矩阵分析与应用-05-向量空间、内积空间与线性映射02

Xiao__fly

于 2022-07-02 18:31:17 发布

阅读量1.5k

点赞数

文章标签：矩阵算法

本文链接：https://blog.csdn.net/Xiao__fly/article/details/125575850

版权

实内积空间

向量空间只定义了向量的加法以及标量与向量的乘法，并且向量空间的和、交与直和等也只涉及两个向量空间的元素(即向量)之间比较简单的关系。虽然这些运算非常重要，但对向量和矩阵的更复杂的有关运算便显得明显不够。因此，需要对向量空间中的向量定义其他运算。最自然的联想是应该增加关于两个向量之间的内部乘积（简称内积)的定义。这就引出了内积空间的概念。

定义1 实内积空间(real inner product space)是满足下列条件的实向量空间 $E$ ,即对E中每一对向量 $x$ , $y$ ，存在向量 $x$ 和 $y$ 的内积 $<x,y>$ 服从以下公理:

(1)<x,x> > 0， $\forall x \neq 0$ ，称为内积的严格正性(strict positivity)或称内积是正定的(positive definite)，并且〈x, boldmath x)= 0 $\Leftrightarrow$ x = 0;

(2)<x, y>=〈y, x)，称为内积的对称性(symmetry );

(3)<x,y+z>=<x,y>+<x,z>， $\forall$ x, y,z;

(4)<ax, y>= a<x,y>对所有实向量x,y及所有实标量a成立。

定义2 若是一个实内积空间，并且 $x$ ∈ $E^n$ ，则 x 的范数(或“长度”)记作 $\left \| x \right \|$ ，并定义为

$\left \| x \right \| = <x,x>^{1/2}$

定理1 在实内积空间里，范数具有以下性质：

(1) $\left \| 0 \right \|$ =0，并且 $\left \| x \right \|$ > 0, $\forall x$ ≠0;

(3）范数服从极化恒等式(polarization identity)

$<x,y> = \frac{1}{4}(\left \| x + y \right \| ^2 - \left \| x - y \right \| ^2), \forall x,y$

(4) 范数满足平行四边形法则(parallelogram law)

(5) 范数服从Cauchy-Schwartz不等式

(6）范数满足三角不等式

复内积空间

定义1 复内积空间(complex inner product space)是满足下列条件的复向量空间C:对C中每一对向量x,y，存在复向量x和y 之间的内积<x, y>服从以下公理:

(1) x ≠ 0 $\Rightarrow$ <x,x> > 0，称为内积的严格正性或称内积是正定的:

(2)<x,y>*= <y,x>，称为内积的共轭对称性(conjugate symmetry)或Hermitian性;

(3) <x,y + z> = <x,y> + <x,x>，对所有向量x,y,z成立;

(4) <cx,y>= c*<x,y>对所有复向量x, y 及所有复标量c成立。

定理1 在复内积空间里，范数具有以下性质：

(1) $\left \| 0 \right \|$ =0，并且 $\left \| x \right \|$ > 0, $\forall x$ ≠0;

(3）极化恒等式

$<x,y> = \frac{1}{4}(\left \| x + y \right \| ^2 - \left \| x - y \right \| ^2-j\left \| x + jy \right \| ^2 + j\left \| x- jy \right \| ^2)$

(4) 平行四边形法则

(5) Cauchy-Schwartz不等式

(6）范数满足三角不等式

线性映射

在技术科学、社会科学和数学的一些分支中，不同向量空间内向量之间的线性变换起着重要的作用。因此，为了研究两个向量空间之间的关系，有必要考虑能够实现从一个向量空间到另一个向量空间的转换关系的函数。事实上，在我们的日常生活中，也经常遇到这种转换。当我们欲将一幅图像变换为另一幅图像时，通常会移动它的位置，或者旋转它。

映射本身就是一类函数，因此常使用一般函数通用的符号来表示映射。若令V是Euctidean m空间 $R^m$ 的子空间，W是 $R^n$ 的子空间，则