第3节正交补空间与正交投影(09-10第二学期)

合集下载

射影定理简单记忆

射影定理简单记忆

射影定理简单记忆射影定理(Projection Theorem)是线性代数中的重要定理之一,它在向量空间中描述了向量的投影。

射影定理不仅具有理论上的重要性,也在实际问题中应用广泛。

本文将对射影定理进行简单记忆。

一、射影定理基本概念在介绍射影定理之前,我们需要了解一些基本概念。

1. 向量空间向量空间是指由一些向量组成的集合,满足加法和数乘运算,并且具有一些额外的性质。

在向量空间中,向量可以进行线性组合和线性相关的操作。

2. 投影向量在向量空间中,对于给定的一个向量b和一个子空间W,投影向量是指与向量b最为接近的子空间W中的向量。

3. 正交补空间在向量空间V中,对于一个子空间W,正交补空间是指与W中的所有向量正交的向量组成的空间。

正交补空间与W的维度之和等于整个向量空间V的维度。

二、射影定理的表述射影定理可以描述为:对于向量空间V中的一个子空间W,任意一个向量b都可以唯一地表示为投影向量p和正交向量w的和,即b = p + w,其中p是W中的向量,w是W的正交补空间中的向量。

三、射影定理的应用射影定理在实际问题中有着广泛的应用,下面列举几个例子:1. 图像处理在图像处理中,射影定理被用于图像的降噪和压缩。

通过将图像表示为投影向量和正交向量的和,在压缩图像时可以舍弃一部分高频分量,从而减小图像文件的大小。

2. 数据分析在数据分析中,射影定理被用于主成分分析(PCA)技术中。

主成分分析是一种降维技术,通过将原始数据投影到一组正交基向量上,可以减小数据的维度并保留大部分的信息。

3. 信号处理在信号处理中,射影定理被用于信号的去噪和滤波。

通过将信号表示为投影向量和正交向量的和,可以滤除一些噪声成分,从而提高信号的质量。

四、射影定理的证明射影定理的证明可以基于向量的线性相关性和线性无关性,具体的证明过程较为复杂,超出本文的范围。

感兴趣的读者可以参考相关的线性代数教材或者学术文献进行进一步研究。

五、总结射影定理是线性代数中的重要定理,它描述了向量在向量空间中的投影。

第3讲 实内积空间汇总

第3讲 实内积空间汇总

第3讲 实内积空间内容:1. 实内积空间2. 正交基及正交补与正交投影3. 内积空间的同构4. 正交变换与对称变换在线性空间中,元素(向量)之间的运算仅限于元素(向量)的线性运算.但是,如果以向量作为线性空间的一个模型,则会发现向量的度量(即长度)与向量间的位置关系在线性空间的理论中没有得到反映,而这些性质在许多实际问题中却是很关键的.因此,将在抽象的线性空间中引进内积运算,导出内积空间,并讨论正交变换与正交矩阵及对称变换与对称矩阵.§1 内积空间在解析几何中,向量的长度与夹角等度量性质都可以通过向量的数量积来表示,而向量的数量积具有以下的代数性质:对称性),(),(αββα=;可加性 ),(),(),(γβγαγβα+=+;齐次性R k k k ∈∀=),,(),(βαβα;非负性0),(≥αα,当且仅当0=α时,0),(=αα.以数量积为基础,向量的长度与夹角可表示为: ),(ααα=,βαβαβα⋅>=<),(,cos .可见数量积的概念蕴涵着长度与夹角的概念,将该概念推广至抽象的线性空间.定义1.1 设V 是实线性空间,若对于V 中任意两个元素(向量)α和β,总能对应唯一的实数,记作),(βα,且满足以下的性质:(1) 对称性 ),(),(αββα=(2) 可加性 ),(),(),(γβγαγβα+=+(3) 齐次性 R k k k ∈∀=),,(),(βαβα(4) 非负性 0),(≥αα,当且仅当0=α时,0),(=αα. 则称该实数是V 中向量α和β的内积.称内积为实数的实线性空间V 为欧几里得(Euclid)空间,简称为欧氏空间.称定义了内积的线性空间为内积空间.例 1.1 在n 维向量空间n R 中,任意两个向量:T n x x x ),,,(21 =α,T n y y y ),,,(21 =β,若规定:βαβαT nk k k n n y x y x y x y x ==+++=∑=12211),( ,则容易验证,这符合内积的定义,是n R 中向量α和β的内积.另外,若规定:∑==nk k k y kx 1),(βα,0>k ,同样可验证,这也是n R 中向量α和β的内积.由此可见,在同一个实线性空间的元素之间,可以定义不同的内积,即内积不是唯一的.从而,同一个实线性空间在不同内积下构成不同的欧氏空间.例 1.2 在[]b a ,上连续的实函数的实线性空间[]b a C ,中,对任意函数[]b a C x g x f ,)(),(∈,定义:⎰=ba dx x g x f g f )()(),(,则可以证明这是[]b a C ,上)(x f 与)(x g 的一种内积.欧氏空间V 中的内积具有如下的性质:(1) V o o ∈∀==ααα,0),(),((2) R k V k k ∈∀∈∀=,,),,(),(βαβαβα(3) V ∈∀+=+γβαγαβαγβα,,),,(),(),((4) ),(),(1111∑∑∑∑=====n j ni j i j i n i n j j j i i y x l k y l x k事实上,由定义1.1有:0),(0),0(),(===αβαβαo ;),(),(),(),(βααβαββαk k k k ===;),(),(),(),(),(),(γαβααγαβαγβγβα+=+=+=+;因此,性质(1)至(3)成立,再结合数学归纳法容易验证性质(4)也成立.定义1.2 设α是欧氏空间V 中的任一元素(向量),则非负实数),(αα称为元素(向量)α的长度或模,记作α.称长度为1的元素(向量)称为单位元素(向量),零元素(向量)的长度为0.由定义1.2易知,元素(向量)的长度具有下列性质: (1) V R k k k ∈∀∈∀⋅=ααα,,(2) 当o ≠α时,,11=αα即αα1是一个单位元素(向量).通常称此为把非零元素(向量)α单位化.定理1.1 (Cauchy-Schwarz 不等式). 设βα,是欧氏空间V 中的任意两个元素(向量),则不等式βαβα⋅≤),(,对V ∈∀βα,均成立,并且当且仅当α与β线性相关时,等号成立.证明:当α与β至少有一个是零元素(向量)时,结论显然成立.现在设βα,均为非零元素(向量),则)),(),(,),(),((ββββααββββαα--[]0),(),(),(2≥-=βββααα, 因此有[]),(),(),(2ββααβα≤, 即βαβα⋅≤),(.而且当且仅当ββββαα),(),(=,即α与β线性相关时,等号成立.定义1.3 设x 与y 是欧氏空间V 中的任意两个元素(向量),则称yx y x ),(arccos =θ为x 与y 的夹角,记作,,><y x 即 ),0(,),(arccos ,πθ≤><≤=>=<y x yx y x y x . 例 1.3 试证明欧氏空间V 中成立三角不等式V y x y x y x ∈∀+≤+,,.证明 因),(2y x y x y x ++=+),(),(2),(y y y x x x ++=,由Schwarz Cauchy -不等式,有 222222)(2),(2y x y y x x y y x x y x +=++≤++=+, 即有 y x y x +≤+ .§2 正交基及正交补与正交投影1 正交基定义 2.1 设y x ,是欧氏空间V 中的任意两个元素(向量),如果0),(=y x ,则称元素(向量)x 与y 正交,记作.y x ⊥.由定义2.1易知,零元素(向量)与任何元素(向量)均正交.若,o x ≠由于,0),(>x x 所以非零元素(向量)不会与自身正交,即只有零元素(向量)才与自己正交.例 2.1 在2R 中,对于任意两个向量x 与y 的内积,定义:(1)y x y x T =1),(;(2) Ay x y x T =),(,其中⎥⎦⎤⎢⎣⎡=2111A .由此所得的两个欧氏空间分别记为21R 与22R ,试判断向量T x )1,1(0=与T y )1,1(0-=在21R 与22R 中是否正交?解 由于 011)1,1(),(100=⎪⎪⎭⎫⎝⎛-=y x ;01112111)1,1(),(200≠=⎪⎪⎭⎫ ⎝⎛-⎥⎦⎤⎢⎣⎡=y x . 故向量x 与y 在21R 中正交,在22R 中不正交.说明:两元素(向量)正交与否由所在空间的内积确定. 此外,在欧氏空间V 中也有勾股定理,即当y x ⊥时,有 222y x y x +=+.可将其推广至多个元素(向量),即当m ααα,,,21 两两正交时,有22221221m m αααααα+++=+++ .定义2.2 欧氏空间V 中一组非零元素(向量),若两两正交,则称其为一个正交元素(向量)组.定理 2.1 若m ααα,,,21 是欧氏空间V 中一个正交元素(向量)组,则m ααα,,,21 线性无关.证明 设有一组数m k k k ,,,21 ,使o k k k m m =+++ααα 2211,在上式两边分别用),2,1(m i i =α作内积,可得),,2,1(,0),(),(),(21m i k k k i m m i i ==+++αααααα, 由于j i ≠时,0),(=j i αα故可得),,2,1(0),(m i k i i i ==αα,又 0≠i α时, 0),(>i i αα, 从而有),2,1(0m i k i ==,所以m ααα,,,21 线性无关.推论:在n 维欧氏空间中,正交元素(向量)组所含元素(向量)的个数不会超过n 个.定义2.3 在n 维欧氏空间V 中,由n 个元素(向量)构成的正交元素(向量)组称为V 的正交基;由单位元素(向量)组成的正交基叫作标准正交基.定理 2.2 (Schmidt 正交化方法) 设n ααα,,,21 是n 维欧氏空间V 的任意一个基,则总可将其进行适当运算后化为V 的一个正交基,进而将其化为一个标准正交基.证明 因为m ααα,,,21 线性无关,所以),,2,1(0n i i =≠α. 首先, 取11αβ=;其次, 令1111222),(),(ββββααβ-=,则可得两个正交元素(向量)21,ββ;再次, 令222231111333),(),(),(),(ββββαββββααβ--=,则得到三个正交元素(向量).,,321βββ依此进行下去,一般有),,3,2(),(),(),(),(),(),(111122221111n i i i i i i i i i i =----=----ββββαββββαββββααβ 这样得到V 的一个正交基.再将其单位化,令 ),,2,1(1n i i i i ==ββγ,则可得V 的一组标准正交基n γγγ,,,21 .例2.1 在4R 中,将基T )0,0,1,1(1=α,T )0,1,0,1(2=α,T )1,0,0,1(3-=α, T )1,1,1,1(4--=α,用Schmidt 正交化方法化为标准正交基.解 先正交化令 ;)0,0,1,1(11T ==αβ ;)0,1,21,21(),(),(1111222T -=-=ββββααβ ;)1,31,31,31(),(),(),(),(222231111333T -=--=ββββαββββααβ T )1,1,1,1(),(),(),(),(),(),(33334222241111444--=---=ββββαββββαββββααβ 再单位化令 T )0,0,21,21(1111==ββγ T)0,62,61,61(1222-==ββγ T )123,121,121,121(1333-==ββγ T )21,21,21,21(1444--==ββγ则 4321,,,γγγγ 就是所要求的标准正交基.例2.2 设n εεε,,,21 是n 维欧氏空间V 的一个标准正交基, n n x x x x εεε+++= 2211,n n y y y y εεε++= 2211,则有),(),(11∑∑===n j j j n i i i y x y x εε∑==n i ii y x 1.在标准正交基下,V 中任意两个元素(向量)的内积等于它们对应坐标的乘积之和.定义2.4 设n εεε,,,21 是n 维欧氏空间V 的一个基,x ,y 在其基下的坐标表示分别为T n x x x x ),,,(21 =,T n y y y y ),,,(21 =,(∑==n i i i x x 1ε,∑==n i i i y y 1ε),则有Gy x y g x y x y x y x T j nj i ij i j j n j i i i n j j j n i i i ====∑∑∑∑======111111),(),(),(εεεε.其中,)(ij g G G =为n 阶方阵,n j i g j i ij ,,2,1,),,( ==εε.称G 为度量矩阵,它为对称可逆矩阵.2 正交补与正交投影定义 2.5 设1W 和2W 是欧氏空间V 的两个子空间,若对任意的21,W y W x ∈∈总有0),(=y x 成立,则称1W 与2W 正交,记作21W W ⊥.若对某个确定的x 及任意的W y ∈,总有0),(=y x 成立,则称x 与W 正交,记作x W ⊥.例 2.3 设{}R y x y x W ∈=,)0,,(1,{}R z z W ∈=),0,0(2 ,则容易得1W 和2W 均为3R 的子空间,且 12W W ⊥.定理2.3 设s W W W ,,,21 是欧氏空间V 的子空间,且两两正交,则s W W W +++ 21是直和.证明 设),,2,1(s i W i i =∈α且 o s =+++ααα 21,分别用iα在上式两边作内积,得0),(=i i αα,即),,2,1(s i oi ==α,即s W W W +++ 21是直和.定义 2.6 设1W 和2W 是欧氏空间V 的两个子空间,若21W W ⊥,且V W W =+21,则称1W 与2W 互为正交补,记作⊥=21W W 或12W W V ⊕=. 定理 2.4 欧氏空间V 的任一个子空间W ,都存在唯一的正交补W ⊥.证明 先证存在性.设m εεε,,,21 是子空间W 的一个标准正交基,则可以扩充为V 的一个标准正交基:n m m εεεεε,,,,,1,21 +,显然:),,(1n m L W εε +⊥=.再证唯一性.设1W 与2W 都是W 的正交补,则1W W V ⊕=,2W W V ⊕=,令任意的o x W x ≠∈,2,则 W x ∉,且W y y x ∈∀=,0),(,所以1W x ∈ ,即12W W ⊂.同理有 21W W ⊂.因此得 12W W =.定理2.4既证明了欧氏空间中任意子空间的正交补是存在且唯一的,又给出了正交补的计算方法.另外,V 中的任一向量x 都可唯一地分解为⊥∈∈+=W z W y z y x ,,.由此可引进正投影的概念.定义2.7 设x 是欧氏空间V 中任意的一个元素(向量),W 是V 的一个子空间,且x 被分解为.,,⊥∈∈+=W z W y z y x ,则称y 元素(向量)为x 元素(向量)在子空间W 上的正投影(又称内投影).显然W W =⊥⊥)(,故z 为元素(向量)x 在⊥W 上的正投影.例2.4 设 {}R x x W ∈=)0,0,(,则W 是3R 的一个子空间,且它的正交补为{}R z y z y W ∈=⊥,),,0(.若3),,(R c b a ∈=α,α在W 上的正投影为)0,0,(a ,在⊥W 上的正投影为),,0(c b .§3 实内积空间的同构定义3.1 设V 与U 是两个欧氏空间,若存在V 到U 的一个一一对应σ,使(1) U V ∈∈∀+=+)(),(;,),()()(βσασβαβσασβασ(2) U k R k V k k ∈∈∀∈∀=)(;,),()(ασαασασ(3) U V ∈∈∀=)(),(;,),,())(),((βσασβαβαβσασ则称σ为V 到U 的一个同构映射,并称欧氏空间V 与U 同构.同构作为欧氏空间的关系与线性空间的同构相同,因此有:同构的有限维欧氏空间必有相同的维数;任意一个n 维欧氏空间均与n R 同构.此外,欧氏空间的同构还具有以下性质:反身性:任意一个欧氏空间V 均与自己同构;对称性:若V 与V '同构,则V '与V 同构;传递性:若V 与V '同构, V '与V ''同构,则V 与V ''同构.事实上,(1) V 到V 的恒等映射是一个同构映射;(2)设σ是V 到V '的同构映射,记1-σ为σ的逆映射,则对V ∈∀βα,有βαβασσβσασσ+=+=+--))(())()((11))(())((11βσσασσ--+=, ))(())(())((111ασσαασσασσ---===k k k k ,))(),((),()))(()),(((11βσασβαβσσασσ==--,即1-σ是V '到V 的一个同构映射.(3) 传递性的证明留作习题.§4 正交变换与对称变换1 正交变换与正交矩阵定义 4.1 设V 是一个欧氏空间,σ是V 上的线性变换,如果对任意的元素(向量)V ∈βα,,均有),())(),((βαβσασ=成立,则称σ是V 上的一个正交变换.例如,恒等变换是一个正交变换,坐标平面上的旋转变换也是一个正交变换.正交变换可以从以下几个方面来刻画.定理4.1 设σ是欧氏空间V 上的一个线性变换,则下列命题是等价的:(1) σ是一个正交变换;(2) 保持元素(向量)的长度不变,即对任意的V ∈α,有αασ=)(;(3) V 中的任意一个标准正交基在下的象仍是一个标准正交基;(4) 在任一个标准正交基下的矩阵是正交矩阵,即E A A AA T T ==.证明 采用循环证法。

第3讲 实内积空间

第3讲 实内积空间

第3讲 实内积空间内容:1. 实内积空间2. 正交基及正交补与正交投影3. 内积空间的同构4. 正交变换与对称变换在线性空间中,元素(向量)之间的运算仅限于元素(向量)的线性运算.但是,如果以向量作为线性空间的一个模型,则会发现向量的度量(即长度)与向量间的位置关系在线性空间的理论中没有得到反映,而这些性质在许多实际问题中却是很关键的.因此,将在抽象的线性空间中引进内积运算,导出内积空间,并讨论正交变换与正交矩阵及对称变换与对称矩阵.§1 内积空间在解析几何中,向量的长度与夹角等度量性质都可以通过向量的数量积来表示,而向量的数量积具有以下的代数性质:对称性),(),(αββα=;可加性 ),(),(),(γβγαγβα+=+;齐次性R k k k ∈∀=),,(),(βαβα;非负性0),(≥αα,当且仅当0=α时,0),(=αα.以数量积为基础,向量的长度与夹角可表示为: ),(ααα=,βαβαβα⋅>=<),(,cos .可见数量积的概念蕴涵着长度与夹角的概念,将该概念推广至抽象的线性空间.定义1.1 设V 是实线性空间,若对于V 中任意两个元素(向量)α和β,总能对应唯一的实数,记作),(βα,且满足以下的性质:(1) 对称性 ),(),(αββα=(2) 可加性 ),(),(),(γβγαγβα+=+(3) 齐次性 R k k k ∈∀=),,(),(βαβα(4) 非负性 0),(≥αα,当且仅当0=α时,0),(=αα. 则称该实数是V 中向量α和β的内积.称内积为实数的实线性空间V 为欧几里得(Euclid)空间,简称为欧氏空间.称定义了内积的线性空间为内积空间.例 1.1 在n 维向量空间n R 中,任意两个向量:T n x x x ),,,(21 =α,T n y y y ),,,(21 =β,若规定:βαβαT nk k k n n y x y x y x y x ==+++=∑=12211),( ,则容易验证,这符合内积的定义,是n R 中向量α和β的内积.另外,若规定:∑==nk k k y kx 1),(βα,0>k ,同样可验证,这也是n R 中向量α和β的内积.由此可见,在同一个实线性空间的元素之间,可以定义不同的内积,即内积不是唯一的.从而,同一个实线性空间在不同内积下构成不同的欧氏空间.例 1.2 在[]b a ,上连续的实函数的实线性空间[]b a C ,中,对任意函数[]b a C x g x f ,)(),(∈,定义:⎰=ba dx x g x f g f )()(),(,则可以证明这是[]b a C ,上)(x f 与)(x g 的一种内积.欧氏空间V 中的内积具有如下的性质:(1) V o o ∈∀==ααα,0),(),((2) R k V k k ∈∀∈∀=,,),,(),(βαβαβα(3) V ∈∀+=+γβαγαβαγβα,,),,(),(),((4) ),(),(1111∑∑∑∑=====n j ni j i j i n i n j j j i i y x l k y l x k事实上,由定义1.1有:0),(0),0(),(===αβαβαo ;),(),(),(),(βααβαββαk k k k ===;),(),(),(),(),(),(γαβααγαβαγβγβα+=+=+=+;因此,性质(1)至(3)成立,再结合数学归纳法容易验证性质(4)也成立.定义1.2 设α是欧氏空间V 中的任一元素(向量),则非负实数),(αα称为元素(向量)α的长度或模,记作α.称长度为1的元素(向量)称为单位元素(向量),零元素(向量)的长度为0.由定义1.2易知,元素(向量)的长度具有下列性质: (1) V R k k k ∈∀∈∀⋅=ααα,,(2) 当o ≠α时,,11=αα即αα1是一个单位元素(向量).通常称此为把非零元素(向量)α单位化.定理1.1 (Cauchy-Schwarz 不等式). 设βα,是欧氏空间V 中的任意两个元素(向量),则不等式βαβα⋅≤),(,对V ∈∀βα,均成立,并且当且仅当α与β线性相关时,等号成立.证明:当α与β至少有一个是零元素(向量)时,结论显然成立.现在设βα,均为非零元素(向量),则)),(),(,),(),((ββββααββββαα--[]0),(),(),(2≥-=βββααα, 因此有[]),(),(),(2ββααβα≤, 即βαβα⋅≤),(.而且当且仅当ββββαα),(),(=,即α与β线性相关时,等号成立.定义1.3 设x 与y 是欧氏空间V 中的任意两个元素(向量),则称yx y x ),(arccos =θ为x 与y 的夹角,记作,,><y x 即 ),0(,),(arccos ,πθ≤><≤=>=<y x yx y x y x . 例 1.3 试证明欧氏空间V 中成立三角不等式V y x y x y x ∈∀+≤+,,.证明 因),(2y x y x y x ++=+),(),(2),(y y y x x x ++=,由Schwarz Cauchy -不等式,有 222222)(2),(2y x y y x x y y x x y x +=++≤++=+, 即有 y x y x +≤+ .§2 正交基及正交补与正交投影1 正交基定义 2.1 设y x ,是欧氏空间V 中的任意两个元素(向量),如果0),(=y x ,则称元素(向量)x 与y 正交,记作.y x ⊥.由定义2.1易知,零元素(向量)与任何元素(向量)均正交.若,o x ≠由于,0),(>x x 所以非零元素(向量)不会与自身正交,即只有零元素(向量)才与自己正交.例 2.1 在2R 中,对于任意两个向量x 与y 的内积,定义:(1)y x y x T =1),(;(2) Ay x y x T =),(,其中⎥⎦⎤⎢⎣⎡=2111A .由此所得的两个欧氏空间分别记为21R 与22R ,试判断向量T x )1,1(0=与T y )1,1(0-=在21R 与22R 中是否正交?解 由于 011)1,1(),(100=⎪⎪⎭⎫⎝⎛-=y x ;01112111)1,1(),(200≠=⎪⎪⎭⎫ ⎝⎛-⎥⎦⎤⎢⎣⎡=y x . 故向量x 与y 在21R 中正交,在22R 中不正交.说明:两元素(向量)正交与否由所在空间的内积确定. 此外,在欧氏空间V 中也有勾股定理,即当y x ⊥时,有 222y x y x +=+.可将其推广至多个元素(向量),即当m ααα,,,21 两两正交时,有22221221m m αααααα+++=+++ .定义2.2 欧氏空间V 中一组非零元素(向量),若两两正交,则称其为一个正交元素(向量)组.定理 2.1 若m ααα,,,21 是欧氏空间V 中一个正交元素(向量)组,则m ααα,,,21 线性无关.证明 设有一组数m k k k ,,,21 ,使o k k k m m =+++ααα 2211,在上式两边分别用),2,1(m i i =α作内积,可得),,2,1(,0),(),(),(21m i k k k i m m i i ==+++αααααα, 由于j i ≠时,0),(=j i αα故可得),,2,1(0),(m i k i i i ==αα,又 0≠i α时, 0),(>i i αα, 从而有),2,1(0m i k i ==,所以m ααα,,,21 线性无关.推论:在n 维欧氏空间中,正交元素(向量)组所含元素(向量)的个数不会超过n 个.定义2.3 在n 维欧氏空间V 中,由n 个元素(向量)构成的正交元素(向量)组称为V 的正交基;由单位元素(向量)组成的正交基叫作标准正交基.定理 2.2 (Schmidt 正交化方法) 设n ααα,,,21 是n 维欧氏空间V 的任意一个基,则总可将其进行适当运算后化为V 的一个正交基,进而将其化为一个标准正交基.证明 因为m ααα,,,21 线性无关,所以),,2,1(0n i i =≠α. 首先, 取11αβ=;其次, 令1111222),(),(ββββααβ-=,则可得两个正交元素(向量)21,ββ;再次, 令222231111333),(),(),(),(ββββαββββααβ--=,则得到三个正交元素(向量).,,321βββ依此进行下去,一般有),,3,2(),(),(),(),(),(),(111122221111n i i i i i i i i i i =----=----ββββαββββαββββααβ 这样得到V 的一个正交基.再将其单位化,令 ),,2,1(1n i i i i ==ββγ,则可得V 的一组标准正交基n γγγ,,,21 .例2.1 在4R 中,将基T )0,0,1,1(1=α,T )0,1,0,1(2=α,T )1,0,0,1(3-=α, T )1,1,1,1(4--=α,用Schmidt 正交化方法化为标准正交基.解 先正交化令 ;)0,0,1,1(11T ==αβ ;)0,1,21,21(),(),(1111222T -=-=ββββααβ ;)1,31,31,31(),(),(),(),(222231111333T -=--=ββββαββββααβ T )1,1,1,1(),(),(),(),(),(),(33334222241111444--=---=ββββαββββαββββααβ 再单位化令 T )0,0,21,21(1111==ββγ T)0,62,61,61(1222-==ββγ T )123,121,121,121(1333-==ββγ T )21,21,21,21(1444--==ββγ则 4321,,,γγγγ 就是所要求的标准正交基.例2.2 设n εεε,,,21 是n 维欧氏空间V 的一个标准正交基, n n x x x x εεε+++= 2211,n n y y y y εεε++= 2211,则有),(),(11∑∑===n j j j n i i i y x y x εε∑==n i ii y x 1.在标准正交基下,V 中任意两个元素(向量)的内积等于它们对应坐标的乘积之和.定义2.4 设n εεε,,,21 是n 维欧氏空间V 的一个基,x ,y 在其基下的坐标表示分别为T n x x x x ),,,(21 =,T n y y y y ),,,(21 =,(∑==n i i i x x 1ε,∑==n i i i y y 1ε),则有Gy x y g x y x y x y x T j nj i ij i j j n j i i i n j j j n i i i ====∑∑∑∑======111111),(),(),(εεεε.其中,)(ij g G G =为n 阶方阵,n j i g j i ij ,,2,1,),,( ==εε.称G 为度量矩阵,它为对称可逆矩阵.2 正交补与正交投影定义 2.5 设1W 和2W 是欧氏空间V 的两个子空间,若对任意的21,W y W x ∈∈总有0),(=y x 成立,则称1W 与2W 正交,记作21W W ⊥.若对某个确定的x 及任意的W y ∈,总有0),(=y x 成立,则称x 与W 正交,记作x W ⊥.例 2.3 设{}R y x y x W ∈=,)0,,(1,{}R z z W ∈=),0,0(2 ,则容易得1W 和2W 均为3R 的子空间,且 12W W ⊥.定理2.3 设s W W W ,,,21 是欧氏空间V 的子空间,且两两正交,则s W W W +++ 21是直和.证明 设),,2,1(s i W i i =∈α且 o s =+++ααα 21,分别用iα在上式两边作内积,得0),(=i i αα,即),,2,1(s i oi ==α,即s W W W +++ 21是直和.定义 2.6 设1W 和2W 是欧氏空间V 的两个子空间,若21W W ⊥,且V W W =+21,则称1W 与2W 互为正交补,记作⊥=21W W 或12W W V ⊕=. 定理 2.4 欧氏空间V 的任一个子空间W ,都存在唯一的正交补W ⊥.证明 先证存在性.设m εεε,,,21 是子空间W 的一个标准正交基,则可以扩充为V 的一个标准正交基:n m m εεεεε,,,,,1,21 +,显然:),,(1n m L W εε +⊥=.再证唯一性.设1W 与2W 都是W 的正交补,则1W W V ⊕=,2W W V ⊕=,令任意的o x W x ≠∈,2,则 W x ∉,且W y y x ∈∀=,0),(,所以1W x ∈ ,即12W W ⊂.同理有 21W W ⊂.因此得 12W W =.定理2.4既证明了欧氏空间中任意子空间的正交补是存在且唯一的,又给出了正交补的计算方法.另外,V 中的任一向量x 都可唯一地分解为⊥∈∈+=W z W y z y x ,,.由此可引进正投影的概念.定义2.7 设x 是欧氏空间V 中任意的一个元素(向量),W 是V 的一个子空间,且x 被分解为.,,⊥∈∈+=W z W y z y x ,则称y 元素(向量)为x 元素(向量)在子空间W 上的正投影(又称内投影).显然W W =⊥⊥)(,故z 为元素(向量)x 在⊥W 上的正投影.例2.4 设 {}R x x W ∈=)0,0,(,则W 是3R 的一个子空间,且它的正交补为{}R z y z y W ∈=⊥,),,0(.若3),,(R c b a ∈=α,α在W 上的正投影为)0,0,(a ,在⊥W 上的正投影为),,0(c b .§3 实内积空间的同构定义3.1 设V 与U 是两个欧氏空间,若存在V 到U 的一个一一对应σ,使(1) U V ∈∈∀+=+)(),(;,),()()(βσασβαβσασβασ(2) U k R k V k k ∈∈∀∈∀=)(;,),()(ασαασασ(3) U V ∈∈∀=)(),(;,),,())(),((βσασβαβαβσασ则称σ为V 到U 的一个同构映射,并称欧氏空间V 与U 同构.同构作为欧氏空间的关系与线性空间的同构相同,因此有:同构的有限维欧氏空间必有相同的维数;任意一个n 维欧氏空间均与n R 同构.此外,欧氏空间的同构还具有以下性质:反身性:任意一个欧氏空间V 均与自己同构;对称性:若V 与V '同构,则V '与V 同构;传递性:若V 与V '同构, V '与V ''同构,则V 与V ''同构.事实上,(1) V 到V 的恒等映射是一个同构映射;(2)设σ是V 到V '的同构映射,记1-σ为σ的逆映射,则对V ∈∀βα,有βαβασσβσασσ+=+=+--))(())()((11))(())((11βσσασσ--+=, ))(())(())((111ασσαασσασσ---===k k k k ,))(),((),()))(()),(((11βσασβαβσσασσ==--,即1-σ是V '到V 的一个同构映射.(3) 传递性的证明留作习题.§4 正交变换与对称变换1 正交变换与正交矩阵定义 4.1 设V 是一个欧氏空间,σ是V 上的线性变换,如果对任意的元素(向量)V ∈βα,,均有),())(),((βαβσασ=成立,则称σ是V 上的一个正交变换.例如,恒等变换是一个正交变换,坐标平面上的旋转变换也是一个正交变换.正交变换可以从以下几个方面来刻画.定理4.1 设σ是欧氏空间V 上的一个线性变换,则下列命题是等价的:(1) σ是一个正交变换;(2) 保持元素(向量)的长度不变,即对任意的V ∈α,有αασ=)(;(3) V 中的任意一个标准正交基在下的象仍是一个标准正交基;(4) 在任一个标准正交基下的矩阵是正交矩阵,即E A A AA T T ==.证明 采用循环证法。

高中数学第三章空间向量与立体几何3.1.4空间向量的正交分解及其坐标表示课件新人教A版选修2

高中数学第三章空间向量与立体几何3.1.4空间向量的正交分解及其坐标表示课件新人教A版选修2
学习课件
高中数学第三章空间向量与立体几何3.1.4空间向量的正交分解及其坐标表 示课件新人教A版选修2
3.1.4 空间向量的正交分解及其坐标表示
跟踪训练 2 如图,已知正方体 ABCD-A′B′C′D′, 点 E 是上底面 A′B′C′D′的中心,分别取向量A→B,A→D,A→A′ 为基底,若
(1)BD→′=xA→D+yA→B+zAA→′; (2)A→E=xA→D+yA→B+zA→A′. 试分别确定 x,y,z 的值.
休息时间到啦
同学们,下课休息十分钟。现在是休息时间,你 们休息一下眼睛,
看看远处,要保护好眼睛哦~站起来动一动,久坐 对身体不好哦~
Hale Waihona Puke 结束语同学们,你们要相信梦想是价值的源泉,相信成 功的信念比成功本身更重要,相信人生有挫折没 有失败,相信生命的质量来自决不妥协的信念, 考试加油!奥利给~
法一:如图所示,
∵M→N=M→A+A→P +P→N
=-12A→B+A→P+12P→C =-12A→B+A→P+12(P→A+A→C) =-12A→B+A→P+12(P→A+A→B+A→D) =12A→D+12A→P=12e2+12e3, ∴M→N=0,12,12.
法二:如图所示, 连接 AC,BD 交于点 O.则 O 为 AC,BD 的中点, 连接 MO,ON, ∴M→O=12B→C=12A→D,O→N=12A→P, ∴M→N=M→O+O→N=12A→D+12A→P=12e2+12e3. ∴M→N=0,12,12.

高中数学选修2-13.1.4空间向量的正交分解及其坐标表示课件 (共31张PPT)

高中数学选修2-13.1.4空间向量的正交分解及其坐标表示课件 (共31张PPT)

探究三 求空间向量的坐标
[典例 3] 在直三棱柱 ABO-A1B1O1 中,∠AOB=π2,AO=4, BO=2,AA1=4,D 为 A1B1 的中点,在如图所示的空间直角 坐标系中,求D→O,A→1B的坐标. [解析] ∵D→O=-O→D=-(O→O1+O→1D) =-[O→O1+12(O→A+O→B)] =-O→O1-12O→A-12O→B.
2.如图,四棱锥 P-OABC 的底面为一矩形,PO⊥平面 OABC, 设O→A=a,O→C=b,O→P=c,E,F 分别是 PC 和 PB 的中点, 试用 a,b,c 表示B→F,B→E,A→E,E→F.
解析:连接 BO,则B→F=12B→P =12(B→O+O→P)=12(c-b-a) =-12a-12b+12c. B→E=B→C+C→E=-a+12C→P=-a+12(C→O+O→P)=-a-12b+12c. A→E=A→P+P→E=A→O+O→P+12(P→O+O→C)=-a+c+12(-c+b)=-a+12b+12c. E→F=12C→B=12O→A=12a.
3.已知 PA 垂直于正方形 ABCD 所在的平面,M,N 分别是 AB,PC 的中点, 并且 PA=AD=1,试建立适当的坐标系并写出向量M→N,D→C的坐标.
解析:如图所示,因为 PA=AD=AB=1,且 PA⊥平面 ABCD, AD⊥AB,所以可设D→A=e1,A→B=e2,A→P=e3,以{e1,e2,e3} 为基底建立空间直角坐标系 A-xyz. 因为D→C=A→B=e2,
M→N=M→A+A→P+P→N=M→A+A→P+12P→C =-12A→B+A→P+12(P→A+A→D+D→C) =-12e2+e3+12(-e3-e1+e2)=-12e1+12e3. 所以M→N=-12,0,12,D→C=(0,1,0).

第十三讲 正交投影

第十三讲 正交投影

13.1 引言上一讲中,我们得到如下结果:设为阶阵,1.2.3.设有解,则在中有唯一解.设是的解. 则直观上,13.1 引言例:直观上, 是 在 这条直线上投影. 另一方面,若 无解,此时我们可以考虑问题: 求 使得 极小(或最小)?直观上, 无解 上述问题意味着求 上距离 最近的点 它是 在 上的投影点.有解13.1 引言例:即 平面在平面上投影点为则这一讲,我们讨论点(或向量)在空间投影问题. 则 无解13.2 点在直线和平面上的投影如右图,我们求在上的投影向量即在上投影向量为( 表示相应列向量.)13.2 点在直线和平面上的投影因此,称为投影矩阵. 是 在 上投影向量.设 是 所在直线,我们得到一个映射(向量空间之间的映射):(注意: 是一个 矩阵.)13.2 点在直线和平面上的投影例:即在轴上的投影.13.2 点在直线和平面上的投影三维空间情形是类似的.求在直线上投影令满足:我们得到一个映射:13.2 点在直线和平面上的投影下面我们考虑点在平面上的投影.给定平面设是在上的投影. 求令是平面上两无关向量, 即的基础解系或的一组基.令则平面求投影求关于的分解其中,13.2 点在直线和平面上的投影即是的解.是可逆阵( 列满秩)则此时称为投影矩阵.13.2 点在直线和平面上的投影例:求使得是在上的投影向量.解:注:可逆,因为的列线性无关.13.3 一般情形问题:为阶阵. 设求在上的投影即即是的解.1. 总有解.2.设是的两个解, 则是唯一的.注:一般情形中, 未必是可逆阵,除非列满秩.13.3 一般情形若可逆,投影阵满足一般地,一个矩阵满足则称为投影矩阵.自然问题:关于哪个空间的投影矩阵?检查投影的例子. 设为投影阵,则定理:设是一个投影矩阵,则。

人教A版选修21高二数学第一节《3.空间向量的正交分解及其坐标表示》精品PPT课件

人教A版选修21高二数学第一节《3.空间向量的正交分解及其坐标表示》精品PPT课件

Oxyz
空间向 对于空间任意一个向量 p,存在有序实数组{x,y,z},
量的坐 使得 p=xi+yj+zk,则把 x,y,z 称作向量 p 在单位
标表示 正交基底 i,j,k 下的坐标,记作 p=(x,y,z).
人 教 A 版 选修 21高二 数学第 一节《 3.空间 向量的 正交分 解及其 坐标表 示》课 件-精 品课件 ppt(实 用版)
人 教 A 版 选修 21高二 数学第 一节《 3.空间 向量的 正交分 解及其 坐标表 示》课 件-精 品课件 ppt(实 用版)
类型三 空间向量的坐标表示
[例 3] 在直三棱柱 ABO-A1B1O1 中,∠AOB=π2,AO=4, BO=2,AA1=4,D 为 A1B1 的中点,在如图所示的空间直角坐 标系中,求D→O,A→1B的坐标.
人 教 A 版 选修 21高二 数学第 一节《 3.空间 向量的 正交分 解及其 坐标表 示》课 件-精 品课件 ppt(实 用版)
人 教 A 版 选修 21高二 数学第 一节《 3.空间 向量的 正交分 解及其 坐标表 示》课 件-精 品课件 ppt(实 用版)
跟踪训练 1 若{a,b,c}是空间一个基底,试判断 {a+b,b+c,c+a}能否作为该空间的一个基底.
人 教 A 版 选修 21高二 数学第 一节《 3.空间 向量的 正交分 解及其 坐标表 示》课 件-精 品课件 ppt(实 用版)
人 教 A 版 选修 21高二 数学第 一节《 3.空间 向量的 正交分 解及其 坐标表 示》课 件-精 品课件 ppt(实 用版)
跟踪训练 3 如图所示,PA 垂直于正方形 ABCD 所在 的平面,M,N 分别是 AB,PC 的中点,并且 PA=AB=1. 试建立适当的空间直角坐标系,求向量M→N 的坐标.

投影定理

投影定理
因此, y1y, z1z,这就证明了 XYY .证毕.
定义(4) 当X=Y+Z,且Y垂直Z时,
下面给出正交投影的概念
定义(5) 当Y是Hilbert空间X的闭子空间时,对每个 xX, 存在唯一的 yY及 zY ,使 xyz .称y为x在空间Y
上的正交投影,简称为投影.
投影定理
主要定义:
定义(1)设X是线性空间, x,y 是X中的两点, 称集合
z x ( 1 ) y |0 1
为X中连接x和y的线段,记为[x,y].如果M是X的子集,对 M中的任何两点x,y,必有[x,y],则称M为X中的凸集.
定义(2)设X是内积空间,则
x,yX, xyx,y0
当今,落地式铣镗床发展的最大特点是 向高速 铣削发 展,均 为滑枕 式(无 镗轴)结 构,并 配备各 种不同 工艺性 能的铣 头附件 。该结 构的优 点是滑 枕的截 面大, 刚性好 ,行程 长,移 动速度 快,便 于安装 各种功 能附件 ,主要 是高速 镗、铣 头、两 坐标
双摆角铣头等,将落地铣镗床的工艺 性能及 加工范 围达到 极致, 大大提 高了加 工速度 与效率 。
卧式镗铣床运行速度越来越高,快速 移动速 度达
到25~30m/min,镗杆 最高转 速6000r/min。 而卧式 加工中 心的速 度更高 ,快速 移动高 达50m/min, 加速度5m/s2, 位置精 度0.008~0.01m m, 重复定 位精度 0.004~ 0.005mm。
落地式铣镗床铣刀
由于落地式铣镗床以加工大型零件 为主, 铣削工 艺范围 广,尤 其是大 功率、 强力切 削是落 地铣镗 床的一 大加工 优势, 这也是 落地铣 镗床的 传统工 艺概念 。而当 代落地 铣镗床 的技术 发展, 正在改 变传统 的工艺 概念与 加工方 法,高 速加工 的工艺 概念正 在替代 传统的 重切削 概念, 以高速 、高精 、高效 带来加 工工艺 方法的 改变, 从而也 促进了 落地式 铣镗床 结构性 改变和 技术水 平的提 高。

第2章 内积空间-2

第2章 内积空间-2

1 2
1 2
cos sin
sin cos
1 2
G
1 2
就是一个正交变换。因为此变换的矩阵表示 G 是正
交矩阵。
矩阵分析简明教程
例2 HouseHolder变换
如图,
e2
x
x ( x, e1 )e1 ( x, e2 )e2 ,

y
e1
因此向量 x 关于“与 e2 轴正交的直线”对称的镜
一、正交补与投影定理
定义 2.4.1 设 V1,V2 是数域 R上欧氏空间 V 的
两个子空间。向量 V 。如果对任意 V1 ,都 有 ( , ) 0 ,则称 与子空间 V1 正交,记
为 V1 。如果对任意 V2 ,都有 V1 , 则称子空间 V1 与 V2 正交,记为 V1 V2
就称 x 为方程组的最小二乘解,这种方法就称为
最小二乘法。
矩阵分析简明教程
令 y A x ,显然 y R( A) ,因此求不相容方 程组的最小二乘解的问题即为在 R( A) 中找出向 量 Ax,使得向量b 到 Ax 的距离比到子空间 R( A) 中其它向量的距离都短,即Ax 是向量 b 在 R( A)
1. 正交投影的概念
定义 设 V1 是数域 R上欧氏空间V 的子空间。
向量 V 。如果有 1 V1 , 2 V1 使得
1 2
则称 1 是 在 V1 上的正交投影。
定理 (投影定理)设 V1 是数域 R 上欧氏空间V 的
子空间,则对任意 V , 在 V1 上存在唯一 的正交投影。
矩阵分析简明教程
设 Rn 为单位向量,对任意 Rn ,定义
H ( E 2 H )
称H 为Householder 变换(初等反射变换),则 H 是 Rn 的正交变换。

线代第六版知识点总结

线代第六版知识点总结

线代第六版知识点总结线性代数是数学中的一个重要分支,它主要研究向量空间、线性变换以及矩阵理论。

第六版线性代数教材通常会对这些核心概念进行深入讲解,并可能包含一些新的理论发展或应用实例。

以下是对线性代数第六版可能包含的一些关键知识点的总结:1. 向量与向量空间:向量是具有大小和方向的量,向量空间是向量的所有可能线性组合的集合。

理解向量空间的基、维数以及向量在不同基下的表示是基础。

2. 矩阵运算:矩阵是数字的有序排列,可以进行加法、乘法、转置和求逆等运算。

矩阵的乘法规则、矩阵的行列式以及矩阵的秩是矩阵理论的核心内容。

3. 线性变换:线性变换是保持向量加法和标量乘法的函数。

理解线性变换的矩阵表示、特征值和特征向量是理解线性变换的关键。

4. 特征值与特征向量:特征值和特征向量是线性代数中的重要概念,它们与矩阵的对角化密切相关。

特征值问题在许多领域都有应用,如量子力学和经济学。

5. 正交性与正交投影:正交性是向量空间中的一种特殊关系,正交投影是将一个向量投影到另一个向量或向量空间上的操作。

理解正交基和正交补是解决许多几何和代数问题的基础。

6. 内积空间:内积空间是定义了内积运算的向量空间,它允许我们定义向量的长度和夹角。

欧几里得空间是最常见的内积空间。

7. 二次型:二次型是表达为变量的二次多项式的函数。

它们在优化问题和几何中有着广泛的应用。

8. 线性方程组:线性方程组是线性代数中最基本的问题之一。

解线性方程组的方法包括高斯消元法、克拉默法则和矩阵方法。

9. 矩阵分解:矩阵分解是将矩阵表示为更简单矩阵的乘积。

常见的矩阵分解有LU分解、QR分解和奇异值分解(SVD)。

10. 应用:线性代数在工程、物理、计算机科学、经济学和统计学等领域都有广泛的应用。

理解线性代数的基本概念对于解决这些领域的问题至关重要。

这些知识点构成了线性代数第六版教材的主要内容,为学习者提供了一个坚实的理论基础和丰富的应用实例。

通过深入学习这些概念,可以更好地理解和应用线性代数在现代科学和工程中的重要性。

内积空间中的正交和投影

内积空间中的正交和投影
投影可以用数学表达式表示为$mathbf{P}_{U}(mathbf{a}) = arg min_{mathbf{x} in U} |mathbf{a} mathbf{x}|^{2}$。
投影的性质
投影是非扩张的,即 $|mathbf{P}_{U}(mathbf{a})| leq
|mathbf{a}|$。
正交在解析几何、线性代数和物理等领域中都有广泛的应用,例如在解决物理问题、 图像处理和机器学习等领域中经常需要用到向量的正交。
02
内积空间中的投影
投影的定义
投影是将一个向量从内积空间投影到另一个子空间的过程。具体来说,给定向量$mathbf{a}$和子空间 $U$,投影$mathbf{P}_{U}(mathbf{a})$是满足$mathbf{P}_{U}(mathbf{a}) in U$且使 $mathbf{P}_{U}(mathbf{a}) perp mathbf{u}$的向量,其中$mathbf{u} in U$。
当子空间是超平面时,投影表示将向量投射到超平面 的法线方向上,使向量与超平面的距离最近。
投影在优化和机器学习中有广泛应用,例如在求解约 束优化问题时,可以将目标函数在约束条件下的解看
作是原问题解在约束子空间上的投影。
03
投影和正交的应用
在线性代数中的应用
线性子空间
投影可以将一个向量投射到指定的线性子空间上,通过计算向量的投影,可以得 到向量在子空间上的分量。
内积空间中的正交和投影的重要性
• 正交和投影是内积空间中的重要概念,它们在数学、物理和工程等领域中有着广泛的应用。正交表示两个向量相互垂直, 而投影则表示一个向量在另一个向量上的分量。这些概念在解决实际问题时非常有用,例如在信号处理、图像处理、量子 力学等领域中都有广泛的应用。

第3节正交补空间与正交投影(09-10第二学期)

第3节正交补空间与正交投影(09-10第二学期)
高等代数与解析几何
设 W 是欧氏空间 V 的一个子集,如果 V 中的向量
ξ 与 W 中的每个向量都正交,则称 ξ 与 W 正交,记作 ξ ⊥W.
定义 9.3.1 设 W 是欧氏空间 V 的一个非空子集,V 中与 W 正交的所有向量组成的集合称为 W 的正交补, 记作 W ,即

W ⊥ = {ξ ∈ V 〈ξ , β 〉 = 0 对任意的β ∈ W }
β 2 = β − β 1 = β − x1α 1 − x2α 2 −

− x rα r

由于 V = W ⊕ W , β 1 ∈ W , 而 所以 β 2 ∈ W , β 1 即 是 β 在 W 上的正交投影. 确定了 x1 , x2 ,
, xr ,也就 ⊥ 确 定 了 β1 . 由 于 β 2 ∈ W , 这 等 价 于 β 2 ⊥ α i , i = 1, 2, , r . 即
α 4 作内积得到
( β , α 4 ) = k (α 4 , α 4)
所以
1 −3 k= = =− 2 (α 4 , α 4) 6
(β ,α4 )
高等代数与解析几何
这样,就得到向量 β 在由向量 α 1 , α 2 , α 3 生成的子空 间 W 上的正交投影
1 1⎞ ⎛1 fW ( β ) = α = β − kα 4 = β + α 4 = ⎜ , 2, 0, ⎟ 2 2⎠ ⎝2
< β 2 , αi >= 0 (i = 1, 2, 3), 可得线性方程组
⎧ 7 x1 − 5 x2 + 5 x3 = 4, ⎪ ⎨ −5 x1 + 6 x2 − 2 x3 = −1, ⎪ 5 x − 2 x + 6 x = 3. 1 2 3 ⎩

9-2 投影定理

9-2 投影定理

d ( x, M ) = inf x − y
y∈M
(1)
问题 是否存在 y ∈ M ,使得
d ( x, M ) = x − y ?
如果存在这样的
(2)
y ,是否唯一? 是否唯一?
定义1 是线性空间, 定义1 设 X 是线性空间, x , y 是 X 中 的两点, 的两点,称集合
{ z = α x + (1− α ) y | 0 ≤ α ≤ 1}
2
2
= 2 y − x + 2 y0 − x − (y − x) + (y0 − x)
2 2
2
1 = 2δ + 2δ − 4 ( y + y0 ) − x . 2 由 M 的凸性, ( y0 + y ) ∈ M , 所以 2
1 2 2 || ( y0 + y ) − x || ≥ δ 2
(4)
1 ( yn + ym ) − x = yn + ym − 2x = 2 2
1 是凸集, 因为 M是凸集,所以 ( yn + ym )∈M,由此可得 2
vn + vm ≥ 2δ ,又因为 yn −ym =vn −vm ,所以有
yn − ym
2
= vn − vm
2
2 2 2
= − vn + vm + 2( vn + vm )
§2 投影定理
主要内容 一 极小化向量定理 二 投影定理

极小化向量定理
是度量空间, 的非空子集, 设 X 是度量空间, M 是 X 的非空子集,
x 是 X 中的一点, 中的一点, 一点

inf d ( x , y )

正交补与正交投影

正交补与正交投影

THANKS
感谢您的观看
在物理和工程中的应用
运动学和动力学
在物理中的运动学和动力学中,正交 投影被用于描述物体在空间中的位置、 速度和加速度,以及力的作用方向和 大小。
控制系统
信号处理
在信号处理中,正交投影被用于信号 的滤波、降噪和特征提取等任务,以 提高信号的质量和识别准确率。
在工程中的控制系统领域,正交投影 被用于描述系统的状态变化,以及系 统输入和输出的关系。
Part
05
正交补与正交投影的实例分析
线性代数中的实例分析
线性子空间的正交补
在向量空间中,如果一个子空间A的补集与A正交,则称A的正交补为A的极小正交补。例如,在三维空间中,平 面A由向量(1,0,0)和(0,1,0)张成,则A的正交补是垂直于A的直线,即(0,0,z)。
正交投影
对于任意一个向量x,在子空间A上的正交投影记作P_A(x),它是一个向量,满足x-P_A(x)属于A的正交补。例如, 在二维平面中,点(2,3)到直线x+y=1上的正交投影是点(1,-1)。
正交补与正交投影
• 正交补的定义与性质 • 正交投影的定义与性质 • 正交补与正交投影的应用 • 正交补与正交投影的关系 • 正交补与正交投影的实例分析
目录
Part
01
正交补的定义与性质
正交补的定义
正交补的定义
对于一个给定的向量空间V,如果一个 子空间U满足U的正交补定义为V中与 U正交的所有向量的集合,则称U为V 的一个正交补。
正交补
将一个向量或一个子空间的正交补转 化为投影,即该向量或子空间在另一 个指定子空间上的投影。
正交补与正交投影的异同点
相同点
正交补和正交投影都是基于向量的正交关系,都涉及到将一个向量或子空间转换到另一个子空间的过 程。

结晶学第三讲—晶体投影[1]课件PPT

结晶学第三讲—晶体投影[1]课件PPT

a = b, ≠ 90o a’≠ b’, = 90o
[010] (010)
b a
2021/3/10
[120]
[110]
a ≠ b, ≠ 90o
[100]
(110) (100) (120)
46
a = b = c, = = = 90o
c
c
a
b
c
结点直线族方向?
夹角?
a
2021/3/10
a
b
2021/3/10
49
a≠ b≠ c, = = = 90o
正交,作立方类似分析?
2021/3/10
50
Surface Reconstruction (I)
Wood 符号
p(1x1) p(2x2) (3x3)R30o p(1x1) c(2x2) p(2x2)
fcc(111), hcp(0001)
60o angle rhombus, Hexagonal, a = b = 120o
37
2021/3/10
Rectangular, a ≠ b = 90o
38
斜方 长方 有心长方 正方
六角
2021/3/10
Oblique, a ≠ b ≠ 90o Rectangular, a ≠ b = 90o
001
110
111
010
011
111 101
110
100
20
2021/3/10
21
第三讲(II) 点对称操作
晶体对称的特点:晶体外形的对称(宏观对
称)决定于晶体内部结构的对称性(平移对称性), 所有的晶体结构都是对称的。晶体外形是有限图形, 宏观对称是有限的,而微观结构被视作无限的。晶 体的对称不仅体现在外形上,同时也体现在物理性 质上。

无穷维下算子值域空间的正交补

无穷维下算子值域空间的正交补

无穷维下算子值域空间的正交补在无穷维下,算子值域空间的正交补是一个非常重要的概念。

在有限维空间中,我们可以很容易地定义一个向量空间的正交补,但是在无穷维空间中,情况就变得更加复杂了。

让我们回顾一下有限维空间中的正交补。

给定一个向量空间V和它的一个子空间W,我们定义W的正交补为所有与W中的向量正交的向量的集合。

也就是说,W的正交补是所有满足$<v,w>=0$的向量v的集合,其中w是W中的任意向量。

在无穷维空间中,我们需要对这个概念进行一些修改。

首先,我们需要定义一个无穷维向量空间的内积。

这个内积需要满足一些基本的性质,比如线性性、对称性和正定性。

一旦我们定义了内积,我们就可以像有限维空间一样定义正交向量的概念。

然而,我们需要注意的是,在无穷维空间中,正交向量的概念并不总是有意义的。

这是因为在无穷维空间中,我们可以有一些非常奇怪的向量,比如无限维的向量。

这些向量可能不满足我们通常所期望的性质,比如有限范数或者有限内积。

因此,在无穷维空间中,我们需要对正交补的定义进行一些限制。

一种常见的方法是限制我们所考虑的子空间W的维数。

具体来说,我们可以定义一个有限维子空间W的正交补为所有与W中的向量正交的向量的集合。

这个定义与有限维空间中的定义是一致的。

另一种方法是使用拓扑空间的概念。

在这种情况下,我们需要定义一个拓扑向量空间的内积,以及一个拓扑向量空间的正交补。

这个定义需要满足一些额外的条件,比如连续性和完备性。

这种方法更加抽象和一般化,但是也更加复杂。

在无穷维空间中,算子值域空间的正交补是一个非常重要的概念。

它可以帮助我们理解无穷维向量空间中的一些基本性质,比如正交分解和投影定理。

然而,由于无穷维空间的复杂性,我们需要对正交补的定义进行一些限制和修改,以确保它的合理性和可行性。

  1. 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. 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. 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)。
β 2 = β − β 1 = β − x1α 1 − x2α 2 −

− x rα r

由于 V = W ⊕ W , β 1 ∈ W , 而 所以 β 2 ∈ W , β 1 即 是 β 在 W 上的正交投影. 确定了 x1 , x2 ,
, xr ,也就 ⊥ 确 定 了 β1 . 由 于 β 2 ∈ W , 这 等 价 于 β 2 ⊥ α i , i = 1, 2, , r . 即
5 3 x1 = 2, x2 = , x3 = − 4 4
所以
fW ( β ) = β 1 = x1α 1 + x2α 2 + x3α 3
1⎞ ⎛1 = 2 α 1 + α 2 − α 3 = ⎜ , 2, 0, ⎟ . 2⎠ 4 4 ⎝2
5 3
高等代数与解析几何
例 1 在欧氏空间 R 里,设
4
解法二
高等代数与解析几何
β = (1, 2, −1, 0), α1 = ( −1, 2, −1,1) α 2 = (2, −1,1, 0), α 3 = (0,1, −1, 2)
解法一 按正交投影的定义. 设 β = β 1 + β 2 , 其中
β 1 ∈ W , β 2 ∈ W . 因此,
β 1 = x1α 1 + x2α 2 + x3α 3
高等代数与解析几何
设 W 是欧氏空间 V 的一个子集,如果 V 中的向量
ξ 与 W 中的每个向量都正交,则称 ξ 与 W 正交,记作 ξ ⊥W.
定义 9.3.1 设 W 是欧氏空间 V 的一个非空子集,V 中与 W 正交的所有向量组成的集合称为 W 的正交补, 记作 W ,即

W ⊥ = {ξ ∈ V 〈ξ , β 〉 = 0 对任意的β ∈ W }
高等代数与解析几何
⎛1 ⎜ ⎜0 ⎜ → ⎜0 ⎜ ⎜ ⎜0 ⎝
⎛1 3 ⎞ ⎜ ⎟ 1 1 −3 2 ⎟ ⎜ 0 ⎜ ⎟ ⎜ 7 −1 ⎟ → 0 −1 ⎜0 2 ⎟ ⎜ 1⎟ ⎜ 0 0 1 − ⎟ 2⎠ ⎜0 ⎝ 0 2 −5
0 1
0 0
2
1 2 7 0 −1 2 0 1
0
1 ⎞ ⎛1 ⎟ ⎜ 1 ⎟ ⎜0 ⎟ ⎜ ⎟→⎜ −1 ⎟ ⎜ 0 ⎟ ⎜ 1⎟ ⎜ − ⎟ ⎜0 2⎠ ⎝
对增广矩阵作初等行变换
⎛ −1 2 0 −1 1 ⎞ ⎛ −1 0 −2 5 −3 ⎞ ⎜ ⎟ ⎜ ⎟ ⎜ 0 3 1 −2 4 ⎟ → ⎜ 0 −1 −1 3 −2 ⎟ A→ ⎜ 0 −1 −1 3 −2 ⎟ ⎜ 0 0 −2 7 − 2 ⎟ ⎜ ⎟ ⎜ ⎟ 1 ⎠ ⎝ 0 0 0 6 −3 ⎠ ⎝ 0 2 2 0
所以 α 2 ⊥ W ,即 α 2 ∈ W . 从而

α = α1 +α2 ∈W + W ⊥
即 V ⊆ W + W . 这就证明了

V = W +W .

再 证 W ∩ W ⊥ = {0} . 设 α ∈ W ∩ W ⊥ , 那 么
〈α , α 〉 = 0 . 从而 α = 0 . 因此V = W ⊕ W .
α 4 作内积得到
( β , α 4 ) = k (α 4 , α 4)
所以
1 −3 k= = =− 2 (α 4 , α 4) 6
(β ,α4 )
高等代数与解析几何
这样,就得到向量 β 在由向量 α 1 , α 2 , α 3 生成的子空 间 W 上的正交投影
1 1⎞ ⎛1 fW ( β ) = α = β − kα 4 = β + α 4 = ⎜ , 2, 0, ⎟ 2 2⎠ ⎝2

高等代数与解析几何
从定理 9.3.2 可知,如果 W 是欧氏空间 V 的一个 子 空间, 那么 V 中每 个向 量 α 可 以唯一 地表 示为
α = α1 + α2 ,其中 α 1 ∈ W ,α 2 ∈ W ⊥ .

fW :
V →W ⊆V ,
α
α1 .
投影,而称 f W (α ) = α1 为 α 在 W 上的正交投影
解法3:先把w的基标准正交化,再 扩展为R^4的标准正交基。
高等代数与解析几何
下面我们从例 9.3.1 的解法一, 利用内积的度量矩 阵得到一个求正交投影的公式.
如果 W 是欧氏空间 V 的一个 r ( r > 0) 维子空间,
α 1 , α 2 , , α r 是 W 的一个基. 对任意的 β ∈ V ,令 β 1 = x1α 1 + x2α 2 + + xrα r ,而
高等代数与解析几何
0 = 〈 β 2 , α i 〉 = 〈 β − ∑ x jα j , α i 〉 = 〈 β , α i 〉 − ∑ 〈α j , α i 〉 x j ; i = 1, 2,
j =1 j =1
r
r
r
由此得线性方程组
⎧ 〈α1 , α 1 〉 x1 + 〈α 1 , α 2 〉 x2 + ⎪ ⎪ 〈α 2 , α1 〉 x1 + 〈α 2 , α 2 〉 x2 + ⎨ ⎪ ⎪ ⎩ 〈α r , α 1 〉 x1 + 〈α r , α 2 〉 x2 +
定理 9.3.1 设 W 是欧氏空间 V 的一个非空子集,则
W 是 V 的一个线性子空间.
高等代数与解析几何

定理 9.3.1
设 W 是欧氏空间 V 的一个非空子集,则 W 是 V 的一个线性子空间.

证明
显 然 0∈W ⊥ , 因 而 W ⊥ ≠ ∅ . 又 对
∀ ζ ,η ∈ W ⊥ 以及 ∀ β ∈ W ,有,
+ 〈α 1 , α r 〉 xr = 〈 β , α 1 〉 , + 〈α 2 , α r 〉 xr = 〈 β , α 2 〉 , + 〈α rα r 〉 xr = 〈 β , α r 〉 .

⎛ x1 ⎞ ⎛ 〈 β , α1 〉 ⎞ ⎜ ⎟ ⎜ ⎟ ⎜ x2 ⎟ = ⎜ 〈 β , α 2 〉 ⎟ Ar ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎜ x ⎟ ⎜ 〈 β ,α 〉 ⎟ ⎟ ⎝ r⎠ ⎝ r ⎠
α ∈ V ,令 α 1 = 〈 α , β 1 〉 β 1 + 〈α , β 2 〉 β 2 +
α 2 = α − α1 ,
, β r , 这 里 r = dim W . 对 于 任 意 的
+ 〈α , β r 〉 β r ,
易知 α 1 ∈ W ,而对 i = 1, 2,
高等代数与解析几何
, r ,有
< β 2 , αi >= 0 (i = 1, 2, 3), 可得线性方程组
⎧ 7 x1 − 5 x2 + 5 x3 = 4, ⎪ ⎨ −5 x1 + 6 x2 − 2 x3 = −1, ⎪ 5 x − 2 x + 6 x = 3. 1 2 3 ⎩
高等代数与解析几何
解这个线性方程组, 得:
⎧ 7 x1 − 5 x2 + 5 x3 = 4, ⎪ ⎨ −5 x1 + 6 x2 − 2 x3 = −1, ⎪ 5 x − 2 x + 6 x = 3. 1 2 3 ⎩
, α r 的度量
矩阵. 因为 Ar 是可逆矩阵,所以方程组有唯一解,且
因此,当我们需要计算向量 β ∈ V 在其 r 维子空间 W 上的正交投影 fW ( β ) 时,有公式
fW ( β ) = β 1 = (α 1 , α 2 , ⎛ x1 ⎞ ⎜ ⎟ ⎜ x2 ⎟ = (α , α , ,α r ) 1 2 ⎜ ⎟ ⎜ ⎟ ⎜x ⎟ ⎝ r⎠ ⎛ 〈 β , α1 〉 ⎞ ⎜ ⎟ 〈 β ,α 2 〉 ⎟ , α r ) Ar −1 ⎜ . ⎜ ⎟ ⎜ ⎜ 〈 β ,α 〉 ⎟ ⎟ ⎝ r ⎠
那么, fW 是 V 的一个线性变换,称为V 在 W 上的正交
高等代数与解析几何
我们注意到,定理9.3.2 的证明同时还给出了计算 正交投影的一个方法: 在 W 中取一个规范正交基 β 1 , β 2 ,
, βr , 则 α 在
W 上的正交投影为: fW (α ) = 〈α , β 1 〉 β 1 + 〈α , β 2 〉 β 2 +
取与
α1 = (−1, 2, −1,1), α2 = (2, −1,1, 0), α3 = (0,1, −1, 2), 试求向量 β = (1, 2, −1, 0) 在由向量α1 , α2 , α 3
生成的子空间W 上的正交投影.
α1 , α 2 , α3 正 交 的 向 量 α4 = (−1, 0, 2,1), 于 是 α1 , α 2 ,α3 ,α4 是 R4 的一组基。
9.3 正交补空间与正交投影
高等代数与解ቤተ መጻሕፍቲ ባይዱ几何
在解析几何里,设 W1 是三维空间 V3 过原点的平面
π , W2 是过原点且垂直于平面 π 的直线 l . 我们知道, W1
和 W2 都是 V3 的子空间,并且 W1 ⊕ W2 = V3 , 其中 W2 的每 个向量与 W1 的每个向量都正交. 反之,与 W1 的向量正交 的向量也一定属于 W2 . 我们称 W2 是 W1 的正交补. 同 样, W1 也是 W2 的正交补,记作 W1 = W2 ⊥ , W1⊥ = W2 . 在一般欧氏空间里,也可以引入正交补的概念,并由 此得到将欧氏空间分解成它的两个子空间的直和的一种 方法.
所以,向量 β 在由向量 α 1 , α 2 , α 3 生成的子空间 W 上 的正交投影为
5 3 1⎞ ⎛1 2α 1 + α 2 − α 3 = ⎜ , 2, 0, ⎟ 4 4 2⎠ ⎝2
高等代数与解析几何
相关文档
最新文档