线性代数 Cheat Sheet 6-7:內积空间
定义 向量空间 V 上的內积是一个函数,对每一对属于 V 的向量 \boldsymbol u 和 \boldsymbol v,存在一个实数 \langle\boldsymbol u, \boldsymbol v\rangle,满足下面公理,其中 \boldsymbol u, \boldsymbol v, \boldsymbol w 属于 V,c 为任意数:
1. \langle\boldsymbol u, \boldsymbol v\rangle = \langle\boldsymbol v, \boldsymbol u\rangle
2. \langle\boldsymbol u + \boldsymbol v, \boldsymbol w\rangle = \langle\boldsymbol u, \boldsymbol w\rangle + \langle\boldsymbol v, \boldsymbol w\rangle
3. \langle c\boldsymbol u, \boldsymbol v\rangle = c\langle\boldsymbol u, \boldsymbol v\rangle
4. \langle\boldsymbol u, \boldsymbol u\rangle \geq 0 且 \langle\boldsymbol u, \boldsymbol u\rangle = 0 的充分必要条件是 \boldsymbol u = 0
一个赋予上面內积的向量空间称为內积空间。
具有标准內积的向量空间 \mathbb{R}^n 是一个內积空间。
Contents [show]
1. 长度、距离和正交性
设 V 是一个內积空间,其內积记作 \langle\boldsymbol u, \boldsymbol v\rangle。像 \mathbb{R}^n 中一样,我们定义一个向量 \boldsymbol v 的长度或范数为数
\begin{equation} \lVert \boldsymbol v \rVert = \sqrt{\langle\boldsymbol v, \boldsymbol v\rangle} \end{equation}
即 \lVert \boldsymbol v \rVert^2 = \langle\boldsymbol v, \boldsymbol v\rangle(这个定义有意义,因为 \langle\boldsymbol v, \boldsymbol v\rangle \geq 0,但这个定义并不是说 \langle\boldsymbol v, \boldsymbol v\rangle 是一个“平方之和”,因为 \boldsymbol v 不必是 \mathbb{R}^n 中元素)。
一个单位向量是长度为 1 的向量,向量 \boldsymbol u 和 \boldsymbol v 之间的距离是 \lVert \boldsymbol u – \boldsymbol v \rVert。如果 \langle\boldsymbol u, \boldsymbol v\rangle = 0 成立,则向量 \boldsymbol u 和向量 \boldsymbol v 正交。
2. 格拉姆-施密特方法
內积空间中有限维子空间的正交基的存在性可由格拉姆-施密特方法确定,像 \mathbb{R}^n 空间一样,应用中经常出现的一些正交基问题可用这个方法构造。
一个向量在一个具有正交基的子空间 W 上的正交投影可像平常一样构造。投影不依赖于正交基的选取,并且它们有正交分解定理和最佳逼近定理中所描述的性质。
3. 內积空间的最佳逼近
应用数学中最常见的问题设计元素是函数的向量空间,主要是在 V 的特定子空间 W 中选取函数 g 来逼近 V 中的函数 f。对 f 的“逼近”成都依赖于 \lVert f – g \rVert 定义的方式,仅考虑 f 和 g 的距离用內积定义确定的情形,此时,f 由 W 中函数的最佳逼近是指 f 在子空间 W 上的正交投影。
4. 两个不等式
给定內积空间 V 中的向量 \boldsymbol v 和有限维子空间 W,将勾股定理应用到 \boldsymbol v 关于 W 的正交分解中,可以得到
\begin{equation} \lVert \boldsymbol v \rVert^2 = \lVert \mathrm{Proj}_W \boldsymbol v \rVert^2 + \lVert \boldsymbol v – \mathrm{Proj}_W \boldsymbol v \rVert^2 \end{equation}
特别地,这表明 \boldsymbol v 到 W 上投影的范数不超过 \boldsymbol v 自身的范数。
定理 16(柯西-施瓦茨不等式)对 V 中任意向量 \boldsymbol u 和 \boldsymbol v,有
\begin{equation} |\langle\boldsymbol u, \boldsymbol v\rangle| \leq \lVert \boldsymbol u \rVert \lVert \boldsymbol v \rVert \end{equation}
定理 17(三角不等式)对属于 V 中的所有向量 \boldsymbol u, \boldsymbol v,有
\begin{equation} \lVert \boldsymbol u + \boldsymbol v \rVert \leq \lVert \boldsymbol u \rVert + \lVert \boldsymbol v \rVert \end{equation}