厦大《高代》讲义第9章+内积空间
大学数学(高数微积分)第九章欧几里得空间第五节(课堂讲义)
显然,子空间 L(m+1 , … , n) 就是 V1 的正交补.
再来证唯一性. 于是 V = V1 V2 , V = V1 V3 . 设 V2 ,V3 都是 V1 的正交补,
令 V2 ,由第二式即有
= 1 + 3 ,
其中 1 V1 ,3 V3 .
因为 1 所以
第五节
子
空
间
主要内容
正交子空间
正交补
一、正交子空间
1. 定义 定义 10
设 V1 , V2 是欧氏空间 V 中两个子 空间,如果对于任意的 V1 , V2 ,恒有 ( , ) = 0 . 则称 V1 , V2 为正交的,记为 V1 V2 . 一个向量
,如果对于任意的 V1 ,恒有 ( , ) = 0 .
如果 V1 = { 0 },那么它的正交补就是
设 V1 { 0 }. 欧氏空间的子 在 V1中 它可以
V,唯一性是显然的.
空间在所定义的内积下也是一个欧氏空间. 取一组正交基 1 , 2 , …, m , 由 扩充成V 的一组正交基
1 , 2 , … , m , m+1 , … , n .
V1 + V2 + … + Vs 是直和.
设 i Vi ,i = 1, 2, … , s , 且
1+2+…+s=0.
下面来证明 i = 0 . 用正交性,得 ( i , i ) = 0 . 从而 i = 0 ( i = 1, 2, … , s ) . V1 + V2 + … + Vs 是直和. 这就是说,和 用 i 与等式两边作内积,利
由定义可知
高等代数-9第九章 欧几里得空间
(线性性)
4) ( , ) 0, 当且仅当 o 时 ( , ) 0. (非负性)
则称 ( , )为 和 的内积,称这种定义了内积的 实数域 R上的线性空间V为欧几里得空间.
§1 定义与基本性质
b
§1 定义与基本性质
线性性 ( k f lg , h) a k f ( x ) lg ( x ) h( x )dx
b
k f ( x )h( x )dx l g ( x )h( x )dx
a a
b
b
k ( f , h ) l ( g , h)
非负性 ( f , f ) f ( x ) f ( x ) dx f 2 ( x ) dx 0 a a 且 ( f , f ) 0 f ( x ) 0. 故( f , g) 为一内积, C (a , b) 构成欧氏空间.
注1 欧几里得空间 V是特殊的线性空间. (1)V为实数域 R上的线性空间; (2)V既有向量的线性运算,还有内积运算; (3) , V ,( , ) R. 注2 欧几里得空间,Euclidean Space, 简称欧氏空间. 欧几里得(Euclid,约公元前330 年—前275年),古希腊数学家,是几 何学的奠基人,被称为“几何之 父”. 他最著名的著作是《几何原本》.
b b
§1 定义与基本性质
2. 内积的运算性质 设V为欧氏空间, , , , i V , k , l , ki R
1) ( , k ) k ( , ) 2) ( , ) ( , ) ( , ) 3) ( , k l ) k ( , ) l ( , ) 4) ( k l , ) k ( , ) l ( , )
厦大《高代》讲义第9章+内积空间
第九章内积空间Inner Product Space§9.1 目的与要求•掌握内积、内积空间的概念•熟练掌握欧氏空间的度量概念,如长度、距离、夹角、正交等•熟练掌握Cauchy-Schwarz不等式、三角不等式的含义及应用厦门大学数学科学学院网址: •定义:设V 是R 上线性空间,存在映射( ,):, 使得对任意x , y , z ∈V, c ∈R,有(1). ( x , y ) = ( y , x )(2). ( x + y , z ) = (x ,z ) + (y , z )(3). ( cx , y ) = c ( x , y )(4). ( x , x ) ≥ 0.且等号成立当且仅当x = 0.则称在V 上定义内积( , ). V 称为内积空间.有限维实内积空间称为Euclid 空间(欧氏空间).R V V →⨯对称线性非负(实)内积空间•定义:设V 是C 上线性空间,存在映射( , ):使得对任意x , y , z ∈V, c ∈C,有(1).(2). (x + y , z ) = (x , z ) + ( y , z )(3). (cx , y ) = c ( x , y )(4). (x , x ) ≥ 0.且等号成立当且仅当x = 0.则称在V 上定义内积( , ). V 称为复内积空间.有限维复内积空间称为酉空间.•注1:对任意实数a , , 所以复内积空间与实内积空间的定义是一致的, 统称为内积空间.•注2:在复内积空间中, (,)(,)x y y x =a a =(,)(,)x cy c x y =R V V →⨯(复)内积空间•例1:R n ×1是n 维欧氏空间, 若, 定义内积如下:该内积称为R n ×1上的标准内积.C n ×1是n 维酉空间, 若, 定义内积如下:该内积称为C n ×1上的标准内积.1122(,)...n nx y y x x y x y x y '==+++例子1,C n x y ⨯∀∈1,R n x y ⨯∀∈1122(,)...n nx y y x x y x y x y '==+++•例2:R 2×1上对1) 是内积2) 非线性, 非内积3) 未必非负, 非内积11211222(,)4x y x y x y x y x y =--+例子1122,x y x y x y ⎛⎫⎛⎫∀== ⎪ ⎪⎝⎭⎝⎭1,2(,)max(||,||)i i i x y x y ==1212(,)x y x x y y =+++•例3:设, 定义则c [a , b ]是无限维内积空间. •例4:设G 为n 阶正定阵, 对, 定义则R n ×1是R 上n 维欧氏空间. G =I 即例1.•例5:R n ×n 上定义(A , B ) = tr(A’B ), 是欧氏空间么? 若是, 它是几维的?例子(,)'x y x Gy=(,)()()b a f g f x g x dx =⎰(),()[,]f x g x c a b ∈1,R n x y ⨯∀∈•定义:设V 实内积空间, 设x , y ∈V, 定义x 的长度为:定义x 与y 的距离为:当V是实空间时, 定义x , y 的夹角θ的余弦为:当V 是复空间时, 定义x , y 的夹角θ的余弦为:当( x , y ) = 0时, 称x 与y 正交, 记x ⊥y .(,)x x x =(,)d x y x y=-(,)cos x y x yθ=(,)cos x y x y θ=(实)内积空间_2•定理:设V 是实的或复的内积空间,设x , y ∈V, c 为常数(实数或复数), 则(1) (2) (Cauchy-Schwarz 不等式)当且仅当x , y 线性相关时, 等号成立.(3) (三角不等式)cx c x=(,)x y x y≤x y x y+≤+在R n×1中•注1:x=0时, 对任意y, (x, y)=0; 反之, 若对任意y, 都成立(x, y)=0, 则x=0. 即只有零向量和自己正交; 只有零向量的长度为0;•注2:||x+y||= ||x||+||y|| x和y同向或有一为0;•注3:(x, y)=||x||||y||cosθ, 其中θ为x与y的夹角(内积几何意义);•注4:x⊥y时, (x,y)=(y,x)=0, ||x+y||2=||x||2+||y||2 (勾股定理);•注5:若两两正交, 即则1)2)•注6:x 称为单位向量, 若. 一般地, 若x ≠0, 则x /|| x ||是单位向量(称把x 单位化).•注7:Cauchy-Schwarz 不等式具体形式:内积空间_512,,...,m ααα(,)0,i j i j αα=∀≠122...m mk k ααα⊥++22221212......m mαααααα+++=+++1x =()222221111...(...)(...)n n n nx y x y x x y y ++≤++++222(()())()()b bbaaaf xg x dx f x dx g x dx≤⎰⎰⎰例子•例6:证明下列不等式成立1)2) 若A =(a ij )n ×n 是(对称)正定阵, 则))(()(1111211j i n i nj ij j i n i n j ij n i n j j i ij y y a x x a y x a ∑∑∑∑∑∑======≤222111111()()()nnnnnnji ji jijii j i j i j a b a b ======≤∑∑∑∑∑∑厦门大学数学科学学院网址: 作业•作业p294 1, 2, 3, 6, 7补充: R n ×n 上定义(A , B ) = tr(A’B ), 是欧氏空间么? 为什么? 若是, 它是几维的?并证明下列不等式:•选做p295 5222111111()()()nnnnnnji ji jijii j i j i j a b a b ======≤∑∑∑∑∑∑§9.2 目的与要求•掌握标准正交基、正交补空间的概念•掌握度量矩阵与内积的关系•掌握两标准正交基的过渡矩阵与正交阵的关系•熟练掌握矩阵为正交阵的充要条件•掌握向量组的Gram-Schmidt正交化的计算标准正交基_1•定义:设是n 维内积空间V 的一组基, 若, 则称这组基是V 的一组正交基, 若,则称这组基是V 的一组标准正交基.•引理:内积空间V 中任意一组两两正交的非零向量必线性无关.12,,...,n εεε(,)0,i j i j εε=∀≠(,)i j ij εεδ=标准正交基_2•定理: 设V 是内积空间, 是V 中m 个线性无关的向量, 则在V 中存在两两正交的向量, 使得•Gram-Schmidt 正交化:12,,...,m ξξξ12,,...,m ηηη1212(,,...,)(,,...,).m m L L ξξξηηη=11ηξ=,11,11,(,)...,,11(,)i j i i i i i i i j j j k k k j i ξηηξηηηη--=+++=-≤≤-Schmit 正交化uu 2211k v -v 2322k v -1212111112212(,)(,)u u u k v v u v v v v v ==--=v 12v 311k v -3v 3u 331132233313221u u k v k v k k v v v --=--=211k v v 1311k v 322k v 3322u k v -标准正交基_3•注: 任意线性无关向量组必可正交化, 且正交化后的向量组与原向量组等价.•推论: 任意n 维内积空间有一组标准正交基.•注: 标准正交基可以简化内积的运算.设是内积空间V 的标准正交基, 若, 则, 即又若, 则12,,...,n εεε(,)i i x x ε=1122(,)....n n x y x y x y x y =+++1122...n n x x x x εεε=+++111222(,)(,)...(,)n n n x x x x εεεεεε=+++1122...n n y y y y εεε=+++例子•例1:R 1×2, 在标准内积下e 1, e 2是标准正交基, 任意向量x =(x 1, x 2), 则x 1=(x , e 1), x 2=(x , e 2).•例2:设V 是四维行向量空间, 内积为标准内积, 又. 试用Gram-Schmidt 方法将化为V 的一组标准正交基.•例3:设, 问是否为的一组基? 一组标准正交基?1234(1,1,0,0),(1,0,0,1),(1,0,1,0),(1,u u u u ==-==1,1,1)--1234,,,u u u u 12(1,0),(0,1)u u ==12,u u 12R ⨯正交补•定义:设U是内积空间V的子空间,令U⊥={v∈V| (v, u)=0,对任意u∈U},则U⊥是V的子空间, 称为U的正交补空间.•定理:设V是n维内积空间, U是V的子空间,则(1) V = U U⊥;(2) U上任意一组标准正交基必可扩为V 的标准正交基;(2’) V上任意一组标准正交向量组必可扩为V 的标准正交基.例子•例5:若, 且对都有, 则•例6:(Bessel 不等式) 设是n 维内积空间V 的正交向量组, y 是V 的任一向量, 则且等号成立的充要条件是•例7:设线性子空间U 是齐次线性方程组Ax =0的解空间, 求U ⊥适合的线性方程组.12,,...,m v v v 2221|(,)|||||||||m k k k y v y v =≤∑12(,,...,).m y L v v v ∈12V U W U W =⊕=⊕11U, W u w ∀∈∈22W w ∈12(,)(,)0u w u w ==12W W U .⊥==度量矩阵_1设V 是n 维欧氏空间,是V 的一组基,令由内积定义知G 是一个实对称矩阵, 称为度量矩阵. 设则( x , y ) = (x 1, …, x n ) G (y 1, …, y n ) = X ’GY 这里X ’= (x 1, …, x n ), Y = (y 1, …, y n )’.因为当x ≠0时, 必有(x , x ) >0, 所以G是正定阵.111212122212(,)(,)(,)(,)(,)(,)(,)(,)(,)n n n n n n G ξξξξξξξξξξξξξξξξξξ⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭11,n n i i i ii i x x y y ξξ====∑∑,,...,12n ξξξ度量矩阵_2•注1:在n 维实线性空间V 的基固定情况下{V 上的内积} {实正定矩阵}.•注2:设是欧氏空间V 的一组基, 则为正交基⇔G 为(正定)对角阵;为标准正交基⇔G 为单位阵.←−−→1:1,,...,12n ξξξ,,...,12n ξξξ,,...,12n ξξξ正交矩阵_1设u 1, u 2, …, u n 和v 1, v 2, …, v n 是n 维欧氏空间V 的两个标准正交基, T 是从基u 1, u 2, …, u n 到v 1, v 2, …, v n 的过渡矩阵,即(v 1, v 2, …, v n )=(u 1, u 2, …, u n )T.则由于,故有T ’T =I .•定义:实n 阶方阵T 称为正交阵, 如果T -1=T ’.1(,)i jn ij si sj s v v t t δ===∑正交矩阵_2•注1:设u1,u2,…,u n是维欧氏空间的一个标准正交基, T是正交阵, 且有(v1,v2,…,v n)=(u1, u2, …, u n)T.则v1,v2,…,v n是V的标准正交基.•注2:T是正交阵 T 的列向量是标准内积空间R n×1的标准正交基.正交矩阵_3•例4:(1) 单位阵是正交阵.(2) 实对角阵是正交阵的充分必要条件是对角元素为±1.(3) 上(下)三角阵是正交阵的充分必要条件是它是对角阵且对角元素为±1.(4)是正交阵且二阶矩阵能作为正交阵的只能是如上两种形式.(5) 置换阵是正交阵.cos sin cos sin ,sin cos sin cos θθθθθθθθ-⎛⎫⎛⎫ ⎪ ⎪-⎝⎭⎝⎭正交矩阵_4•命题:设T, S为正交阵, 则(1) |T | = ±1.(2) T 可逆且T -1为正交阵.(3) T *为正交阵.(4) –T 为正交阵.(5) TS 为正交阵.(6) T 的特征值的模长为1.§9.3 目的与要求•了解伴随变换的概念•掌握伴随变换的矩阵表示与性质伴随_1•定义:设V 是数域K 上线性空间, 从V 到K 的线性映射称为线性函数. V 上线性函数的全体称为V 的共轭空间, 记做V *.•注:设V 是n 维欧氏空间,内积为(-,-). 固定0≠v ∈V, 则是V 上线性函数. 反之, 任一线性函数均可由上面方式实现.:.f V K (,)x x v伴随_2•引理:设f 是n 维欧氏空间V 的线性函数,则必存在V 上唯一向量v ,使对任意x ∈V, 均有f (x )=(x ,v ).•定理:设是n 维欧氏空间V 的线性变换算子,则存在唯一线性变换算子,使得对任意u ,v ∈V, 有•注1: 称为的伴随变换.•注2: 欧氏空间上线性变换称为线性算子.ϕ*ϕ((),)(,*()).u v u v ϕϕ=*ϕϕ伴随_3•定理:设u 1,u 2,…,u n 是n 维欧氏空间V 的一组标准正交基,若V 的线性变换在这组基下的表示矩阵为A ,则的伴随算子在这组基下的表示矩阵为A ’.•定理:设是n 维内欧氏空间V 的两个线性变换,c 为常数,则ϕ*ϕϕ2)()**c c ϕϕ=1)()***ϕψϕψ+=+3)()***ϕψψϕ=4)(*)*ϕϕ=,ϕψ§9.4 目的与要求•掌握内积空间的(保积)同构的概念•熟练掌握内积空间的同构的等价命题•掌握正交算子的概念•熟练掌握正交算子的等价命题•掌握正交阵在正交相似下的标准型及相应的正交算子命题正交算子_1•引理:设是维欧氏空间V 到W 的线性映射,则下列条件等价:(1) 保持内积,(2) 保持范数,(3) 保持距离, •定义:设V,W 是n 维欧氏空间是线性映射.如果是线性空间同构且保持内积,即则称是欧氏空间的同构,记:V W ϕ→ϕϕϕϕ((),())(,).x y x y ϕϕ=().x x ϕ=((),())(,).d x y d x y ϕϕ=ϕ((),())(,),x y x y ϕϕ=ϕV W.≅正交算子_2•定理: 设V, W 是n 维欧氏空间, 是线性映射,则下列条件等价:(1) 保持内积.(2) 保持范数.(3) 保持距离.(4) 是欧氏空间同构.(5) 将V 的任一标准正交基变成W 的标准正交基.(6) 将V 的某一标准正交基变成W 的标准正交基.:V W ϕ→ϕϕϕϕϕϕ正交算子_3•推论:设V, W 是欧氏空间,则 dimV = dimW.•注1:两个欧氏空间是否同构与其上定义的内积无关, 只与维数有关.•注2:欧氏空间的同构是等价关系.•注3:任意n 维欧氏空间都同构于标准内积空间R n .•意义:对一般n 维欧氏空间的研究可转化为对标准内积空间R n 的研究.V W正交算子_3•定义: n 维欧氏空间V 上保持内积的线性算子称为正交算子或正交变换.•定理:设是n 维欧氏空间V 的线性变换,则下列条件等价:(1) 是正交算子. (2) 保持距离.(3) 保持范数. (4) 是V 的自同构.(5) 可逆且(6) 将V 的任意标准正交基变为另一标准正交基.(7) 将V 的一组标准正交基变为另一标准正交基.(8) 在V 的任意标准正交基下的矩阵是正交阵.(9) 在V 的某组标准正交基下的矩阵是正交阵.ϕϕϕϕϕ1*.ϕϕ-=ϕϕϕϕϕ正交算子_4•注1:n 阶正交阵可视为某n 维欧氏空间V 上正交变换在V 的某标准正交基下的表示矩阵;•注2:n 阶正交阵还可视为某n 维欧氏空间V 中某两标准正交基的过渡矩阵.•注3:若是正交算子, 则1) 可逆, 且也是正交算子;2)为正交算子;3) 若|c |=1, 则为正交算子.,ϕψϕ1ϕ-ϕψc ϕϕ正交相似_1设是n 维欧氏空间V 上线性变换, u 1, …, u n 和v 1, …, v n 分别是V 的两组标准正交基,则•定义:设A , B ∈R n ×n , 若存在正交阵T , 使则称A , B 是正交相似的.ϕ1212(,,...,)(,,...,)n n v v v u u u T =1212(,,...,)(,,...,)n n u u u u u u A ϕ=1212(,,...,)(,,...,)n n v v v v v v Bϕ=1.B T AT T AT -'==1,B T AT T AT -'==正交相似_2•注1:设A, B∈R n×n, 则A与B是正交相似的充分必要条件是A, B是n维欧氏空间V上同一个线性算子在不同标准正交基下的矩阵.•注2:正交相似是等价关系.•注3:设A与B正交相似, A是正交阵, 则B也是正交阵.•注4:若B由矩阵A互换i,j两行, 再互换i,j两列得到, 则A, B正交相似.•注5:两对角阵仅对角元顺序不同, 则他们正交相似.正交算子_5•引理:设A 为正交阵,为A 的一个复特征值, (b ≠0), 为对应的特征向量, 则且•注:因, 故可设cos sin (,),(,)sin cos Ax x y Ay x y θθθθ-⎛⎫⎛⎫== ⎪ ⎪⎝⎭⎝⎭a ib λ=+u x iy =+.x y =x y ⊥221,a b +=1λ=cos ,sin .a b θθ==-cos sin (,).sin cos A x y θθθθ-⎛⎫ ⎪⎝⎭正交算子_6•定理:设A 为正交阵, 则存在正交阵T , 使T -1AT •定理:设是n 维欧氏空间V 的正交算子, 则存在一组标准正交基, 使得在此基下的矩阵是1111cos sin cos sin {,,,...,}.sin cos sin cos l l s t l l diag I I θθθθθθθθ--⎛⎫⎛⎫=- ⎪ ⎪⎝⎭⎝⎭1111cos sin cos sin {,,,...,}.sin cos sin cos l l s t l l diag I I θθθθθθθθ--⎛⎫⎛⎫- ⎪ ⎪⎝⎭⎝⎭ϕϕ例子•例1:设是欧氏空间V 的线性变换, 则下列命题中___不能作为是正交变换的等价命题.A. 在某一组基下表示矩阵是正交阵;B. ;C. 保积同构;D. 保持距离不变.A1*ϕϕ-=例子•例2:和矩阵正交相似的矩阵是___.A.B. C.D.A 1001M ⎛⎫= ⎪-⎝⎭0110⎛⎫ ⎪⎝⎭1100-⎛⎫ ⎪⎝⎭1111⎛⎫ ⎪-⎝⎭0110⎛⎫ ⎪-⎝⎭例子•例3:设是n 维欧氏空间的线性变换, 分别是的伴随变换, 则下列命题中错误的有___个.①是单的线性变换, 则是满的线性变换②③, 对任意的④是同构变换, 则也是同构变换A. 0B. 1C. 2D. 3A,ϕψ*,*ϕψ,ϕψϕ*ϕ*dimIm dimIm ϕϕ=ϕ*ϕ*((),)((),)ϕαβϕβα=,Vαβ∈例子•例4:三阶正交矩阵在正交相似下的所有可能的标准形是___.111⎛⎫ ⎪ ⎪ ⎪⎝⎭111-⎛⎫ ⎪ ⎪ ⎪⎝⎭111-⎛⎫ ⎪- ⎪ ⎪⎝⎭111-⎛⎫ ⎪- ⎪ ⎪-⎝⎭cos sin sin cos 1θθθθ⎛⎫ ⎪- ⎪ ⎪⎝⎭cos sin sin cos 1θθθθ⎛⎫ ⎪- ⎪ ⎪-⎝⎭例子•例5:设为n 阶正交矩阵, 且则矩阵方程的解x = ___.要点:1. 因为A 是正交阵, 故A 可逆, 问题的解唯一; 2.又因A 是正交阵, 且故A 的第一列为-e 1, 从而.()ij n n A a ⨯=111,a =-1Ax e =1e -111,a =-11()A e e -=§9.5 目的与要求•掌握自伴随算子的概念及与对称矩阵的关系•熟练掌握对称矩阵的正交相似标准型•掌握对称矩阵相似/合同/正交相似的全系不变量•一些相关的计算和证明对称算子_1•定义:设V 是n 维欧氏空间,是V 的线性算子, 如果, 则称是自伴随算子(对称算子).•定理:设是n 维欧氏空间V 的线性算子, 则下列条件等价:(1)是对称算子;(2)(3) 在V 的任一组标准正交基下的矩阵是对称阵;(4) 在V 的某一组标准正交基下的矩阵是对称阵.*ϕϕ=ϕϕϕϕ((),)(,());ϕαβαϕβ=ϕϕ•定理:设是n 维欧氏空间V 上对称算子,则的特征值全为实数且属于不同特征值的特征向量互相正交.•定理’:设A ’=A ∈R n ×n ,则A 的特征值全为实数且属于不同特征值的特征向量互相正交(标准内积空间R n ×1).•引理:设是n 维欧氏空间V 上对称算子. U 是子空间. 则U ⊥也是子空间.•定理:设是n 维欧氏空间V 上对称算子, 则存在V 的一组标准正交基, 使在这组基下的矩阵是对角阵.•定理’:设A ’= A ∈R n ×n , 则存在正交阵T , 使T -1AT =T ’AT 为对角阵, 且对角线元素为A 的特征值.ϕϕϕϕ-ϕ-ϕϕ•定理:A , B 实对称矩阵, 则A , B 正交相似 A , B 的特征值相同.•注:特征值是实对称矩阵相似的全系不变量.•定理:设是n 元实二次型,是A 的所有特征值, 则必存在正交线性替换为正交阵, 使f 的正惯性指数等于A 的正特征值个数, f 的负惯性指数等于A 的负特征值个数, f 的秩等于A 的非零特征值的个数.22211122(,,)n n n f x x y y y λλλ=+++ 1(,,)n f x x X AX '= 1,,n λλ ,X TY T =。
高等代数-内积空间
• 引理:内积空间V中任意一组两两正交的非零
向量必线性无关.
标准正交基_2
• 定理:设V是内积空间, ξ1,ξ2,…,ξm是V中m
个线性无关的向量,则在V中存在两两正交 的向量η1,η2, …,ηm,使得
的过渡矩阵,即(u1, u2, …, un)=(v1, v2, …, vn)T.则由
= . 于ij
(u ,u )
i
j
n s1
tis t
js
,故有T’T
I
• 定义:实n阶方阵T 称为正交矩阵, 如果T -1=T ’.
• 注1:设v1,v2,…,vn是n维欧氏空间的一组标准正交基, T是正交阵,且有(u1,u2,…,un)=(v1,v2,…,vn)T. 则u1, u2, …, un是V的标准正交基.
(2). (cφ)*=cφ*.
(3). (φψ) *= ψ*φ*.
(4). (φ *) *= φ.
正交算子_1
• 引理:设φ是维欧氏空间V到W的线性映射,则下列 条件等价: (1). φ保持内积, (φ(x), φ(y) ) = (x, y). (2). φ保持范数, ||φ(x) ||=||x|| . (3). φ保持距离, d (φ(x), φ(y)) = d (x,y).
• 定义:设V,W是n维欧氏空间, : V W 是线性映 射. 如果φ是线性空间同构且保持内积,即 (φ(x), φ(y) ) = (x, y), 则称φ是欧氏空间的同构,记 V W.
正交算子_2
• 引理:设V, W是n维欧氏空间, : V W 是线性映射,则
内积空间和希尔伯特空间
x x, y y , x y
2 2 2
2
x 2 x y y ( x y )2 ,
所以 x y x y .称由(3)式定义的范数 x 为由内积导出的范 数,所以内积空间是一种特殊的赋范空间.若 X 按(3)式中范数完 备,则称为Hilbert空间. 设 x 是由内积导出的范数,通过计算,不难证明对 X 中任何 两个向量 x, y X ,成立平行四边形公式 2 2 2 2 x y x y 2( x y ). (5) 它是平面上平行四边形公式在内积空间中的推广.反之可以证明, 若 X 是赋范线性空间,其中范数 x 对 X 中任何向量 x, y X ,满足平 行四边形公式(5),那么一定可在 X 中定义内积 x, y ,使 x 就是由 内积 x, y 导出的范数.因此,(5)式是内积空间中范数的特征性质. 下面举一些内积空间的例子 例1L2 [a, b].对 L2[a, b]中任意向量 x, y ,定义
在复欧氏空间中,向量除了有长度的概念外,还定义了两个 向量的内积的运算,即若 则a与b的内积定义为: a, b 11 22 nn , . (1) 其中 i 表示 i 的复共轭,并且内积与向量a的长度有以下关系 a a, a 由内积定义,可知两个向量a与b正交等价于 a, b 0.显然,在 有限维复欧氏空间E n 中,由(1)定义的内积具有下述性质: 1. a, a 0, 且 a, a 0等价于a 0; a b, c a, c a, c , 其中a, b, c E n , 2. , 为复数; 3. a, b b,a , a, b E n . E n的欧几里得几何学中所用到内积的性质主要是 在复欧氏空间 上面三条,因此利用这三条性质,我们也在一般的线性空间中引 入内积的的概念.
高等代数--第九章 欧几里得空间
反过来,如果等号成立,由以上证明
过程可以看出,或者 0 ,或者 ( , ) 0, ( , ) 也就是说 , 线性相关。
结合具体例子来看一下这个不等式是很有意 思的。对于例1的空间Rn ,(5)式是:柯西不等式
| a1b1 a2b2 an bn |
这就是说,不同基的度量矩阵是合同的。
根据条件4),对于非零向量 ,即
0 0 X 0
有
( , ) X ' AX 0,
因此,度量矩阵是正定的。 欧几里得空间以下简称为欧氏空间。 BACK
标准正交基
定义6 欧氏空间V中一组非零的向量,如果它 们两两正交,就称为一正交向量组。 按定义,由单个非零向量所成的向量组也 是正交向量组。
即对于任意的向量 , 有
| ( , ) || || | . (5)
当且仅当 , 线性相关时,等号才成立。 证明 当 0,(5)式显然成立。以下设 0。 令t是一个实变数,作向量 t . 由4)可知,不论t取何值,一定有 ( , ) ( t , t ) 0. 即 ( , ) 2( , )t ( , )t 2 0. (6)
(m1 ,i ) ( ,i ) ki (i ,i ) (i 1,2,, m).
取
( , i ) ki (i 1,2,, m). ( i , i )
有
( i , m1 ) 0 (i 1,2,, m).
m1 0 。因此 1 , 2 ,, m , m1 由 的选择可知, 1 , 2 ,, m , 是一正交向量组,根据归纳法假定, m1 可以扩充成一正交基。于是定理得证。 定理的证明实际上也就给出了一个具体的扩 充正交向量组的方法。
大学数学高数微积分第九章欧几里得空间第一节课件课堂讲义
可知,不论 t 取何值,一定有
( , ) = ( + t , + t ) 0.
即
( , ) + 2( , ) t + ( , ) t 2 0.
(5)
取
t (, ) . (, )
代入 (5) 式,得
(,)(,)2 0, (,)
即
( , )2 ( , ) ( , ) .
欧几里得空间的子空间在所定义的内积之下
显然也是一个欧几里得空间.
欧几里得空间以下简称为欧氏空间.
五、举例
例 1 在欧氏空间 Rn 中计算下列向量的内积,
并求它们之间的夹角.
(1) (1,1,1,1) , (1,2,4,3); (2) (1,1,1, 1) , (3,1,2,2);
2 36
(3) (3,1,1,1) , (2,2,2,2); (4) (1,1,1,2,1) , (3,1,1,0,1).
证明 当 = 0 时,(4) 式显然成立.
设 0.
令 t 是一个实变数,作向量
以下
=+t.
由
内积定义中的四个性质:
1) ( , ) = ( , ); 2) (k , ) = k( , ); 3) ( + , ) = ( , ) + ( , ) ; 4) ( , ) 0, 当 且 仅 当 = 0 时 ( , ) = 0 .
= (| | + | |)2 .
所以 | + | | | + | | .
3. 正交
定义 4 如果向量 , 的内积为零,即
( , ) = 0,
那么 , 称为正交或互相垂直,记为 .
显然,这里正交的定义与解析几何中对于正交
高代第9章讲义
(α,α) 第九章Euclid(欧几里得)空间知识点考点精要一、欧几里得空间的基本概念1、设V 是实数域 R 上的线性空间,在V上定义了一个二元实函数,称为内积,记作(α,β) ,它具有以下性质:(1) (α,β) = (β,α) ; (2) (k α,β) = k (α,β) ; (3) (α+ β,γ) = (α,γ) + (β,γ) ;(4) (α,α) ≥ 0, 当且仅当α= 0 时, (α,α) = 0 。
这里α,β,γ是V 中任意向量, k 是任意实数,这样的线性空间V 称为欧几里得空间。
2、向量的长度 α= 。
3、柯西 - 布涅柯夫斯基不等式对于欧氏空间V 中的任意向量α,β,有 (α,β) ≤ αβ。
当且仅当α,β线性相关时,等号成立。
4、非零向量α, β的夹角< α,β> 规定为 < α,β>= arccos (α,β),0 ≤< α,β>≤ π。
αβ5、如果(α,β) = 0, 称α与β正交,记为α⊥ β。
6、度量矩阵 设V 是 n 维欧氏空间,ε1 ,ε2 , ,εn 是⎨ V 的一组基,令 a ij= (εi ,εj )(i ,j = 1,2,.., n ) 矩阵 A= (a ij )n ⨯n 称为基ε1 ,ε2 , ,εn 的度量矩阵,⎛ (ε1 ,ε1 ) (ε1 ,ε2 ) (ε ,ε)(ε ,ε ) (ε1 ,εn ) ⎫ (ε ,ε ) ⎪A = 2 1222n⎪ ⎪ (ε ,ε) (ε ,ε )(ε ,ε ) ⎪⎝ n 1n2 n n ⎭1) 度量矩阵为正定矩阵; 2) 不同基的度量矩阵是合同的。
7、标准正交基1) ε1 ,ε2 , ,εn 是欧氏空间 V 的一组基,如果(ε,ε ) = ⎧1 (i = j )ij ⎩0 (i ≠ j ) ,那么称ε1 ,ε2 , ,εn 是V的一组标准正交基。
2) 标准正交基的度量阵是单位阵。
高代第九章第2节
L(1 ) L( 1 )
1 a11 1
2 a12 1 a22 2
L(1 ,2 ) L( 1 , 2 )
L(1 ,2, ,n ) L( 1 , 2, , n ) n a1n 1 a2n 2 ann n
假定已求出1 ,2, ,m , 它们是标准正交组, 且有 L( 1 , 2, , i ) L(1 ,2, ,i ), i 1, 2,, m
因有 L( 1 , 2, , m ) L(1 ,2, ,m )
而 m1不能由1 , 2, , m 线性表示, 所以
再单位化:
m m , | m |
m 1, 2,, n
则1 ,2, ,n是V的一组标准正交基.
首页 上页 下页 返回 结束
21
例1 把
1 (1,1, 0, 0), 3 ( 1, 0, 0,1),
变成单位正交的向量组.
解 边正交化边单位化
1 | 1 | 1 2 1 2
首页 上页 下页 返回 结束
16
m1 L(1 , 2, , m ) L(1 ,2, ,m )
作向量
m 1 m 1 ( m 1 ,i )i
i 1
m
则m1 0, 且(m1 ,i ) 0, i 1, 2,, m
令
于是 ( , i ) ( x1 1 x2 2 xn n , i ) xi ( i , i ) xi (i 1, 2,, n)
故 ( , 1 ) 1 ( , 2 ) 2 ( , n ) n
高等代数-内积空间
• 引理:内积空间V中任意一组两两正交的非零
向量必线性无关.
标准正交基_2
• 定理:设V是内积空间, ξ1,ξ2,…,ξm是V中m
个线性无关的向量,则在V中存在两两正交 的向量η1,η2, …,ηm,使得
• 注: φ*称为φ的伴随变换(伴随算子).
伴随算子_2
• 定理:设u1,u2,…,un是n维欧氏空间V的一组标准 正交基,若V的线性变换φ在这组基下的矩阵为 A,则φ的伴随算子φ*在这组基下的矩阵为A’.
• 定理:设φ,ψ是n维欧氏空间V的两个线性变
换,c为常数,则
(1). (φ+ψ)*=φ*+ψ*.
• 定理:设V是n维内积空间, U是V的子空
间, 则
(1). V = U U⊥ ,
(2). U上任意一组标准正交基可扩为V 上 的标准正交基.
正交矩阵_1
设u1, u2, …, un和v1, v2, …, vn是n维欧氏空间V的两
组标准正交基, T是从基v1, v2, …, vn到u1, u2, …, un
• 注1: {R上n维线性空间的内积} 1:1{实正定矩阵}.
• 注2: 当ξ1,ξ2,…,ξn为正交基时,G为对角阵;
当ξ1,ξ2,…,ξn为标准正交基时,G为单位阵.
正交补空间
• 定义:设U是内积空间V的子空间,令
U⊥ ={v∈V| (v, u)=0,对任意u∈U}, 则U⊥是V的子空间, 称为U的正交补空间.
对称算子_3
• 定理:实对称矩阵的特征值是实对称矩阵正交 相似的全系不变量。
高等代数第九章电子讲稿
高等代数第九章电子讲稿1.12.23.3高等代数第九章电子讲稿2017-08-23 01:36:12 | #1楼(410076)1231.2.1.2.3.§11VRV1)(α,β)=(β,α);2)(kα,β)=k(α,β);3)(α+β,γ)=(α,β)+(α,γ);4)(α,α)≥0,α=0(α,α)=0;α,β,γkV(V)(α,β),1Rnα=(a1,a2,···,an),β=(b1,b2,···,bn),(α,β)=a1b1+a2b2+···anbn.RnRnn=32(f,g)=b[a,b]C(a,b)f(x),g(x)f(x)g(x)dx.C(a,b)aR[x],R[x]n1)2)3)2’(α,kβ)=k(β,α)=k(α,β);3’(α,γ+β)=(γ+β,α)=(β,α)+(γ,α)=(α,β)+(α,γ);4)(α,α)≥0.α,(α,α)2(kα,kα)=α|α|ααα,αα,β<α,β>cos<α,β>=|α||β|(α,β)|≤1α,β-α,βt|(α,β)|≤|α||β|.β=0β=0.γ=α+tβ.t=(α,β)t(γ,γ)=(α+tβ,α+tβ)≥0.(β,β)≥0.|(α,β)|≤|α||β|.(α,β)2≤(α,α)(β,β).(α,α)+2(α,β)t+(β,β)t2≥0.αα,β(α,β)22a21+a2+···+an2(|α||β|,0≤<α,β>≤πbag2(x)dx)12-|α+β|≤|α|+|β|.|α+β|2=α⊥β.(α+β,α+β)=(α,α)+2(α,β)+(β,β)≤|α|2+2|α||β|+|β|2=(|α|+|β|)2.|α+β|≤|α|+|β|.4α,β(α,β)=0,α,βπα1,α2,···,αmk1α1+k2α2+···+kmαm=0.ki=0(i=1,2,···,m).αiki(αi,αi)=0.α1,α2,···,αmαi=0,n(αi,αi)>0,n6nnε1,ε2,···,εn(εi,εj)=1,0,i=j;i=j.nnα=(ε1,α)ε1+(ε2,α)ε2+···+xi=(εi,α)(i=1,2,···,n).(εn,α)εn.α=x1ε1+x2ε2+···+xnεn.εiα=x1ε1+x2ε2+···+xnεn,β=y1ε1+y2ε2+···+ynεn,(α,β)=x1y1+x2y2+···+xnyn=X′Y.1nα1,α2,···,αmnmnm=0α1,α2,···,αmnm=kβ1,β2,···,βk,α1,α2,···,αm,β1,β2,···,βkα1,α2,···,αmnm=k+1m<n,βαm+1=βk1α1k2α2···kmαm.k1,k2,···,km(αi,αm+1)=(β,αi)ki(αi,αi)(i=1,2,···,m).ki=(β,αi)αiαm+12nε1,ε2,···,εnη1,η2,···,ηn,1L(ε1,ε2,···,εi)=L(η1,η2,···,ηi),i=1,2,···,n.ε1,ε2,···,εnη1,η2,···,ηnηi =.η1,η2,···,ηm,ηm+1L(ε1,ε2,···,εm+1)=L(η1,η2,···,ηm+1|ηm).+1|2L(ε1,ε2,···,εi)=L(η1,η2,···,ηi),i=1,2,···,n.η1,η2,···,ηn2α1=(1,1,0,0),α2=(1,0,1,0),α3=(1,0,0,1),α4=(1,1,1,1)β1=α1=(1, 1,0,0),βα(α2,β1)2=22,11(ββ(α3,β2)11,β1)3,3,1),β(α4,β1)β(α4,β3)4=α4(β22,β2)√√√√√√1√1√√2,2,ε1,ε2,···,εnAa1ia1j+a2ia2jη1,η2,···,ηn1,+···+anianj=0,ε1,ε2,···,εni=j;i=j.A′A=E,A1=A′.7nAA′A=E.···+ainajn=A′A=EAA′=Eai1aj1+ai2aj2+1,0,i=j;i=j.§38RVV′VV′σ,1)σ(α+β)=σ(α)+σ(β),2)σ(kα)=kσ(α),3)(σ(α),σ(β))=(α,β),α,β∈V,k∈R,σVV′σVV′σVV′VnVε1,ε2,···,εn1)2)Vαα=x1ε1+x2ε2+···+xnεn,σ(α)=(x1,x2,···,xn)∈Rn.V3)RnσσVRnnRnσVV′σ11)2),Vα,β∈V′,(α,β)=(σ(σ1(α)),σ(σ1(β)))=(σ1(α),σ1(β)).σ1V′V′V′σ,τVV′′τσVV′′nRnn3§469VAα,β∈V,(Aα,Aβ)=(α,β).4AnV1)A3)2)Aα∈V,|Aα|=|α|;ε1,ε2,···,εnAε1,Aε2,···,Aεn4)A1)2)A(Aα,Aα)=(α,α).|Aα|=|α|.A(Aα,Aα)=(α,α),(Aβ,Aβ)=(β,β),(A(α+β),A(α+β))=(α+β,α+β),(Aα,Aα)+2(Aα,Aβ)+(Aβ,Aβ)=(α,α)+2(α,β)+(β,β).(Aα,Aβ)=(α,β).A1)3)ε1,ε2,···,εn(εi,εj)=(Aεi,Aεj)=1,0,i=j;i=j.(i,j=1,2,···,n).A1,0,i=j;i=j.(i,j=1,2,···,n).Aε1,Aε2,···,Aεnα=x1ε1+x2ε2+···+xnεn,β=y1ε1+y2ε2+···+ynεn,···+xnAεn,Aβ=y1Aε1+y2Aε2+···+ynAεn,(α,β)=(x1y1+x2y2+···+xnyn=(Aα,Aβ).Aα=x1Aε1+x2Aε2+A3)4)Aε1,ε2,···,εnA,(Aε1,Aε2,···,Aεn)=(ε1,ε2,···,εn)A.Aε1,Aε2,···,AεnAε1,ε2,···,εnAε1,Aε2,···,AεnAAε1,Aε2,···,Aεn1)2)3)4)AAA′=E,|A|2=1|A|=±1.+11+11ε1,ε2,···,εnAAε1=ε1,Aεi=εi,i=2,···,n.A§5710V2V1,V2Vα∈V1,β∈V2,α,(α,β)=0,β∈V1,V1V2(α,β)=0,αV1α⊥V1.V1⊥V2.V1⊥V2V1∩V2={0};α⊥V1,α∈V1α=0.5V1,V2, (V)V1+V+2+ (V)αi∈Vi,i=1,2,···,s,α1+···+···+αs=0.αi=0.αi(αi,αi)=0.V1αi=0(i=1,2,···,s).V1⊥V2,V1+V2+ (V)11V2V1+V2=V.V2V1V1V26nVV1V,V1={0},V1ε1,ε2,···,εmV1={0}.1Vε1,ε2,···,εm,εm+1,···,εn.V2,V3V1α∈V2,α=α1+α3,(α1+α3,α1)=(α1,α1)+(α3,α1)=(α1,α1)=0,α1∈V1,α3∈V3.α1=0.L(εm+1,···,εn)V=V1V2.V=V1V3.V1α⊥α1(α1,α1)=α∈V3,V1V3V2.V3=V2V2V3.V1⊥.(V1)+(V1⊥)=n.V1⊥V1αV=V1+V1⊥Vαα=α1+α2,α2∈V1⊥.α1V1α1∈V1,§6CC′ACnA,nT′,T′AT=T1AT1AAλ0Ax1x2ξ=···xn8Aξ=λ0ξ.x1xn,Aξ=ξ.ξ′A′ξ=(Ax1x1+Aξ)′ξ,λ0ξξ′λ0ξξ′ξxnxn=0.λ0= n1α1nRn,Aα1,λ1.α1L(α1)V1.3V1An1,A|V1(Aα,β)=(α,Aβ) A|V1n1α2,α3,···,αn V1α1,α2,···,αn TRnAnAx1x2A···xnAx1=Ax2···xnT′ATRnTRnAt22η2=···tn2ε1,ε2,···,εn t12,···,ηn=t2n···tnnη1,η2,···,ηnt1nt11t21η1=···tn1,RnATT1AT=T′ATt11t21T=...tn1t12t22...tn2 ·········t1nt2n...tnn.T1.Aλ1,···,λrA2.λi,Vλiηi1,···,ηiki.x2(λiEA) 0xnx1A3.λ1,···,λr4η11,···,η1k1,···,ηr1,···,ηrkr 7Rn101A=110111A0111|λEA|=1,10ATTT′ATλ11111λ1λ1111λ11100=001λ1λ1λ1010λ111λλ1=λ1λ211(λ1)310011λ=(λ1)3(λ+3).112A1()-3.1λ=1α1=(1,1,0,0),α2=(1,0,1,0),α=(1,0,0,1),λx1x2x3+x4=0,x+λx+xx=0,1234x1+x2+λx3x4=0,x1x2x3+λx4=0.-3β1=α1=(1,1,0,0),(α2,β1)1β2=α2, 2(α3,β1)1β1,,1),(β1,β1)3311η=(,,1,0),122112η2=(,,,0),6661113β3=(,,,), 121212121λx1x2x3+x4=0,x+λx+xx=0,1234λ=3x1+x2+λx3x4=0,x1x2x3+λx4=0.11η4=(,),22α4=(1,1,1,1),η1,η2,η3,η4R4T′AT=11173.T=12√016√26112√112√12.12T-1|T|=1.111S=...1.11T1=TS′T1|=|T||S|=1.T1AT1=T′AT.x1=c11y1+c12y2+···+c1nyn,x=cy+cy+···+cy, 22112222nnC=(cij)············xn=cn1y1+cn2y2+···+cnnyn,78222λ1y1+λ2y2+···+λnyn,nni=1j=1aijxixj,aij=aji.λ1,λ2,···,λnAa11x2+a22y2+a33z2+2a12xy+2a13xz+2a23yz+2b1x+ 2b2y+2b3z+d=0.aa1211A=a21a22a13a23a33a31a322B′X+d=0.C|C|=1.xb1,X=y,B=b2.zb3xc11c12y=c21c22zc31c32X′AX+c13c23c33λ11C22λ1x21+λ2y1+λ3z1+2b1x1+2b2y1+2b3z1+d=0, C′AC=′X1(C′AC)X1+2(B′C)X1+d=0.x1y1,z1λ2.X=CX1.λ3(b1,b2,b3)=(b1,b2,b3)Cλ1,λ2,λ3λ1,λ2,λ3bx1=x21λ1b2λ3.λ2bz1=x23§7·αβαβ13|αβ|αβd(α,β).1)d(α,β)=d(β,α);2)d(α,β)≥0,α=β3)d(α,β)≤d(α,γ)+d(γ,β)12“.W,α1,α2,···,αkW=L(α1,α2,···,αk).αW,αWαWααi(i=1,2,···,k).β,γWβγW.βWWδ,|βγ|≤|βδ|.βδ=(βγ)+(γδ).Wγ∈W,δ∈W,γδ∈W,βγγδ.|βγ|2+|γδ|2=|βδ|2, |βγ|≤|βδ|yxy(%)x(%)yxb1b2B=.,X= ..bnsa1jxjj=1sx1a2jxjx2j=1,Y=.. ....xssanjxjj=1=AX.|YB|2.00x01,x2, (x)YBYa2sxs...ansa1sa21a22Y=x1.+x2.+···+....an1an2a11a12A.α1,α2,···,αs.L(α1,α2,···,αs).YL(α1,α2,···,αs)Y,BXni=1(ai1x1+ai2x2+···+aisxsbi)2 L(α1,α2,···,αs)L(α1,α2,···,αs)Y=AX=x1α1+x2α2+···+xsαs C=BY=BAXL(α1,α2,···,αs)(C,α1)=(C,α2)=···=(C,αs)=0.′′α′1C=0,α2C=0,···,αsC=0,′′α′1,α2,···,αsA′,A′AA′(BAX)=0,A′AX=A′B.A′B.A′B=0,106.75a+27.3b19.675=0,273.3a+7b5.12=0.A=3.63.73.83.94.04.14.210.90110.900.81,,B=10.60110.5610.351.00a,bA′Aaba=1.05,b=4.81.14高等代数第四章电子讲稿2017-08-23 01:37:55 | #2楼2526§11(),x=x′cosθy′sinθ,y=x′sinθ+y′cosθ.(1)θxcosθ2×2sinθsinθcosθ(2)(2)(1)y+a13z,y=a21x′+a22y′+a23z′,a11a12a13z=a31x′+a32y′+a33z′.a22a23x=a11x′+a12′′(4)(3)a32a332ax2a21a31+2bxy+cy2+2dx+2ey+f=0(5),(5)yxbyc1e(3)a11a21...as14a12a22...as2·········a1na2n...asnaijAiBjnn1×nnn×1A,B,···(aij),(bij),···s×nAsn,Bsn,···(aij),(bij),···.().A=(aij)mn,B=(bij)lkm=ln=k,aij=biji=1,2,···,m,j=1,2,···,nA=B.§211A=(aij)sna11a21=...as1s×nC=(cij)snABC=A+B.b11b12...b1nb21b22...b2na22...a2n,B=(bij)sn=....... ........as2...asnbs1bs2...bsna11+b11a12+b12...a1n+b1na21+b21a2 2+b22...a2n+b2n=(aij+bij)sn=.........as1+bs1as2+bs2...asn+bsna1 2 (1)A+(B+C)=(A+B)+C.A+B=B+A.0sn,0,A,A+0=A.a11a12a21a22......as1a s2·········a1na2n...asnAA,A+(A)=0.AB=A+(B).21sns×naijAiBjs×n(A+B)≤(A)+(B).2x1,x2,x3,x4y1,y2,y3Z1,z2y1,y2,y3(1),(2)x1,x2,x3,x4z1,z223j=1k=123aikbkjzj=(aikbkj)zj(i=1,2,3,4)(3)(2)y2=b21z1+b2 2z2y=bz+bz331132233232xi=aikyk=aik(bkjzj)=aikbkjzj=y1=b11 z1+b12z2x1=a11y1+a12y2+a13y3x=ay+ay+ay2211222233x3= a31y1+a32y2+a33y3x4=a41y1+a42y2+a43y3(1)k=1k=1j=1k=1j =1xi=j=1k=12j=13k=1cijzj(i=1,2,3,4;j=1,2)(4)aikbkj(i=1,2,3,4;j=1,2)(5)x1,x2,x3, x4z1,z2(3),(4),cij=(A=(aij)43,B=(bij)32x1,x2,x3,x4y1,y2,y3y1,y2,y3(5)z1,z2x1,x2,x3,x4z1,z2C=(cij)42CABC=A×B.n2A=(aij)sn,B=(bij)nm,C=(cij)sm,cij=ai1b1j+ai2b2j+···+ainbn j=aikbkj(6)ABC=AB.k=1ABCijAiBj110A=110510C=AB=110512130,B=311,141210341256712130311=1026142171012 1312034(6)10AB(1)×0+1×1+3×3+0×(1)=10.x1x2...xn2A=(aij)snn×1s×1X=b1b2,B=...bsAX=B.3a11a21a31a12a22a32a13a23a33,X2=BX3,b11B=b21b311,z1)(x1,yx1x2X1=,X=y12y2,z1z2(x2,y2,z2)A=X1=AX2.b12b22b32b13b23b33x3,X3=y3,z3(x2,y2,z2)(x3,y3,z3)wjl=mj=1mA=(aij)sn,B=(bij)nm,C=(cij)mr,(AB)C=A(BC).nV=AB=(vik)sm,W=BC=(wjl)nr,vik=aijbjk(i=1,2,···,s;k=1,2,···,m), j=1bjkckl(j=1,2,···,n;l=1,2,···,r).(AB)C=VCVCiillk=1vikcklk=1nmnmn=(aijbjk)ckl=aijbjkcklk=1j=1nm(7),(8).A(BC)=AWAWaijwjl=aij(bjkckl)=j=1k=1k=1j=1nmaijbjkckl(7)(8)j=1k=1ABBAABBA1ABn×n11111111=0000,BA=3×3A=11111111BA1,B=1114×41=112212,AB=,2AB=ACB=C.31,n×n 1001 (00)·········00 (1)n4En,E.AmEm=Am,EmAm=Am.(9)A(B+C)=AB+AC;(10)(B+C)A=AB+CA.(9)(10)n×nAkAl=Ak+l,(AK)l=Akl.A1=A;Ak+1=AkAlAkkAk,l(AB)kAkBk34kka11ka21...kas1ka12ka22...kas2 ·········ka1nka2n...kasnA=(aij)snkkA.k.13)k(lA)=(kl)A;14)1A=A;15)11)(k+l)A=kA+lA;k(AB)=(kA)B=A(kB).12)k(A+B)=kA+kB;(i,t)kkE=0k 0kA=(kE)A=A(kE). (15) 0···0...···knj=1aijbjt,nj=1(kaij)bjtA=(aij)sn,B=(bjt)nm,k(AB),(kA)B,A(kB) nnn=kaijbjt,aij(kbjt)=kaijbjt,j=1j=1j=1(15)An×nn×nn×nn(7).kE+lE=(k+l)E,(kE)(lE)=(kl)E,4.5s×na21A=...as1a11a12a22...as2n×s ·········a1na2nAA′.,Aa12′A=...a1na11a21a22 (2)·········an1an2...ans.(16)(A′)′=A(17)(A+B)′=A′+B′(18)(AB)′=B′A′5(19)(kA)′=kA′(16)a11a12a22...as2a21...as1·········(i,j)′b11b12b21b22a2n,B=.........asnbs1bs2najkbki(20).a1n(17),(1 9)···b1n···b2n,AB...···bsn(18).A=(i,j)naikbkj.(AB)′k=1B(i,k)bki,A′(k,j) ajk,k=1BA′(i,j)nbkiajk=k=1k=1najkbki(21).(20),(21)(18).210A=(1,1,2),B=1134211214,B′=112,A′=B′A′12031(AB)′.210=(9,2,1).AB=(1,1,2)113421214191=2=(9,2,1)′==112 03121,2728§31A,BPn×n|AB|=|A||B|,(1)8116A1,A2,···,AmPAn×n|A1A2···Am|=|A1||A2|···|Am|.Pn×n|A|=0 n×nn.1,2A,BPn×nABA,B2(2)APn×mBPm×s(AB)≤min[(A),(B)](2),(AB)≤(A),6(AB)≤(B).Ba11a21A=...an1ja12a22...an2·········a1ma2m...anmC1,C2,···,Cn···+aimBmAB(C1,C2,···,cn)mABb11b21,B=...bm1b12b22...bm2·········Cib1sb2s...bmsj,B1,B2,···,Bmai1B1+a12B2+aikbkj,Ci=ai1B1+a12B2+···+aimBm(i=1,2,···,n).k=1ABB(10),(AB)≤(B).1,A2,···,AmAAD1,D2,···,DsABDi=b1iA1+b2iA2+···+bmiAm(i=1,2,···,s). ABA(AB)≤(A).23A=A1A2···At,(A)≤1min≤j≤t(Aj).§42n×nA,n×nAE=EA=A.nnn111aaa=17nAnB,AB=BA=E,(1)(1)(),A,(1)B().B1,B2(1)B1=B1E=B1(AB2)=(B1A)B2=EB2=B2. 18B(1),BAA.AAA1a1n9AijA=a11a12···a21a22 (2)A11A21···An1.........an1an2···annA12A22···An2 .........AA1nA2n···Ann7a=0EnA=()AA(2)d=|A|=0,3 AA=A=A=d0 00···d···...0···dA(1AA)A=E.(3) d0···0d···=AA=. .....00d=|A|.=dE,...d0..=dE.(2).dAA1=1AA1AA1d=E.A.|A||A1|=|E|=1.(5)|A|=0,3nA,B,AB=E,A,B3(4).(5)|A|=d=0,|A1|=d1.A,BA′AB(A′)1=(A1)′,(AB)1=B1A1.AA1=A1A=E,(A′)1=(A1)′. (A1)′A′=A′(A1)′=A!!E′=E.(AB)(B1A1)=(B1A1)(AB)=E,(AB)1=B1A1.(§22)AX=B.(6)A|A|=0X=CX=A1B(6),A(A1B)=B,a11x1+a12x2+···+a1nxn=b1,ax+ax+···+ax=b, 2112222nn2 ···············an1x1+an2x2+···+annxn=bn,A1B(6)AC=B,A1(AC)=A1B,C=A1B.X=A1BA1(4)4As×nPs×sQn×nR(A)=R(PA)=R(AQ).B=PA,2,R(B)≤R(A),A=P1B,R(A)≤R(B),R(A)=R(B)=R(PA). 82930§5000100A=1E20210=AE2 1E210120012A1=1211,0=1100.B=1031B11B12B10=3221B22B11=12,B1201 1200=,B 104122121=1011,B22=420.ABA,2ABE20B11B12B12A1E2BA,A21B11+B21=21B22B1B11+B21A1B12+B11=111011==B113402+1011=241122.A=12321B12+B2211101+32410120=3033+4120=1153.AB=101224111153.4A11A12···A1lA=(Aik)sn,B=(Bkj)nm A,BA=A21A22 (2)B11B12···B1r.........At1At2···Atl,B=B21B22 (2).........Bl1,si×njBijjAijni×mC1rC=AB=Al2···AlrC11C12···C21C22 (2)........C.pq=Qp1B1q+Ap2B2q+···+AplBlq= Ct1Ct2···ClApiBiq(p=i=1tr1,2,···,t;q=1,2,···,r).,902+Ba11B1+a12B2+···+a1mBm a21B1+a22B2+···+a2mBm AB=···············an1B1+an2B2+···+anmBm B1B2B=...BmB1,B2,···,Bm,Ba11...ak1D=c11...cr1AB (1)...···c1k...crkA0 0 0akk······b11...br1Cr×kk×r...0A=b1rC...brr.ABB().0BA,Bkr|D|=|A||B|,X12A,B0.DD1=kAC0BX11X21X11=A1,X12=A10=0.=X220ErAX11=Ek,AX12=0,CX11=BX21=0, CX12+BX22=E.rX11X21X12X22.EkEkErBX21=CX11=CA1,X21=B1CA1.A00B1D1=X22=B1.A10B1CA1B1.C=00a2...00...Al=A100B1A1a10 0·········00...alai(i=1,2,···,l) A20Aini×ni(i=1,2,···,l),···10A=A1A2..0 .AlA1B1A2B2AB=,B=0..B1B2... Bl.,0A+B=A1+B1A2+B2 ...Al+Bl,A1A1,A2,···,Al A2...§610E1...10···11P(i,j)= ...... (11)···.1 (1)11AlBl 1A11=AlA12 ...EiA1l,jPcEiP(i(c))= 1 ...c.Ejkis×nAAAA1,A2,···,AsAA1=P(i,j)A=...P(i,j)Ai...Aj...AsP(i(c1)),P(i,j(k))1=P(i,j(k)).511AB1...11...1···kP(i,j(k))=...1 (1)EikjP(i,j(k)).As×sn×nij)s×b11A1+b12A2+···+b1sAs b21A1+b22A2+···+b2sAssBA=B=(b ············.bs1A1+bs2A2+···+bssAs Aij1P(i,j)=P(i,j),P(i(c))1=BA125s×nA10...00 00···1···...0···0···...0···00...10 0···············00...00 0A1A(1).A=0A=0.Aa11=01a11a1j(j=1,2,···,n) 1a111)×(n1)A11 a...,s)11ai1(i=1,2, 10 0A..A1.0.A1(s11A100001001102A→00 020000→01 0031011000 0100A,B14→005 400000.100011325A=2267.2456000100214→021000005214000113114→00500002000000→50P1,P2,···,Ps,Q1,···,Qt,A=P1P2···PsBQ1···Qt.(1)n n,(1)6nAA=Q1Q2···Qm.(2)1s×nA,BsPnQA=PBQ.(2)111Qm···Q2Q1A=E.(3)AA(3)132An2,P1,P2,···,Pm Pm···P1A=E,(4)(4)AA1=Pm···P1=Pm···P1E.(5)(4),(5)A1.A,Bn×n(AE),2n×2n(4),(5)Pm···P1(AE)=(Pm···P1APm···P1E)=(EA1)n×2n (6),(6)E,0111211→001→0011121214000110014200104,000A1.A1.012322142114010→012101210001011400→0101101→1010010A100232211421.=32114010→02100011038021 010110632→421010421 0023212321 02110421,31231§7Em00En.()()En0Em(),P00En,P00EnACBD=PACPBD,EmP140EnAC()()()Em0EmPEm0 ,,.0P0EnPEn AB,CD0EnABCD =,Em0CDAB BAB=.DC+PAD+PB (3)P,C+PA=0AP=CA1C+PA=0 (3)ABDCA1B.(3)A011T= CDT.A01Em0CA1=A00E=A100D1T1=A10A10D1n.A,DCDDA0Em0CA001En=DCA1D1D.TAB21=CT1(ABD1C)1T11. ,DEmBD1ABBD1C010EnDCD=ACD,(ABDC)1C)1mBD11,T11=(ABD111D1E0=DC(ABD1C)(ABD1C)1BD1 1C(ABD1C)1D1C(ABD1C)1BD1+D1 En(ABD1C)1D.3EA0EAB|=|A||B|A00ABEB|=EB.(4)A,Bn×nPij=EnEij0E,i,j=n1,2,···,nEijn×nij·P0EAP11P12...P1n..n1 (i)pEnnnn0En=E.nAPijEP··PPA0A011P12·1n···n1···nnEB=EAAB0BE,0ABEBEn=|A||B|.(4)0En0E|AB|=|A||B|.=(1)BABB=(1)n|AB||E|=|A||B|.···a1k4 A=(aij)n×n,.a11....=0,1≤k≤n,ak1···akkBn×nBA=.nn=1150B=n1AB10(B1)(n1)×(n1)B1A1=A1βE0A1βA1β=,A=,11αannαA1αa0αAβ+annnn11 0A1βB1A1B1β=,1110αAβ+a0αAβ+annnn11B10E0B10A1=a11...an1,1······a1,n1...an1,n1,B=01αA11161=αA111,32-341(1)A,BnA2B2=(A+B)(AB).(2)A,Bn|AB|=|A||B|.(3)A,Bn|A+B|=|A| +|B|.(4)A,BnAB=BA,(A+B)1=A1B1.(5)aEnn|aEn|=|a||En|.(6)k),AA=0,kA=0.(7)AAA=0.(8)A,BnAB=0AB=0.2(1)Am×nBn×sAB(2)nAA|A|111(3)A=1124813927A 141664,(5)A,BnP,Q,PAQ=B,A(7)A=(1,0,2),B=54 ,AB=32λ+1,A=100(8)f(λ)=λ2 01211,f(A)=2.1234(10)A=1。
高等代数(第9章)
第9章 欧几里得空间
定义与简单性质 标准正交基
* 同构
正交变换 子空间 对称矩阵的标准形 * 向量到子空间的距离最小二乘法
§9.1 定义与基本性质
几何空间R3中向量与的内积是指实数 (, )=||| |cos= a1b1+ a2b2+a3b3 ||,| |分别为向量与的模(长度),为与的夹角. 利用内积概念也可以表示向量的长度及两个非 零向量的夹角: ( , ) | | (, )=0, 且具有以下 性质: (, )= (, ) (k , )=k (, ) (+ ,)= (, )+ (, ) (, )0,当且仅当=0时,(, )=0.
3.度量矩阵 定义 设V是n维欧氏空间, 1, 2,…,n为V的一组基.称 ( 1 , 1 ) ( 1 , 2 ) ( 1 , n ) ( , ) ( , ) ( , ) 2 1 2 2 2 n A ( n , 1 ) ( n , 2 ) ( n , n ) 为基1, 2,…,n的度量矩阵.
性质 (i) AT=A (ii) 对V中任意向量
基的度量矩阵完 全确定了内积!
x1 y1 = x11+x22+…+xnn , x 2 , Y y 2 . = y11+y22+…+ynn , 其中X x y 有 ( ,) =XTAY. n n
知 [2( , )]2 4( , )( , ) 0 即( , ) 2 ( , )( , ) 0
|( , ) |<|| | |.
(ii)若 , 线性相关,则当 , 至少有一为零向量时, 等号显然成立,否则可设 =k.由 |( ,)|=|(k ,)|= |k( , )| = |k|| |2 = |k|| || |= ||| | 即等号成立; 反之若等号成立,则为零向量时,,线性相关,
《内积空间》课件
混合积运算结果是一个标量,记作 $mathbf{a} cdot (mathbf{b} times mathbf{c})$。混合积可以用来判断三 个向量的共面情况:若混合积为零, 则三个向量共面。
05
内积空间中的正交与投影
正交的定义与性质
总结词
正交是内积空间中两个非零向量的特殊关系,具有方向无关性、正交性质和几何 意义。
01 线性映射的定义
线性映射是从一个向量空间到另一个向量空间的 映射,满足加法、数乘等线性性质。
02 线性映射的性质
线性映射保持向量的加法、数乘等基本性质,即 对于任意向量x、y和任意实数k,有 L(x+y)=L(x)+L(y)和L(kx)=kL(x)。
03 线性映射的例子
矩阵表示的线性变换、投影变换等都是线性映射 的例子。
矩阵的范数
矩阵范数的定义
矩阵的范数是定义在矩阵上的一个非负实数,表示矩阵的“大小 ”或“强度”。常用的矩阵范数包括谱范数、Frobenius范数和无
穷范数等。
范数的性质
矩阵范数具有与向量范数类似的性质,如非负性、正齐性 、三角不等式和归一化等。
范数的应用
矩阵范数在数值分析、线性代数、控制理论和机器学习等领域 都有应用,如求解线性方程组、矩阵分解和特征值计算等。
在机器学习中的应用
特征提取
内积空间中的向量可以用来表示机器学习中 的特征,通过计算特征向量之间的内积,可 以得出特征之间的相似性和关联性,从而实 现特征的提取和降维处理。
分类器设计
在机器学习中,分类器的设计往往需要用到 内积空间中的向量表示,通过计算样本向量 与分类器向量之间的内积,可以得出样本所
向量的加法与数乘
向量的加法
内积空间
故
x y x y
第7页
例1 在 n ——n 维(实或复数)向量空间中,
x (x1, x2,, xn ), y ( y1, y2,, yn) n , 定义
n
内积 (x, y) xi yi (满足三条公理) i 1
n1
yn xn (xn ,ei )ei en
i1
yn yn
……………………………….
由此得到{e1,e2,,en ,}为 U 中的一个规范正交系。
第26页
例4 (勒让德 Legendre 多项式)[-1, 1]上连续函数的全体
C[-1, 1]按内积
1
(x, y) x(t) y(t)dt 1
足平行四边形公式)。
第12页
内积空间的性质
性质4 在内积空间 U 中,内积(x, y) 是两个变元 x, y
的连续函数. 即当 xn x, yn y (按范数)时,数列(xn, yn ) (x, y)
定义: Hilbert空间
完备的内积空间 U 称为 Hilbert 空间,记作 H (即内积空间 U 按由内积导出的范数 x (x, x) 成
Legendre 多项式{Pn (t)}的前六项为
P0 (t) 1
P1(t) t
P2
(t)
1 2
(3t 2
1)
P3
(t)
1 2
(5t 3
3t)
P4
(t)
1 8
(35t 4
30t 2
3)
P5
(t)
1 8
内积空间定义
内积空间定义在数学里面,内积空间是增添了一个额外的结构的向量空间。
这个额外的结构叫做内积,或标量积,或点积。
这个增添的结构允许我们谈论向量的角度和长度。
内积空间由欧几里得空间抽象而来,这是泛函分析讨论的课题。
具有内积运算的线性空间,是n维欧氏空间的无限维推广.设K 是实数域或复数域,H是K上线性空间,如果对H中任何两个向量x,y,都对应着一个数(x,y)∈K,满足条件:1.(共轭对称性)对任意的x,y∈H,有(x,y)=2.(对第一变元的线性性)对任何x,y,z∈H及α,β∈K,有(αx+βy,z)=α(x,z)+β(y,z).3.(正定性)对一切x∈H,有(x,x)≥0且(x,x)=0⇔x=0,这时(·,·)称为H中的内积,而称H为(实或复)内积空间,或准希尔伯特空间.令‖x‖= ,则按范数‖·‖,H成为赋范线性空间.设(X,‖·‖)是赋范线性空间,X中能定义内积(·,·)并使‖x‖= 恒成立的充分必要条件是X的范数‖·‖满足下面的平行四边形公式:对任何x,y∈X,‖x+y‖+‖x-y‖=2(‖x‖+‖y‖).完备的内积空间称为希尔伯特空间,希尔伯特空间H上连续线性泛函的全体记为H,称H为H的共轭空间.H的共轭空间H就是H本身.事实上,设f∈H,则存在惟一向量y∈H使得对所有x∈H都成立着f(x)=(x,y),且‖f‖=‖y‖(里斯定理).反之,对每个y∈H,fy(x)=(x,y)确定了H上一个连续线性泛函fy∈H.做H到H的映射C如下:C:y →fy(y∈H),则有[2]即C实现了H与H*之间的保范共轭线性同构,在此同构意义下,把fy与y视为等同,便得H=H.这一性质也称为希尔伯特空间的自共轭性,它在希尔伯特空间算子理论中具有很重要的作用.第一个具体的希尔伯特空间最早是由希尔伯特(Hilbert,D.)在研究积分方程时首先提出的,他在平方可和的无穷实数列{xn}全体组成的空间l中规定了内积({xn},{yn})= xnyn,把空间l看做欧几里得空间向无穷维的推广,从而有效地解决了一类积分方程求解及本征展开问题.不久冯·诺伊曼(von Neumann,J.)建立了一般希尔伯特空间的理论.希尔伯特空间的概念和理论已被广泛应用于数学和物理的各个分支.如积分方程、微分方程、随机过程、函数论、调和分析、数学物理和量子物理等.。
大学数学高数微积分第九章欧几里得空间第二节课件课堂讲义
证明 设 1 , 2 , … , m 是一正交向量组,
我们对 n - m 作数学归纳法. 当 n - m = 0 时, 1 , 2 , … , m 就是一组正交
基. 假设 n - m = k 时定理成立,也就是说,可以
找到向量 1 , 2 , … , s , 使得
1 , 2 , … , m , 1 , 2 , … , s
+ xi+1(i , i+1) + … + xn(i , n ) = xi(i , i ) = xi .
证毕
性质 3 设 1 , 2 , … , n 是一组标准正交基,
且
那么
= x1 1 + x2 2 + … + xn n ,
= y1 1 + y2 2 + … + yn n ,
( , ) = x1 y1 + x2 y2 + … + xn yn = XTY . (2)
若请本若本本请想若请单节若想节本请若单本节本结想请单内若击想结请节本内若单想击请节请内若若本请结单若本节本束击请容本想若返结本请本单内请束节若容想若击若返本结单请内请单想节容想束击想单节节内返已本本单结想节请回节束若单击容节单想返内想已结本回想击节束单容本若请本结若内单击本返结已结内内击回结容击节束堂请结内内单想按返已击本若结回内击结容结束本请堂按若本结返节想击已内本单束容节堂回若想请击返束束容本容结束若按返返请若本内若本已单束请容课结本回结击钮返容堂本束请按想返请节容钮束已束单本请课内想结本节回返结本束已击容堂若课按想单内返回结节本本本已已请钮束单想回回堂想已节击容想本若束结按!单束节,回返.节本钮课已单结单内.回击本结已堂容束单节按堂,结回束结内返想,钮已课本结!内击回堂按结容结节堂束击.单按结课想结返本堂结内已结按钮内束击按内堂.回击束,!击结容!按返已本堂束课结课内束钮击按结.回束容结,束容堂课束返按束钮!返内课已本束钮结击堂,回.课束束容结束容钮容课返按返本返已束回结堂钮,课!,容.束钮束按返已束本本已!课,!回回钮.,容束结.课堂按,返!!本已已已,束本本.!回结回堂钮回束课按.本已,.钮结回堂!堂结按,按.本,已!束钮课!结结回堂结堂堂按束按课.按,钮!堂结.!束课按钮课束堂钮结.束,束课按钮束课钮课,!钮.!课束,.钮课!,.束.,,!钮.!,!,.!!,. .!
高代第9章习题参考答案
第九章 欧氏空间1.设()ij a =A 是一个n 阶正定矩阵,而),,,(21n x x x =α, ),,,(21n y y y =β,在nR 中定义内积βαβα'A =),(,1) 证明在这个定义之下, nR 成一欧氏空间; 2) 求单位向量)0,,0,1(1 =ε, )0,,1,0(2 =ε, … , )1,,0,0( =n ε,的度量矩阵;3) 具体写出这个空间中的柯西—布涅柯夫斯基不等式。
解 1)易见βαβα'A =),(是n R 上的一个二元实函数,且(1) ),()(),(αβαβαββαβαβα='A ='A '=''A ='A =, (2) ),()()(),(αβαββαβαk k k k ='A ='A =,(3) ),(),()(),(γβγαγβγαγβαγβα+='A '+'A ='A +=+, (4) ∑='A =ji j iij y x a,),(αααα,由于A 是正定矩阵,因此∑ji j iij y x a,是正定而次型,从而0),(≥αα,且仅当0=α时有0),(=αα。
2)设单位向量)0,,0,1(1 =ε, )0,,1,0(2 =ε, … , )1,,0,0( =n ε,的度量矩阵为)(ij b B =,则)0,1,,0(),()( i j i ij b ==εε⎪⎪⎪⎪⎪⎭⎫⎝⎛nn n n n n a a a a a a a a a212222211211)(010j ⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛ =ij a ,),,2,1,(n j i =, 因此有B A =。
4) 由定义,知∑=ji ji ij y x a ,),(βα,α==β==故柯西—布湿柯夫斯基不等式为2.在4R 中,求βα,之间><βα,(内积按通常定义),设: 1) )2,3,1,2(=α, )1,2,2,1(-=β, 2) )3,2,2,1(=α, )1,5,1,3(-=β, 3) )2,1,1,1(=α, )0,1,2,3(-=β。
高等代数--第九章 欧几里得空间
在欧几里得空间中同样有勾股定理,即当 , 正交时, 2 2 2
| | | | | | .
不难把勾股定理推广到多个向量的情形,即如 果向量1 , 2 ,, m两两正交,那么
| 1 2 m |2 | 1 |2 | 2 |2 | m |2 .
定义1 设V是实数域R上一线性空间,在V上定 义了一个二元实函数,称为内积,记作 , ( , ) 它具有以下性质: 1)( , ) ( , ); 2)(k , ) k ( , ); 3)( , ) ( , ) ( , ); 4)( , ) 0,当且仅当 0时( , ) 0.
( i , j ) xi y j .
i 1 j 1
n
n
令 aij ( i , j ) 显然 aij a ji .
(i, j 1,2,, n),
(8)
于是
( , ) aij xi y j .
i 1 j 1
n
n
( , ) 还可以写成 利用矩阵,
定义2 非负实数 ( , ) 称为向量 的长度,记 为| | 。 显然,向量的长度一般是正数,只有零向量 的长度才是零。且 | k || k || |, (3)
k R, V . 事实上, 这里,
| k | (k , k ) k 2 ( , ) | k || | .
这里 , , 是V中任意的向量,k是任意实数,这 样的线性空间V称为欧几里得空间。
几何空间中向量的内积显然适合定义中列举
的性质,所以几何空间中向量的全体构成一 个欧几里得空间。
例1 在线性空间Rn中,对于向量 (a1 , a2 ,, an ), (b1 , b2 ,, bn ), 定义内积 ( , ) a1b1 a2b2 anbn . (1) 显然,内积(1)适合定义中的条件,这样,Rn就 成为一个欧几里得空间。以后仍用Rn来表示这 个 欧几里得空间。 在n=3时,(1)式就是几何空间中向量的内积 在直角坐标系中的坐标表达式。
高代讲义9
第九章 欧几里得空间 §1定义与基本性质一、向量的内积定义1 设V 是实数域R 上一个向量空间,在V 上定义了一个二元实函数,称为内积,记作),(βα,它具有以下性质:1) ),(),(αββα=; 2) ),(),(βαβαk k =; 3) ),(),(),(γβγαγβα+=+;4) 0),(≥αα,当且仅当0=α时, 0),(=αα这里γβα,,是V 任意的向量,k 是任意实数,这样的线性空间V 称为欧几里得空间.例1 在线性空间n R 中,对于向量),,,(,),,,(2121n n b b b a a a ==βα,定义内积.),(2211n n b a b a b a +++= βα (1)则内积(1)适合定义中的条件,这样n R 就成为一个欧几里得空间.仍用来表示这个欧几里得空间.在3=n 时,(1)式就是几何空间中的向量的内积在直角坐标系中的坐标表达式.例2 在n R 里, 对于向量),,,(,),,,(2121n n b b b a a a ==βα,定义内积.2),(2211n n b na b a b a +++= βα则内积(1)适合定义中的条件,这样n R 就也成为一个欧几里得空间.仍用来表示这个欧几里得空间.,对同一个线性空间可以引入不同的内积,使得它作成欧几里得空间.例 3 在闭区间],[b a 上的所有实连续函数所成的空间),(b a C 中,对于函数)(),(x g x f 定义内积⎰=ba dx x g x f x g x f )()())(),((. (2)对于内积(2),),(b a C 构成一个欧几里得空间.同样地,线性空间n x R x R ][],[对于内积(2)也构成欧几里得空间. 例4 令H 是一切平方和收敛的实数列+∞<=∑∞=1221),,,,(n n n x x x x ξ所成的集合,则H 是一个欧几里得空间,通常称为希尔伯特(Hilbert)空间.二、欧几里得空间的基本性质 1)定义中条件1)表明内积是对称的.),(),(),(),()2αββααββαk k k k ==='.),(),(),(),(),(),()3γαβααγαβαγβγβα+=+=+=+'定义2 非负实数),(αα称为向量α的长度,记为α.显然,向量的长度一般是正数,只有零向量的长度才是零,这样定义的长度符合熟知的性质:αα||k k = (3)这里V R k ∈∈α,.长度为1的向量叫做单位向量.如果,0≠α由(3)式,向量αα1就是一个单位向量.用向量α的长度去除向量α,得到一个与α成比例的单位向量,通常称为把α单位化.柯西-布涅柯夫斯基不等式:即对于任意的向量βα,有βαβα≤),( (5)当且仅当βα,线性相关时,等式才成立.对于例1的空间n R ,(5)式就是.22221222212211n n n n b b b a a a b a b a b a ++++++≤+++对于例2的空间),(b a C ,(5)式就是212212)()()()(⎪⎭⎫ ⎝⎛⎪⎭⎫ ⎝⎛≤⎰⎰⎰ba ba badx x g dx x f dx x g x f定义3 非零向量βα,的夹角><βα,规定为πβαβαβαβα≤≤>=<,0,),(arccos,根据柯西-布涅柯夫斯基不等式,有三角形不等式βαβα+≤+.定义4 如果向量βα,的内积为零,即0),(=βα那么βα,称为正交或互相垂直,记为βα⊥.两个非零向量正交的充要条件是它们的夹角为2π. 只有零向量才与自己正交. 勾股定理:当βα,正交时,.222βαβα+=+推广:如果向量两m ααα,,,21 两两正交,那么22221221m m αααααα+++=+++ .设V 是一个n 维欧几里得空间,在V 中取一组基n εεε,,,21 ,对于V 中任意两个向量n n x x x εεεα+++= 2211,n n y y y εεεβ+++= 2211,由内积的性质得∑∑===++++++=ni nj ji j i nn n n y x y y y x x x 1122112211),(,),(εεεεεεεεβα令),,2,1,(),(n j i a j i ij ==εε (8)显然.ji ij a a =于是∑∑===ni nj j i ij y x a 11),(βα (9)利用矩阵,),(βα还可以写成AY X '=),(βα, (10)其中⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=n n y y y Y x x x X 2121,分别是βα,的坐标,而矩阵nn ij a A )(=称为基n εεε,,,21 的度量矩阵.上面的讨论表明,在知道了一组基的度量矩阵之后,任意两个向量的内积就可以通过坐标按(9)或(10)来计算,因而度量矩阵完全确定了内积.设n ηηη,,,21 是空间V 的另外一组基,而由n εεε,,,21 到n ηηη,,,21 的过渡矩阵为C ,即C n n ),,,(),,,(2121εεεηηη =于是不难算出,基n ηηη,,,21 的度量矩阵()()AC C b B j i ij '===ηη,. (11)这就是说,不同基的度量矩阵是合同的.根据条件(4),对于非零向量α,即⎪⎪⎪⎪⎪⎭⎫ ⎝⎛≠000 X有0),(>'=AX X αα因此,度量矩阵是正定的.反之,给定一个n 级正定矩阵A 及n 维实线性空间V 的一组基n εεε,,,21 .可以规定V 上内积,使它成为欧几里得空间,并且基的n εεε,,,21 度量矩阵是A .欧几里得空间的子空间在所定义的内积之下显然也是一个欧几里得空间. 欧几里得空间以下简称为欧氏空间.§2 正交基一、标准正交基定义5 欧氏空间V 的一组非零的向量,如果它们两两正交,就称为一个正交向量组.按定义,由单个非零向量所成的向量组也是正交向量组.正交向量组是线性无关的.这个结果说明,在n 维欧氏空间中,两两正交的非零向量不能超过n 个.定义6 在n 维欧氏空间中,由n 个向量组成的正交向量组称为正交基;由单位向量组成的正交基称为标准正交基组.对一组正交基进行单位化就得到一组标准正交基. 设n εεε,,,21 是一组标准正交基,由定义,有⎩⎨⎧≠==.,0;,1),(j i j i j i 当当εε (1) 显然,(1)式完全刻画了标准正交基的性质.换句话说,一组基为标准正交基的充要条件是:它的度量矩阵为单位矩阵.因为度量矩阵是正定矩阵的,根据第五章关于正定二次型的结果,正定矩阵合同于单位矩阵.这说明在n 维欧氏空间中存在一组基,它的度量矩阵是单位矩阵.由此断言,在n 维欧氏空间中,标准正交基是存在的.在标准正交基下,向量的坐标可以通过内积简单地表示出来,即n n εαεεαεεαεα),(),(),(2211+++= . (2)在标准正交基下,内积有特别简单的表达式.设.2211n n x x x εεεα+++=.2211n n y y y εεεβ+++=那么.),(2211Y X y x y x y x n n '=+++= βα (3)这个表达式正是几何中向量的内积在直角坐标系中坐标表达式的推广.应该指出,内积的表达式(3),对于任一组标准正交基都是一样的.这说明了,所有的标准正交基,在欧氏空间中有相同的地位.二、规范正交基的存在性及其正交化方法定理1 n 维欧氏空间中任一个正交向量组都能扩充成一组标准正交基. 应该注意,定理的证明实际上也就给出了一个具体的扩充正交向量组的方法.如果从任一个非零向量出发,按证明中的步骤逐个地扩充,最后就得到一组正交基.再单位化,就得到一组标准正交基.定理2 对于n 维欧氏空间中任意一组基n εεε,,,21 ,都可以找到一组标准正交基n ηηη,,,21 ,使=),,,(21i L εεε .,,2,1,),,,(21n i L i =ηηη应该指出,定理中的要求=),,,(21i L εεε .,,2,1,),,,(21n i L i =ηηη就相当于由基n εεε,,,21 到基n ηηη,,,21 的过渡矩阵是上三角形的.定理2 中把一组线性无关的向量变成一单位正交向量组的方法在一些书和文献中称为施密特(Schimidt )正交化过程.例1 )1,1,1,1(),1,0,0,1(),0,1,0,1(),0,0,1,1(4321--=-===αααα 变成单位正交组.三、正交矩阵上面讨论了标准正交基的求法.由于标准正交基在欧氏空间中占有特殊的地位,所以有必要来讨论从一组标准正交基到另一组标准正交基的基变换公式.设n εεε,,,21 与n ηηη,,,21 是欧氏空间V 中的两组标准正交基,它们之间的过渡矩阵是)(ij a A =,即=),,,(21n ηηη ⎪⎪⎪⎪⎪⎭⎫⎝⎛nn n n n n n a a a a a aa a a 21222211121121),,,(εεε 因为n ηηη,,,21 是标准正交基,所以⎩⎨⎧≠==.,0;,1),(j i j i j i 当当ηη (4)矩阵A 的各列就是n ηηη,,,21 在标准正交基n εεε,,,21 下的坐标.按公式(3),(4)式可以表示为⎩⎨⎧≠==+++.,0;,12211j i j i a a a a a a nj ni j i j i 当当 (5)(5)式相当于一个矩阵的等式E A A =' (6)或者A A '=-1定义7 n 组实数矩阵A 称为正交矩阵,如果E A A ='由标准正交基到标准正交基的过渡矩阵是正交矩阵;反过来,如果第一组基是标准正交基,同时过渡矩阵是正交矩阵,那么第二组基一定也是标准正交基.最后指出,根据逆矩阵的性质,由E A A ='即得E A A ='写出来就是⎩⎨⎧≠==+++.,0;,12211j i j i a a a a a a jn in j i j i 当当 (7) (5)式是矩阵列与列之间的关系,(7)式是矩阵行与行之间的关系.这两组关系是等价的.例2 考虑定义在闭区间]2,0[π上一切连续函数所作成的欧氏空间]2,0[πC .函数组.,sin ,cos ,,sin ,cos ,1 nx nx x x构成]2,0[πC 的一个正交组.把上面的每一向量除以它的长度,就得到]2,0[πC 的一个标准正交组:.,sin 1,cos 1,,sin 1,cos 1,21 nx nx x x πππππ例3 欧氏空间n R 的基))(0,,0,1,0,,0( i i =ε,n i ,,2,1 =是n R 的一个标准正交基.§3 同构定义8 实数域R 上欧氏空间V 与V '称为同构的,如果由V 到V '有一个双射σ,满足1))()()(βσασβασ+=+, 2))()(ασασk k =, 3)),())(),((βαβσασ=,这里R k V ∈∈,,βα,这样的映射σ称为V 到V '的同构映射.由定义,如果σ是欧氏空间V 到V '的一个同构映射,那么也是V 到V '作为线性空间的同构映射.因此,同构的欧氏空间必有相同的维数.设V 是一个n 维欧氏空间,在V 中取一组标准正交基n εεε,,,21 ,在这组基下,V 的每个向量α都可表成n n x x x εεεα+++= 2211令n n R x x x ∈=),,,()(21 ασ就是V 到n R 的一个双射,并且适合定义中条件1),2).上一节(3)式说明,σ也适合条件3),因而σ是V 到n R 的一个同构映射,由此可知,每个n 维的欧氏空间都与n R 同构.同构作为欧氏空间之间的关系具有反身性、对称性与传递性.既然每个n 维欧氏空间都与n R 同构,按对称性与传递性得,任意两个n 维欧氏空间都同构.定理3 两个有限维欧氏空间同构⇔它们的维数相等.这个定理说明,从抽象的观点看,欧氏空间的结构完全被它们的维数决定.§4正交变换定义9欧氏空间V 的线性变换A 叫做一个正交变换,如果它保持向量的内积不变,即对任意的,都有V ∈βα,,都有.(A α,A β)=),(βα.正交变换可以从几个不同方面公平加以刻画.定理4 设A 是维欧氏空间的一个线性变换,于是下面四个命题是相互等价的:1)A 是正交变换;2)A 保持向量的长度不变,即对于V ∈α,|A α|=|α|;3)如果n εεε,,,21 是标准正交基,那么A 1ε, A 2ε,…, A n ε也是标准正交基;4)A 在任一组标准正交基下的矩阵是正交矩阵.因为正交矩阵是可逆的,所以正交变换是可逆的.由定义看出,正交变换实际上就是一个欧氏空间到自身的同构映射,因而正交变换的乘积与正变换的逆变换还是正交变换.在标准正交基下,正交变换与正交矩阵对应,因此,正交变换的乘积与正交矩阵的逆矩阵也是正交矩阵.如果A 是正交矩阵,那么由E A A ='可知12=A 或者1±=A .因此,正交变换的行列式等于+1或-1.行列式等于+1的正交矩阵通常称为旋转,或者称为第一类的;行列式等于-1的正交变换称为第二类的.例如,在欧氏空间中任取一组标准正交基n εεε,,,21 ,定义线性变换A 为:A ,11εε-= A n i i i ,,3,2, ==εε.那么,A 就是一个第二类的正交变换.从几何上看,这是一个镜面反射.例1 令H 是空间3V 里过原点的一个平面, 3V ∈∀ξ,令ξ对于H 的镜面反射ξ'与它对应.ξξσ' :是3V 的一个正交变换.例2 设)(3R L ∈σ,令3321132),,(),,,()(V x x x x x x ∈=∀=ξξσ.则σ是3R 的一个正交变换.例 3 将2V 的每一向量旋转一个角ϕ的正交变换关于2V 的任意标准正交基的矩阵是⎪⎪⎭⎫⎝⎛-ϕϕϕϕcos sin sin cos . 又令σ是例1中的正交变换.在平面H 内取两个正交的单位向量21,γγ,再取一个垂直于H 的单位向量3γ,那么{}321,,γγγ是3V 的一个规范正交基, σ关于这个基的矩阵是⎪⎪⎪⎭⎫ ⎝⎛-100010001以上两个矩阵都是正交矩阵.§5子空间定义10 设21,V V 是欧氏空间V 中两个子空间.如果对于任意的21,V V ∈∈βα,恒有0),(=βα则称21,V V 为正交的,记为21V V ⊥.一个向量α,如果对于任意的1V ∈β,恒有0),(=βα则称α与子空间1V 正交,记为1V ⊥α.因为只有零向量与它自身正交,所以由21V V ⊥可知{}021=V V ;由1V ⊥α,1V ∈α可知0=α.定理5 如果子空间s V V V ,,,21 两两正交,那么和s V V V +++ 21是直和. 定义11 子空间2V 称为子空间1V 的一个正交补,如果21V V ⊥,并且V V V =+21.显然,如果2V 是1V 的正交补,那么1V 也是2V 的正交补. 定理6 n 维欧氏空间V 的每一个子空间1V 都有唯一的正交补.1V 的正交补记为⊥1V ,由定义可知维(1V )+维(⊥1V )=n推论 ⊥1V 恰由所有与1V 正交的向量组成. 由分解式⊥⊕=11V V V可知,V 中任一向量α都可以唯一分解成21ααα+=其中2211,V V ∈∈αα.称1α为向量α在子空间1V 上的内射影.§6 实对称矩阵的标准形由第五章得到,任意一个对称矩阵都合同于一个对角矩阵,换句话说,都有一个可逆矩阵C 使AC C '成对角形.现在利用欧氏空间的理论,第五章中关于实对称矩阵的结果可以加强.这一节的主要结果是:对于任意一个n 级实对称矩阵A ,都存在一个n 级正交矩阵T ,使AT T AT T 1-='成对角形.引理1 设A 是实对称矩阵,则A 的特征值皆为实数.对应于实对称矩阵A ,在n 维欧氏空间n R 上定义一个线性变换A 如下:A ⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎪⎪⎭⎫ ⎝⎛n n x x x A x x x 2121. (1) 显然A 在标准正交基⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=100,,010,00121 n εεε (2)下的矩阵就是A .引理2 设A 是实对称矩阵,A 的定义如上,则对任意n R ∈βα,,有(A α,β)=(α,A β), (3)或βααβA A '=')(定义12 欧氏空间中满足等式(3)的线性变换称为对称变换.容易看出,对称变换在标准正交基下的矩阵是实对称矩阵.用对称变换来反映实对称矩阵,一些性质可以看得更清楚.引理3 设A 是对称变换,1V 是A -子空间,则⊥1V 也是A -子空间.引理4 设A 是实对称矩阵,则n R 中属于A 的不同特征值的特征向量必正交. 定理7 对于任意一个n 级实对称矩阵A ,都存在一个n 级正交矩阵T ,使成AT T AT T 1-='对角形.下面来看看在给定了一个实对称矩阵A 之后,按什么办法求正交矩阵T 使AT T '成对角形.在定理的证明中看到,矩阵A 按(1)式在n R 中定义了一个线性变换.求正交矩阵T 的问题就相当于在n R 中求一组由A 的特征向量构成的标准正交基.事实上,设⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=nn n n n n n t t t t t t t t t21222122121111,,,ηηη是n R 的一组标准正交基,它们都是A 的特征向量.显然,由n εεε,,,21 到n ηηη,,,21 的过渡矩阵就是⎪⎪⎪⎪⎪⎭⎫⎝⎛=nn n n n n t t t t t t t t t T212222111211 T 是一个正交矩阵,而AT T AT T '=-1就是对角形.根据上面的讨论,正交矩阵T 的求法可以按以下步骤进行: 1. 求出A 的特征值.设r λλ,,1 是A 的全部不同的特征值. 2. 对于每个i λ,解齐次方程组0)(21=⎪⎪⎪⎪⎪⎭⎫ ⎝⎛-n i x x x A E λ求出一个基础解系,这就是A 的特征子空间i V λ的一组基.由这组基出发,按定理2的方法求出i V λ的一组标准正交基i ik i ηη,,1 .3. 因为r λλ,,1 两两不同,所以根据这一节引理4,向量组rrk r k ηηηη,,,,,,11111还是两两正交的.又根据定理7以及第七章§5的讨论,它们的个数就等于空间的维数.因此,它们就构成n R 的一组标准正交基,并且也都是A 的特征向量.这样,正交矩阵T 也就求出了.例 已知⎪⎪⎪⎪⎪⎭⎫ ⎝⎛----=0111101111011110A求一正交矩阵T 使AT T '成对角形.应该指出,在定理7中,对于正交矩阵T 我们还可以进一步要求1=T事实上,如果求得的正交矩阵T 的行列式为-1,那么取⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛-=1111 S 那么TS T =1是正交矩阵,而且11==S T T显然AT T AT T '='11.如果线性替换⎪⎪⎩⎪⎪⎨⎧+++=+++=+++=nnn n n n nn n n y c y c y c x y c y c y c x y c y c y c x 22112222121212121111,,的矩阵()ij c C =是正交的,那么它就称为正交的线性替换.正交的线性替换当然是非退化的.用二次型的语言,定理7可以叙述为: 定理8 任意一个实二次型ji ij n i nj j i ija a x x a=∑∑==,11都可以经过正交的线性替换变成平方和2222211n n y y y λλλ+++ ,其中平方项的系数n λλλ,,,21 就是矩阵A 的特征多项式全部的根.最后指出,这一节的结果可以应用到几何上化简直角坐标系下二次曲线的方程,以及讨论二次曲线的分类.在直角坐标系下,二次曲线的一般方程是0222222321231312233222211=+++++++++d z b y b x b yz a xz a xy a x a x a x a (5)令⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎭⎫ ⎝⎛=321332313232212131211,,b b b B z y x X a a a a a a a a a A则(5)可以写成02=+'+'d X B AX X (6)经过转轴,坐标变换公式为,111333231232221131211⎪⎪⎪⎭⎫ ⎝⎛⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎭⎫ ⎝⎛z y x c c c c c c c c c z y x 或者1CX X =其中C 为正交变换且1=C ,在新坐标系中,曲面的方程就是0)(2)(111=+'+''d X C B X AC C X 根据上面的结果,有行列式为1的正交矩阵C 使⎪⎪⎪⎭⎫ ⎝⎛='321000000λλλAC C 这就是说,可以作一个转轴,使曲面在新坐标系中的方程为02221*31*21*1213212211=++++++d z b y b x b y y x λλλ其中C b b b b b b ),,(),,(321*3*2*1=这时,再按照321,,λλλ是否为零的情况,作适当的移轴与转轴就可以把曲面的方程化成标准方程.譬如说,当321,,λλλ全不为零时,就作移轴⎪⎪⎪⎩⎪⎪⎪⎨⎧-=-=-=.,,3*3212*2211*121λλλb z z b y y b x x于是曲面的方程化为0*223222221=+++d z y x λλλ其中32*322*212*1*λλλb b b d d ---=.§7 向量到子空间的最小距离·最小二乘法在解析几何中,两个点α和β间的距离等于向量βα-的长度. 定义13 长度βα-称为向量α和β的距离,记为),(βαd 不难证明距离的三条性质: 1)),(),(αββαd d =;2)0),(≥βαd ,并且仅当βα=时等号才成立; 3)),(),(),(βγγαβαd d d +≤(三角不等式)在中学所学几何中知道一个点到一个平面(一条直线)上所有点的距离以垂线最短.下面可以证明一个固定向量和一个子空间中各向量间的距离也是以“垂线最短”.先设一个子空间W ,它是由向量k ααα,,,21 所生成,即),,,(21k L W ααα =.说一个向量α垂直于子空间W ,就是指向量α垂直W 于中任何一个向量.易证α垂直于W 的充要条件是α垂直于每个),,2,1(k i i =α.现给定β,设γ是W 中的向量,满足γβ-垂直于W .要证明β到W 中各向量的距离以垂线最短,就是要证明,对于W 中任一向量δ,有δβγβ-≤-.我们可以画出下面的示意图:证明 )()(δγγβδβ-+-=-因W 是子空间,W W ∈∈δγ,,则W ∈-δγ.故γβ-垂直于δγ-.由勾股定理,222δβδγγβ-=-+-故δβγβ-≤-这就证明了,向量到子空间各向量间的距离以垂线最短.这个几何事实可以用来解决一些实际问题.其中的一个应用就是解决最小二乘法问题.例 已知某种材料在生产过程中的废品率y 与某种化学成分x 有关.下列表中记载了某工厂生产中y 与相应的x 的几次数值:y (%)1.00 0.9 0.9 0.81 0.60 0.56 0.35 x (%)3.63.73.83.94.04.04.2我们想找出y 对x 的一个近似公式. 最小二乘法问题:线性方程组⎪⎪⎩⎪⎪⎨⎧=-+++=-+++=-+++0,0,022112222212*********n s ns n n s s s s b x a x a x a b x a x a x a b x a x a x a 可能无解.即任何一组数s x x x ,,,21 都可能使∑=-+++ni i s is i i b x a x a x a122211)( (1)不等于零.我们设法找00201,,,s x x x 使(1)最小,这样的00201,,,s x x x 称为方程组的最小二乘解.这种问题就叫最小二乘法问题.下面利用欧氏空间的概念来表达最小二乘法,并给出最小二乘解所满足的代数条件.令.,,,112112121212222111211AX x a x a x a Y x x x X b b b B a a a a a a a a a A s j j nj s j j j s j j j s n ns n n s s =⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛=⎪⎪⎪⎪⎪⎭⎫⎝⎛=⎪⎪⎪⎪⎪⎭⎫⎝⎛=⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=∑∑∑=== (2)用距离的概念,(1)就是2B Y -最小二乘法就是找00201,,,s x x x 使Y 与B 的距离最短.但从(2),知道向量Y 就是.21222122121111⎪⎪⎪⎪⎪⎭⎫⎝⎛++⎪⎪⎪⎪⎪⎭⎫ ⎝⎛+⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=ns s s s n n a a a x a a a x a a a x Y把A 的各列向量分别记成s ααα,,,21 .由它们生成的子空间为),,,(21s L ααα =.Y 就是),,,(21s L ααα =中的向量.于是最小二乘法问题可叙述成:找X 使(1)最小,就是在),,,(21s L ααα =中找一向量Y ,使得B 到它的距离比到子空间),,,(21s L ααα =中其它向量的距离都短.应用前面所讲的结论,设s s x x x AX Y ααα+++== 2211是所求的向量,则AX B Y B C -=-=必须垂直于子空间),,,(21s L ααα =.为此只须而且必须0),(),(),(21====s C C C ααα回忆矩阵乘法规则,上述一串等式可以写成矩阵相乘的式子,即.0,,0,021='='='C C C s ααα而'''s ααα,,,21 按行正好排成矩阵A ',上述一串等式合起来就是0)(=-'AX B A或B A AX A '='这就是最小二乘解所满足的代数方程,它是一个线性方程组,系数矩阵是A A ',常数项是B A '.这种线性方程组总是有解的.回到前面的例子,易知⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=35.056.060.081.090.090.000.1,12.411.410.419.318.317.316.3B A最小二乘解b a ,所满足的方程就是0='-⎪⎪⎭⎫ ⎝⎛'B A b a A A , 即为⎩⎨⎧=-+=-+.012.573.27,0675.193.2775.106b a b a 解得81.4,05.1=-=b a (取三位有效数字).§8 酉空间介绍定义14 设V 是复数域上一个线性空间,在V 上定义了一个二元复函数,称为内积,记作),(βα,它具有以下性质: 1) ),(),(αββα=,),(αβ是),(αβ的共轭复数;2) ),(),(βαβαk k =;3) ),(),(),(γβγαγβα+=+;4) ),(αα是非负实数,且0),(=αα当且仅当0=α这里γβα,,是V 中任意的向量,k 是任意复数,这样的线性空间称为酉空间. 例1 在线性空间n C ,对向量()()n n b b b a a a ,,,,,,,2121 ==βα定义内积为n n b a b a b a +++= 2211),(βα, (1)显然内积(1)满足定义14中的条件.这样n C 就成为一个酉空间.由于酉空间的讨论与欧氏空间的讨论很相似,有一套平行的理论,因此在这只简单地列出重要的结论,而不详细论证.1) ),(),(βαβαk k =.2) ),(),(),(γαβαγβα+=+. 3) ),(αα叫做向量α的长度,记为||α.4) 柯西–布涅柯夫斯基不等式仍然成立,即对于任意的向量βα,有|||||,|βαβα≤,当且仅当βα,线性相关时等号成立.注意:酉空间中的内积),(βα一般是复数,故向量之间不易定义夹角但仍引入5) 向量βα,,当0),(=βα时称为正交的或互相垂直.在n 维酉空间中,同样可以定义正交基和标准正交基,并且关于标准正交基也有下述一些重要性质:6) 任意一组线性无关的向量可以用施密特过程正交化,并扩充为一组标准正交基.7)对n 级复矩阵A ,用A 表示以A 的元素的共轭复数作元素的矩阵.如A 满足E A A A A ='=',就叫做酉矩阵.它的行列式的绝对值等于1. 两组标准正交基的过渡矩阵是酉矩阵.8) 酉空间V 的线性变换A ,满足(A α,A β)=(α,β),就称为V 的一个酉变换.酉变换在标准正交基下的矩阵是酉矩阵.9)如矩阵A 满足A A ='则叫做埃尔米特(Hermite)矩阵.在酉空间n C 中令A ⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎪⎪⎭⎫ ⎝⎛n n x x x A x x x 2121 则 (A α,β)=(α,A β).A 也是对称变换.10)V 是酉空间,1V 是子空间,⊥1V 是1V 的正交补,则⊥⊕=11V V V 又设1V 是对称变换的不变子空间,则⊥1V 也是不变子空间.11)埃尔米特矩阵的特征值为实数.它的属于不同的特征值的特征向量必正交.12)若A 是埃尔米特矩阵,则有酉矩阵C ,使AC C AC C '=-1是对角形知阵.13)设A 为埃尔米特矩阵,二次齐次函数X A X x x a x x x f n i nj j i ij n '==∑∑==1121),,,(叫做埃尔米特二次型.必有酉矩阵C ,当时CY X =n n n n y y d y y d y y d x x x f +++= 22211121),,,(.第九章 欧几里得空间 (小结)一、欧氏空间1. 内积、欧氏空间的概念及其简单性质.2. 柯西—布涅可夫斯基不等式:2(,)(,)(,)αβααββ≤.3. 向量的长度:(,)ααα=.4. 两个非零向量α与β的夹角:(,)arccosαβθαβ=.).0(πθ≤≤若(,)0αβ=,则α与β正交.二、标准正交基1. 标准正交基的概念.2. 标准正交基的求法—施密特正交化方法.3. 由标准正交基到标准正交基的过渡矩阵是正交矩阵.反过来,假如两个基之间的过渡矩阵是正交矩阵,而且其中一个基是标准正交基,那么另一个基也是标准正交基.三、正交补 内射影1. 向量与集合正交的概念.2. 欧氏空间的子空间1V 的正交补的概念.3. 设1V 是V 的子空间,则⊥⊕=11V V V ,且V ∈∀α可以唯一写成21ααα+=,其中⊥∈∈1211,V V αα,则称1α是α在1V 上的内射影.四、欧氏空间的线性变换1.正交变换(1) V 的线性变换σ是正交变换⇔① σ保持向量的长度不变.② σ保持向量的内积不变.③ σ把规范正交基仍变为规范正交基.④ σ关于规范正交基的矩阵是正交矩阵.(2) 正交矩阵的性质① 正交矩阵为可逆矩阵,其逆仍为正交矩阵.② 正交矩阵的行列式为1或-1.③ 正交矩阵的伴随矩阵是正交矩阵.2. 对称变换(1) 假如欧氏空间V 的线性变换σ满足: ))(,()),((βσαβασ=,V ∈∀βα,那么σ叫做对称变换.(2) n 维欧氏空间V 的线性变换是对称变换⇔σ在V 的标准正交基下的矩阵是对称矩阵.(3) 设σ是欧氏空间V 的对称变换,若W 是σ的不变子空间,则⊥W 也是σ的不变子空间.(4) 实对称矩阵的特征值都是实数,相应地有对称变换的特征值都是实数.(5) 设A 是实对称矩阵,则属于A 的不同特征值的特征向量是正交的.(6) 任一个n 阶实对称矩阵A 都可以正交对角化,即存在正交矩阵U ,使得AU U AU U 1-='是对角形式,相应地有对于欧氏空间V 的任一个对称变换σ,存在V的标准正交基, σ在这个标准正交基下的矩阵是对角形式.六、欧氏空间的同构1. 欧氏空间同构的概念.2. 两个有限维欧氏空间同构⇔它们的维数相同.3. 每个n维欧氏空间都与n R同构.本章的重点是欧氏空间的基本概念、标准正交基、正交变换和正交矩阵、对称变换与对称矩阵.难点是正交变换、正交补、对称变换.。
高代竞赛辅导第9章欧氏空间
9.欧氏空间1.(华南理工大学2006)4R正交基,其中1111111111222211A --⎛⎫ ⎪-- ⎪= ⎪-- ⎪--⎝⎭。
解 分析:设m n A R ⨯∈的列向量为12,,,n ααα ,则12(,,,)n A ααα= , 列空间12,,,Im n W A ααα=<>= 。
0Ti i x Wx W x x αα⊥∈⇔⊥⇔⊥⇔=0Ker T TA x x A ⇔=⇔∈,从而有(Im )K er TWA A⊥⊥==,这表明:将A 改成T A ,又可以得到以上是两个非常重要的结论,在很多地方都用的上。
具体到本题:相当于求Ker TA 也就是求齐次线性方程组0T A x =的解空间的一个 标准正交基,这是一个标准问题。
先求0T A x =的一个基础解系:121331,2002αα-⎛⎫⎛⎫ ⎪ ⎪-- ⎪ ⎪==⎪ ⎪ ⎪⎪⎝⎭⎝⎭;任何将12,αα正交化、单位化得121414,14140707ββ⎛⎫⎛⎫- ⎪ ⎪ ⎪⎪ ⎪ ⎪-- ⎪⎪==⎪ ⎪ ⎪⎪ ⎪ ⎪ ⎪⎪ ⎪ ⎪⎝⎭⎝⎭。
2.(中山大学2006)设由向量123(1,1,2,1),(3,1,4,1),(1,1,0,1)T T Tααα=-=-=-生成的子空间为W ,求一个线性方程组,使得它的解空间为恰好W 。
解 设矩阵()123,,A ααα=,则Im WA =()Im K er T A A⊥=。
这样问题就归结为:求齐次线性方程组0T A x =的解空间的一个基础解系1110⎛⎫ ⎪ ⎪ ⎪ ⎪⎝⎭, 0101⎛⎫ ⎪- ⎪ ⎪ ⎪⎝⎭, 这个基础解系生成的空间就是Ker T A ,而它的正交补也就是W ,恰好是和以上两个向量都正交的向量全体,这正好就是齐次线性方程组123240x x x x x ++=⎧⎨-+=⎩的解空间,因此123240x x x x x ++=⎧⎨-+=⎩就是要求的线性方程组。
3.(南开大学2006)设线性方程组123451245123452303220390x x x x x x x x x x x x x x ++-+=⎧⎪+-+=⎨⎪++-+=⎩ 的解空间为V 。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第九章内积空间Inner Product Space§9.1 目的与要求•掌握内积、内积空间的概念•熟练掌握欧氏空间的度量概念,如长度、距离、夹角、正交等•熟练掌握Cauchy-Schwarz不等式、三角不等式的含义及应用厦门大学数学科学学院网址: •定义:设V 是R 上线性空间,存在映射( ,):, 使得对任意x , y , z ∈V, c ∈R,有(1). ( x , y ) = ( y , x )(2). ( x + y , z ) = (x ,z ) + (y , z )(3). ( cx , y ) = c ( x , y )(4). ( x , x ) ≥ 0.且等号成立当且仅当x = 0.则称在V 上定义内积( , ). V 称为内积空间.有限维实内积空间称为Euclid 空间(欧氏空间).R V V →⨯对称线性非负(实)内积空间•定义:设V 是C 上线性空间,存在映射( , ):使得对任意x , y , z ∈V, c ∈C,有(1).(2). (x + y , z ) = (x , z ) + ( y , z )(3). (cx , y ) = c ( x , y )(4). (x , x ) ≥ 0.且等号成立当且仅当x = 0.则称在V 上定义内积( , ). V 称为复内积空间.有限维复内积空间称为酉空间.•注1:对任意实数a , , 所以复内积空间与实内积空间的定义是一致的, 统称为内积空间.•注2:在复内积空间中, (,)(,)x y y x =a a =(,)(,)x cy c x y =R V V →⨯(复)内积空间•例1:R n ×1是n 维欧氏空间, 若, 定义内积如下:该内积称为R n ×1上的标准内积.C n ×1是n 维酉空间, 若, 定义内积如下:该内积称为C n ×1上的标准内积.1122(,)...n nx y y x x y x y x y '==+++例子1,C n x y ⨯∀∈1,R n x y ⨯∀∈1122(,)...n nx y y x x y x y x y '==+++•例2:R 2×1上对1) 是内积2) 非线性, 非内积3) 未必非负, 非内积11211222(,)4x y x y x y x y x y =--+例子1122,x y x y x y ⎛⎫⎛⎫∀== ⎪ ⎪⎝⎭⎝⎭1,2(,)max(||,||)i i i x y x y ==1212(,)x y x x y y =+++•例3:设, 定义则c [a , b ]是无限维内积空间. •例4:设G 为n 阶正定阵, 对, 定义则R n ×1是R 上n 维欧氏空间. G =I 即例1.•例5:R n ×n 上定义(A , B ) = tr(A’B ), 是欧氏空间么? 若是, 它是几维的?例子(,)'x y x Gy=(,)()()b a f g f x g x dx =⎰(),()[,]f x g x c a b ∈1,R n x y ⨯∀∈•定义:设V 实内积空间, 设x , y ∈V, 定义x 的长度为:定义x 与y 的距离为:当V是实空间时, 定义x , y 的夹角θ的余弦为:当V 是复空间时, 定义x , y 的夹角θ的余弦为:当( x , y ) = 0时, 称x 与y 正交, 记x ⊥y .(,)x x x =(,)d x y x y=-(,)cos x y x yθ=(,)cos x y x y θ=(实)内积空间_2•定理:设V 是实的或复的内积空间,设x , y ∈V, c 为常数(实数或复数), 则(1) (2) (Cauchy-Schwarz 不等式)当且仅当x , y 线性相关时, 等号成立.(3) (三角不等式)cx c x=(,)x y x y≤x y x y+≤+在R n×1中•注1:x=0时, 对任意y, (x, y)=0; 反之, 若对任意y, 都成立(x, y)=0, 则x=0. 即只有零向量和自己正交; 只有零向量的长度为0;•注2:||x+y||= ||x||+||y|| x和y同向或有一为0;•注3:(x, y)=||x||||y||cosθ, 其中θ为x与y的夹角(内积几何意义);•注4:x⊥y时, (x,y)=(y,x)=0, ||x+y||2=||x||2+||y||2 (勾股定理);•注5:若两两正交, 即则1)2)•注6:x 称为单位向量, 若. 一般地, 若x ≠0, 则x /|| x ||是单位向量(称把x 单位化).•注7:Cauchy-Schwarz 不等式具体形式:内积空间_512,,...,m ααα(,)0,i j i j αα=∀≠122...m mk k ααα⊥++22221212......m mαααααα+++=+++1x =()222221111...(...)(...)n n n nx y x y x x y y ++≤++++222(()())()()b bbaaaf xg x dx f x dx g x dx≤⎰⎰⎰例子•例6:证明下列不等式成立1)2) 若A =(a ij )n ×n 是(对称)正定阵, 则))(()(1111211j i n i nj ij j i n i n j ij n i n j j i ij y y a x x a y x a ∑∑∑∑∑∑======≤222111111()()()nnnnnnji ji jijii j i j i j a b a b ======≤∑∑∑∑∑∑厦门大学数学科学学院网址: 作业•作业p294 1, 2, 3, 6, 7补充: R n ×n 上定义(A , B ) = tr(A’B ), 是欧氏空间么? 为什么? 若是, 它是几维的?并证明下列不等式:•选做p295 5222111111()()()nnnnnnji ji jijii j i j i j a b a b ======≤∑∑∑∑∑∑§9.2 目的与要求•掌握标准正交基、正交补空间的概念•掌握度量矩阵与内积的关系•掌握两标准正交基的过渡矩阵与正交阵的关系•熟练掌握矩阵为正交阵的充要条件•掌握向量组的Gram-Schmidt正交化的计算标准正交基_1•定义:设是n 维内积空间V 的一组基, 若, 则称这组基是V 的一组正交基, 若,则称这组基是V 的一组标准正交基.•引理:内积空间V 中任意一组两两正交的非零向量必线性无关.12,,...,n εεε(,)0,i j i j εε=∀≠(,)i j ij εεδ=标准正交基_2•定理: 设V 是内积空间, 是V 中m 个线性无关的向量, 则在V 中存在两两正交的向量, 使得•Gram-Schmidt 正交化:12,,...,m ξξξ12,,...,m ηηη1212(,,...,)(,,...,).m m L L ξξξηηη=11ηξ=,11,11,(,)...,,11(,)i j i i i i i i i j j j k k k j i ξηηξηηηη--=+++=-≤≤-Schmit 正交化uu 2211k v -v 2322k v -1212111112212(,)(,)u u u k v v u v v v v v ==--=v 12v 311k v -3v 3u 331132233313221u u k v k v k k v v v --=--=211k v v 1311k v 322k v 3322u k v -标准正交基_3•注: 任意线性无关向量组必可正交化, 且正交化后的向量组与原向量组等价.•推论: 任意n 维内积空间有一组标准正交基.•注: 标准正交基可以简化内积的运算.设是内积空间V 的标准正交基, 若, 则, 即又若, 则12,,...,n εεε(,)i i x x ε=1122(,)....n n x y x y x y x y =+++1122...n n x x x x εεε=+++111222(,)(,)...(,)n n n x x x x εεεεεε=+++1122...n n y y y y εεε=+++例子•例1:R 1×2, 在标准内积下e 1, e 2是标准正交基, 任意向量x =(x 1, x 2), 则x 1=(x , e 1), x 2=(x , e 2).•例2:设V 是四维行向量空间, 内积为标准内积, 又. 试用Gram-Schmidt 方法将化为V 的一组标准正交基.•例3:设, 问是否为的一组基? 一组标准正交基?1234(1,1,0,0),(1,0,0,1),(1,0,1,0),(1,u u u u ==-==1,1,1)--1234,,,u u u u 12(1,0),(0,1)u u ==12,u u 12R ⨯正交补•定义:设U是内积空间V的子空间,令U⊥={v∈V| (v, u)=0,对任意u∈U},则U⊥是V的子空间, 称为U的正交补空间.•定理:设V是n维内积空间, U是V的子空间,则(1) V = U U⊥;(2) U上任意一组标准正交基必可扩为V 的标准正交基;(2’) V上任意一组标准正交向量组必可扩为V 的标准正交基.例子•例5:若, 且对都有, 则•例6:(Bessel 不等式) 设是n 维内积空间V 的正交向量组, y 是V 的任一向量, 则且等号成立的充要条件是•例7:设线性子空间U 是齐次线性方程组Ax =0的解空间, 求U ⊥适合的线性方程组.12,,...,m v v v 2221|(,)|||||||||m k k k y v y v =≤∑12(,,...,).m y L v v v ∈12V U W U W =⊕=⊕11U, W u w ∀∈∈22W w ∈12(,)(,)0u w u w ==12W W U .⊥==度量矩阵_1设V 是n 维欧氏空间,是V 的一组基,令由内积定义知G 是一个实对称矩阵, 称为度量矩阵. 设则( x , y ) = (x 1, …, x n ) G (y 1, …, y n ) = X ’GY 这里X ’= (x 1, …, x n ), Y = (y 1, …, y n )’.因为当x ≠0时, 必有(x , x ) >0, 所以G是正定阵.111212122212(,)(,)(,)(,)(,)(,)(,)(,)(,)n n n n n n G ξξξξξξξξξξξξξξξξξξ⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭11,n n i i i ii i x x y y ξξ====∑∑,,...,12n ξξξ度量矩阵_2•注1:在n 维实线性空间V 的基固定情况下{V 上的内积} {实正定矩阵}.•注2:设是欧氏空间V 的一组基, 则为正交基⇔G 为(正定)对角阵;为标准正交基⇔G 为单位阵.←−−→1:1,,...,12n ξξξ,,...,12n ξξξ,,...,12n ξξξ正交矩阵_1设u 1, u 2, …, u n 和v 1, v 2, …, v n 是n 维欧氏空间V 的两个标准正交基, T 是从基u 1, u 2, …, u n 到v 1, v 2, …, v n 的过渡矩阵,即(v 1, v 2, …, v n )=(u 1, u 2, …, u n )T.则由于,故有T ’T =I .•定义:实n 阶方阵T 称为正交阵, 如果T -1=T ’.1(,)i jn ij si sj s v v t t δ===∑正交矩阵_2•注1:设u1,u2,…,u n是维欧氏空间的一个标准正交基, T是正交阵, 且有(v1,v2,…,v n)=(u1, u2, …, u n)T.则v1,v2,…,v n是V的标准正交基.•注2:T是正交阵 T 的列向量是标准内积空间R n×1的标准正交基.正交矩阵_3•例4:(1) 单位阵是正交阵.(2) 实对角阵是正交阵的充分必要条件是对角元素为±1.(3) 上(下)三角阵是正交阵的充分必要条件是它是对角阵且对角元素为±1.(4)是正交阵且二阶矩阵能作为正交阵的只能是如上两种形式.(5) 置换阵是正交阵.cos sin cos sin ,sin cos sin cos θθθθθθθθ-⎛⎫⎛⎫ ⎪ ⎪-⎝⎭⎝⎭正交矩阵_4•命题:设T, S为正交阵, 则(1) |T | = ±1.(2) T 可逆且T -1为正交阵.(3) T *为正交阵.(4) –T 为正交阵.(5) TS 为正交阵.(6) T 的特征值的模长为1.§9.3 目的与要求•了解伴随变换的概念•掌握伴随变换的矩阵表示与性质伴随_1•定义:设V 是数域K 上线性空间, 从V 到K 的线性映射称为线性函数. V 上线性函数的全体称为V 的共轭空间, 记做V *.•注:设V 是n 维欧氏空间,内积为(-,-). 固定0≠v ∈V, 则是V 上线性函数. 反之, 任一线性函数均可由上面方式实现.:.f V K (,)x x v伴随_2•引理:设f 是n 维欧氏空间V 的线性函数,则必存在V 上唯一向量v ,使对任意x ∈V, 均有f (x )=(x ,v ).•定理:设是n 维欧氏空间V 的线性变换算子,则存在唯一线性变换算子,使得对任意u ,v ∈V, 有•注1: 称为的伴随变换.•注2: 欧氏空间上线性变换称为线性算子.ϕ*ϕ((),)(,*()).u v u v ϕϕ=*ϕϕ伴随_3•定理:设u 1,u 2,…,u n 是n 维欧氏空间V 的一组标准正交基,若V 的线性变换在这组基下的表示矩阵为A ,则的伴随算子在这组基下的表示矩阵为A ’.•定理:设是n 维内欧氏空间V 的两个线性变换,c 为常数,则ϕ*ϕϕ2)()**c c ϕϕ=1)()***ϕψϕψ+=+3)()***ϕψψϕ=4)(*)*ϕϕ=,ϕψ§9.4 目的与要求•掌握内积空间的(保积)同构的概念•熟练掌握内积空间的同构的等价命题•掌握正交算子的概念•熟练掌握正交算子的等价命题•掌握正交阵在正交相似下的标准型及相应的正交算子命题正交算子_1•引理:设是维欧氏空间V 到W 的线性映射,则下列条件等价:(1) 保持内积,(2) 保持范数,(3) 保持距离, •定义:设V,W 是n 维欧氏空间是线性映射.如果是线性空间同构且保持内积,即则称是欧氏空间的同构,记:V W ϕ→ϕϕϕϕ((),())(,).x y x y ϕϕ=().x x ϕ=((),())(,).d x y d x y ϕϕ=ϕ((),())(,),x y x y ϕϕ=ϕV W.≅正交算子_2•定理: 设V, W 是n 维欧氏空间, 是线性映射,则下列条件等价:(1) 保持内积.(2) 保持范数.(3) 保持距离.(4) 是欧氏空间同构.(5) 将V 的任一标准正交基变成W 的标准正交基.(6) 将V 的某一标准正交基变成W 的标准正交基.:V W ϕ→ϕϕϕϕϕϕ正交算子_3•推论:设V, W 是欧氏空间,则 dimV = dimW.•注1:两个欧氏空间是否同构与其上定义的内积无关, 只与维数有关.•注2:欧氏空间的同构是等价关系.•注3:任意n 维欧氏空间都同构于标准内积空间R n .•意义:对一般n 维欧氏空间的研究可转化为对标准内积空间R n 的研究.V W正交算子_3•定义: n 维欧氏空间V 上保持内积的线性算子称为正交算子或正交变换.•定理:设是n 维欧氏空间V 的线性变换,则下列条件等价:(1) 是正交算子. (2) 保持距离.(3) 保持范数. (4) 是V 的自同构.(5) 可逆且(6) 将V 的任意标准正交基变为另一标准正交基.(7) 将V 的一组标准正交基变为另一标准正交基.(8) 在V 的任意标准正交基下的矩阵是正交阵.(9) 在V 的某组标准正交基下的矩阵是正交阵.ϕϕϕϕϕ1*.ϕϕ-=ϕϕϕϕϕ正交算子_4•注1:n 阶正交阵可视为某n 维欧氏空间V 上正交变换在V 的某标准正交基下的表示矩阵;•注2:n 阶正交阵还可视为某n 维欧氏空间V 中某两标准正交基的过渡矩阵.•注3:若是正交算子, 则1) 可逆, 且也是正交算子;2)为正交算子;3) 若|c |=1, 则为正交算子.,ϕψϕ1ϕ-ϕψc ϕϕ正交相似_1设是n 维欧氏空间V 上线性变换, u 1, …, u n 和v 1, …, v n 分别是V 的两组标准正交基,则•定义:设A , B ∈R n ×n , 若存在正交阵T , 使则称A , B 是正交相似的.ϕ1212(,,...,)(,,...,)n n v v v u u u T =1212(,,...,)(,,...,)n n u u u u u u A ϕ=1212(,,...,)(,,...,)n n v v v v v v Bϕ=1.B T AT T AT -'==1,B T AT T AT -'==正交相似_2•注1:设A, B∈R n×n, 则A与B是正交相似的充分必要条件是A, B是n维欧氏空间V上同一个线性算子在不同标准正交基下的矩阵.•注2:正交相似是等价关系.•注3:设A与B正交相似, A是正交阵, 则B也是正交阵.•注4:若B由矩阵A互换i,j两行, 再互换i,j两列得到, 则A, B正交相似.•注5:两对角阵仅对角元顺序不同, 则他们正交相似.正交算子_5•引理:设A 为正交阵,为A 的一个复特征值, (b ≠0), 为对应的特征向量, 则且•注:因, 故可设cos sin (,),(,)sin cos Ax x y Ay x y θθθθ-⎛⎫⎛⎫== ⎪ ⎪⎝⎭⎝⎭a ib λ=+u x iy =+.x y =x y ⊥221,a b +=1λ=cos ,sin .a b θθ==-cos sin (,).sin cos A x y θθθθ-⎛⎫ ⎪⎝⎭正交算子_6•定理:设A 为正交阵, 则存在正交阵T , 使T -1AT •定理:设是n 维欧氏空间V 的正交算子, 则存在一组标准正交基, 使得在此基下的矩阵是1111cos sin cos sin {,,,...,}.sin cos sin cos l l s t l l diag I I θθθθθθθθ--⎛⎫⎛⎫=- ⎪ ⎪⎝⎭⎝⎭1111cos sin cos sin {,,,...,}.sin cos sin cos l l s t l l diag I I θθθθθθθθ--⎛⎫⎛⎫- ⎪ ⎪⎝⎭⎝⎭ϕϕ例子•例1:设是欧氏空间V 的线性变换, 则下列命题中___不能作为是正交变换的等价命题.A. 在某一组基下表示矩阵是正交阵;B. ;C. 保积同构;D. 保持距离不变.A1*ϕϕ-=例子•例2:和矩阵正交相似的矩阵是___.A.B. C.D.A 1001M ⎛⎫= ⎪-⎝⎭0110⎛⎫ ⎪⎝⎭1100-⎛⎫ ⎪⎝⎭1111⎛⎫ ⎪-⎝⎭0110⎛⎫ ⎪-⎝⎭例子•例3:设是n 维欧氏空间的线性变换, 分别是的伴随变换, 则下列命题中错误的有___个.①是单的线性变换, 则是满的线性变换②③, 对任意的④是同构变换, 则也是同构变换A. 0B. 1C. 2D. 3A,ϕψ*,*ϕψ,ϕψϕ*ϕ*dimIm dimIm ϕϕ=ϕ*ϕ*((),)((),)ϕαβϕβα=,Vαβ∈例子•例4:三阶正交矩阵在正交相似下的所有可能的标准形是___.111⎛⎫ ⎪ ⎪ ⎪⎝⎭111-⎛⎫ ⎪ ⎪ ⎪⎝⎭111-⎛⎫ ⎪- ⎪ ⎪⎝⎭111-⎛⎫ ⎪- ⎪ ⎪-⎝⎭cos sin sin cos 1θθθθ⎛⎫ ⎪- ⎪ ⎪⎝⎭cos sin sin cos 1θθθθ⎛⎫ ⎪- ⎪ ⎪-⎝⎭例子•例5:设为n 阶正交矩阵, 且则矩阵方程的解x = ___.要点:1. 因为A 是正交阵, 故A 可逆, 问题的解唯一; 2.又因A 是正交阵, 且故A 的第一列为-e 1, 从而.()ij n n A a ⨯=111,a =-1Ax e =1e -111,a =-11()A e e -=§9.5 目的与要求•掌握自伴随算子的概念及与对称矩阵的关系•熟练掌握对称矩阵的正交相似标准型•掌握对称矩阵相似/合同/正交相似的全系不变量•一些相关的计算和证明对称算子_1•定义:设V 是n 维欧氏空间,是V 的线性算子, 如果, 则称是自伴随算子(对称算子).•定理:设是n 维欧氏空间V 的线性算子, 则下列条件等价:(1)是对称算子;(2)(3) 在V 的任一组标准正交基下的矩阵是对称阵;(4) 在V 的某一组标准正交基下的矩阵是对称阵.*ϕϕ=ϕϕϕϕ((),)(,());ϕαβαϕβ=ϕϕ•定理:设是n 维欧氏空间V 上对称算子,则的特征值全为实数且属于不同特征值的特征向量互相正交.•定理’:设A ’=A ∈R n ×n ,则A 的特征值全为实数且属于不同特征值的特征向量互相正交(标准内积空间R n ×1).•引理:设是n 维欧氏空间V 上对称算子. U 是子空间. 则U ⊥也是子空间.•定理:设是n 维欧氏空间V 上对称算子, 则存在V 的一组标准正交基, 使在这组基下的矩阵是对角阵.•定理’:设A ’= A ∈R n ×n , 则存在正交阵T , 使T -1AT =T ’AT 为对角阵, 且对角线元素为A 的特征值.ϕϕϕϕ-ϕ-ϕϕ•定理:A , B 实对称矩阵, 则A , B 正交相似 A , B 的特征值相同.•注:特征值是实对称矩阵相似的全系不变量.•定理:设是n 元实二次型,是A 的所有特征值, 则必存在正交线性替换为正交阵, 使f 的正惯性指数等于A 的正特征值个数, f 的负惯性指数等于A 的负特征值个数, f 的秩等于A 的非零特征值的个数.22211122(,,)n n n f x x y y y λλλ=+++ 1(,,)n f x x X AX '= 1,,n λλ ,X TY T =。