2 , ⋯ , v m } \{\boldsymbol{v_1},\boldsymbol{v_2},\cdots,\boldsymbol{v_m}\} {
v1,v2,⋯,vm} 是 P \boldsymbol{P} P 的一组标准正交基,则 x \boldsymbol{x} x 在 P \boldsymbol{P} P 上的正交投影为:
y = ⟨ x , v 1 ⟩ ⟨ v 1 , v 1 ⟩ v 1 + ⟨ x , v 2 ⟩ ⟨ v 2 , v 2 ⟩ v 2 + ⋯ + ⟨ x , v m ⟩ ⟨ v m , v m ⟩ v m \boldsymbol{y}=\frac{\langle \boldsymbol{x},\boldsymbol{v_1}\rangle}{\langle\boldsymbol{v_1},\boldsymbol{v_1}\rangle}\boldsymbol{v_1}+\frac{\langle \boldsymbol{x},\boldsymbol{v_2}\rangle}{\langle\boldsymbol{v_2},\boldsymbol{v_2}\rangle}\boldsymbol{v_2}+\cdots+\frac{\langle \boldsymbol{x},\boldsymbol{v_m}\rangle}{\langle\boldsymbol{v_m},\boldsymbol{v_m}\rangle}\boldsymbol{v_m} y=⟨v1,v1⟩⟨x,v1⟩v1+⟨v2,v2⟩⟨x,v2⟩v2+⋯+⟨vm,vm⟩⟨x,vm⟩vm
二、酉空间
1.定义
酉空间是指一个复向量空间 V \boldsymbol{V} V,在其上定义了一个内积 ⟨ x , y ⟩ \langle\boldsymbol{x},\boldsymbol{y}\rangle ⟨x,y⟩,具有下列性质:
- 非负性:对于 x ∈ V \boldsymbol{x}\in \boldsymbol{V} x∈V, ⟨ x , x ⟩ ≥ 0 \langle\boldsymbol{x},\boldsymbol{x}\rangle\geq 0 ⟨x,x⟩≥0,且 ⟨ x , x ⟩ = 0 \langle\boldsymbol{x},\boldsymbol{x}\rangle=0 ⟨x,x⟩=0 当且仅当 x = 0 \boldsymbol{x}=\boldsymbol{0} x=0。
- 对称性:对于 x , y ∈ V \boldsymbol{x},\boldsymbol{y}\in\boldsymbol{V} x,y∈V, ⟨ x , y ⟩ = ⟨ y , x ⟩ ‾ \langle\boldsymbol{x},\boldsymbol{y}\rangle=\overline{\langle\boldsymbol{y},\boldsymbol{x}\rangle} ⟨x,y⟩=⟨y,x⟩。
- 线性性:对于 x , y , z ∈ V \boldsymbol{x},\boldsymbol{y},\boldsymbol{z}\in\boldsymbol{V} x,y,z∈V 和 a , b ∈ C a,b\in C a,b∈C, ⟨ a x + b y , z ⟩ = a ⟨ x , z ⟩ + b ⟨ y , z ⟩ \langle a\boldsymbol{x}+b\boldsymbol{y},\boldsymbol{z}\rangle=a\langle\boldsymbol{x},\boldsymbol{z}\rangle+b\langle\boldsymbol{y},\boldsymbol{z}\rangle ⟨ax+by,z⟩=a⟨x,z⟩+b⟨y,z⟩。
2.范数
酉空间中的一个向量 x \boldsymbol{x} x 的范数被定义为 ∣ ∣ x ∣ ∣ = ⟨ x , x ⟩ ||\boldsymbol{x}||=\sqrt{\langle\boldsymbol{x},\boldsymbol{x}\rangle} ∣∣x∣∣=⟨x,x⟩。 范数满足以下性质:
- 非负性:对于 x ∈ V \boldsymbol{x}\in \boldsymbol{V} x∈V, ∣ ∣ x ∣ ∣ ≥ 0 ||\boldsymbol{x}||\geq 0 ∣∣x∣∣≥0,且 ∣ ∣ x ∣ ∣ = 0 ||\boldsymbol{x}||=0 ∣∣x∣∣=0 当且仅当 x = 0 \boldsymbol{x}=\boldsymbol{0} x=0。
- 正齐性:对于 x ∈ V \boldsymbol{x}\in\boldsymbol{V} x∈V 和 a ∈ C a\in C a∈C, ∣ ∣ a x ∣ ∣ = ∣ a ∣ ⋅ ∣ ∣ x ∣ ∣ ||a\boldsymbol{x}||=|a|\cdot||\boldsymbol{x}|| ∣∣ax∣∣=∣a∣⋅∣∣x∣∣。
- 三角不等式:对于 x , y ∈ V \boldsymbol{x},\boldsymbol{y}\in\boldsymbol{V} x,y∈V, ∣ ∣ x + y ∣ ∣ ≤ ∣ ∣ x ∣ ∣ + ∣ ∣ y ∣ ∣ ||\boldsymbol{x}+\boldsymbol{y}||\leq ||\boldsymbol{x}||+||\boldsymbol{y}|| ∣∣x+y∣∣≤∣∣x∣∣+∣∣y∣∣。
3.酉基和正交投影
在酉空间中,我们可以定义酉基,并且通过正交投影的方法求出向量在某一方向上的投影。具体地:
- 酉基:设 { v 1 , v 2 , ⋯ , v n } \{\boldsymbol{v_1},\boldsymbol{v_2},\cdots,\boldsymbol{v_n}\} {
v1,v2,⋯,vn} 是 V \boldsymbol{V} V 的一个基。如果满足: ⟨ v i , v j ⟩ = 0 \langle \boldsymbol{v_i},\boldsymbol{v_j}\rangle=0 ⟨vi,vj⟩=0,当 i ≠ j i\neq j i=j; ⟨ v i , v j ⟩ = δ i j \langle\boldsymbol{v_i},\boldsymbol{v_j}\rangle=\delta_{ij} ⟨vi,vj⟩=δij(其中 δ i j \delta_{ij} δij 为克罗内克 δ \delta δ 符号),则称 { v 1 , v 2 , ⋯ , v n } \{\boldsymbol{v_1},\boldsymbol{v_2},\cdots,\boldsymbol{v_n}\} {
v1,v2,⋯,vn} 是 V \boldsymbol{V} V 的一个酉基。 - 正交投影:设 x ∈ V \boldsymbol{x}\in \boldsymbol{V} x∈V, P \boldsymbol{P} P 是以 v \boldsymbol{v} v 为方向向量的一个子空间,且 { v 1 , v 2 , ⋯ , v m } \{\boldsymbol{v_1},\boldsymbol{v_2},\cdots,\boldsymbol{v_m}\} {
v1,v2,⋯,vm} 是 P \boldsymbol{P} P 的一组酉基,则 x \boldsymbol{x} x 在 P \boldsymbol{P} P 上的正交投影为:
y = ⟨ x , v 1 ⟩ ⟨ v 1 , v 1 ⟩ v 1 + ⟨ x , v 2 ⟩ ⟨ v 2 , v 2 ⟩ v 2 + ⋯ + ⟨ x , v m ⟩ ⟨ v m , v m ⟩ v m \boldsymbol{y}=\frac{\langle \boldsymbol{x},\boldsymbol{v_1}\rangle}{\langle\boldsymbol{v_1},\boldsymbol{v_1}\rangle}\boldsymbol{v_1}+\frac{\langle \boldsymbol{x},\boldsymbol{v_2}\rangle}{\langle\boldsymbol{v_2},\boldsymbol{v_2}\rangle}\boldsymbol{v_2}+\cdots+\frac{\langle \boldsymbol{x},\boldsymbol{v_m}\rangle}{\langle\boldsymbol{v_m},\boldsymbol{v_m}\rangle}\boldsymbol{v_m} y=⟨v1,v1⟩⟨x,v1⟩v1+⟨v2,v2⟩⟨x,v2⟩v2+⋯+⟨vm,vm⟩⟨x,vm⟩vm
三、总结
本文简要介绍了欧几里得空间和酉空间的定义、范数、标准正交基(酉基)和正交投影等概念。这些内容是线性代数中非常重要的基础知识,有助于我们更好地理解和应用相关的算法和模型。
免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://haidsoft.com/131894.html