欧式空间
设 V V V为实数域 R R R上 n n n维线性空间,对于 V V V中任意两个向量 α , β \alpha,\beta α,β按照某一确定法则对应一个实数,这个实数称为 α \alpha α与 β \beta β的内积,记为 ( α , β ) (\alpha,\beta) (α,β),且要求
- ( α , β ) = ( β , α ) (\alpha,\beta)=(\beta,\alpha) (α,β)=(β,α)
- ( k α , β ) = k ( α , β ) (k\alpha,\beta)=k(\alpha,\beta) (kα,β)=k(α,β)
- ( α + β , γ ) = ( α , γ ) + ( β , γ ) (\alpha+\beta,\gamma)=(\alpha,\gamma)+(\beta,\gamma) (α+β,γ)=(α,γ)+(β,γ)
- ( α , α ) ≥ 0 (\alpha,\alpha)\ge 0 (α,α)≥0,当且仅当 α = 0 \alpha=0 α=0时 ( α , α ) = 0 (\alpha,\alpha)=0 (α,α)=0
称带有这样内积的 n n n维线性空间 V V V为欧氏空间
酉空间
设 V V V是复数域 C C C上的 n n n维线性空间,对于 V V V中任意两个向量 α , β \alpha,\beta α,β按照某一确定法则对应一个复数,称复数为 α \alpha α与 β \beta β内积,记为 ( α , β ) (\alpha,\beta) (α,β)并要求内积满足
- ( α , β ) = ( β , α ) ‾ (\alpha,\beta)=\overline{(\beta,\alpha)} (α,β)=(β,α)
- ( k α , β ) = k ( α , β ) (k\alpha,\beta)=k(\alpha,\beta) (kα,β)=k(α,β)
- ( α + β , γ ) = ( α , γ ) + ( β , γ ) (\alpha+\beta,\gamma)=(\alpha,\gamma)+(\beta,\gamma) (α+β,γ)=(α,γ)+(β,γ)
- ( α , α ) ≥ 0 (\alpha,\alpha)\ge 0 (α,α)≥0,当且仅当 α = 0 \alpha=0 α=0时 ( α , α ) = 0 (\alpha,\alpha)=0 (α,α)=0
称带有这样内积的 n n n维线性空间 V V V为酉空间
例规定
( α , β ) = β ˉ T α (\alpha,\beta)=\bar{\beta}^{T}\alpha (α,β)=βˉTα
第二条性质变为 ( α , k β ) = k ˉ ( α , β ) (\alpha,k\beta)=\bar{k}(\alpha,\beta) (α,kβ)=kˉ(α,β)
欧式空间和酉空间统称内积空间
内积
设
V
V
V为
n
n
n维酉空间,
{
α
i
}
\{\alpha_{i}\}
{αi}为一组基底,对于
V
V
V中任意两个向量
α
=
∑
i
=
1
n
x
i
α
i
,
β
=
∑
j
=
1
n
y
j
α
j
\alpha=\sum_{i=1}^{n}x_{i}\alpha_{i},\beta=\sum_{j=1}^{n}y_{j}\alpha_{j}
α=i=1∑nxiαi,β=j=1∑nyjαj
那么
α
\alpha
α与
β
\beta
β内积为
(
α
,
β
)
=
∑
i
,
j
=
1
n
x
i
y
j
ˉ
(
α
i
,
α
j
)
(\alpha,\beta)=\sum_{i,j=1}^{n}x_{i}\bar{y_{j}}(\alpha_{i},\alpha_{j})
(α,β)=i,j=1∑nxiyjˉ(αi,αj)
令
g
i
j
=
(
α
i
,
α
j
)
g_{ij}=(\alpha_{i},\alpha_{j})
gij=(αi,αj)
G
=
[
g
11
g
12
…
g
1
n
g
21
g
22
…
g
2
n
⋮
⋮
⋱
⋮
g
n
1
g
n
2
…
g
n
n
]
G= \begin{bmatrix} g_{11} & g_{12} & \dots & g_{1n}\\ g_{21} & g_{22} & \dots & g_{2n}\\ \vdots & \vdots & \ddots & \vdots\\ g_{n1} & g_{n2} & \dots & g_{nn}\\ \end{bmatrix}
G=⎣⎢⎢⎢⎡g11g21⋮gn1g12g22⋮gn2……⋱…g1ng2n⋮gnn⎦⎥⎥⎥⎤
称基底
{
α
i
}
\{\alpha_{i}\}
{αi}的度量矩阵,且
g
i
j
=
g
j
i
‾
G
ˉ
T
=
G
(
α
,
β
)
=
X
T
G
Y
ˉ
g_{ij}=\overline{g_{ji}}\\ \bar{G}^{T}=G\\ (\alpha,\beta)=X^{T}G\bar{Y}
gij=gjiGˉT=G(α,β)=XTGYˉ
Hermite矩阵
复共轭转置矩阵
设
A
∈
C
n
×
n
A\in C^{n\times n}
A∈Cn×n,用
A
ˉ
\bar{A}
Aˉ表示以
A
A
A中元素的共轭复数为元素组成的矩阵,记为
A
H
=
(
A
ˉ
)
T
A^{H}=(\bar{A})^{T}
AH=(Aˉ)T
称
A
H
A^{H}
AH为
A
A
A复共轭转置矩阵
性质
- A H = A T ‾ A^{H}=\overline{A^{T}} AH=AT
- ( A + B ) H = A H + B H (A+B)^{H}=A^{H}+B^{H} (A+B)H=AH+BH
- ( k A ) H = k ˉ A H (kA)^{H}=\bar{k}A^{H} (kA)H=kˉAH
- ( A B ) H = B H A H (AB)^{H}=B^{H}A^{H} (AB)H=BHAH
- ( A k ) H = ( A H ) k (A^{k})^{H}=(A^{H})^{k} (Ak)H=(AH)k
- ( A H ) H = A (A^{H})^{H}=A (AH)H=A
- ∣ A H ∣ = ∣ A ∣ ‾ |A^{H}|=\overline{|A|} ∣AH∣=∣A∣
- ( A H ) − 1 = ( A − 1 ) H (A^{H})^{-1}=(A^{-1})^{H} (AH)−1=(A−1)H
Hermite矩阵
若 A H = A A^{H}=A AH=A,称 A A A为Hermite矩阵,若 A H = − A A^{H}=-A AH=−A,则称 A A A为反Hermite矩阵
- 实对称矩阵为Hermite矩阵
- 反实对称矩阵为反Hermite矩阵
- 欧式空间度量矩阵为Hermite矩阵
- 酉空间度量矩阵为Hermite矩阵
对任意矩阵
A
A
A都可以表示为
A
=
A
+
A
H
2
+
A
−
A
H
2
A=\frac{A+A^{H}}{2}+\frac{A-A^{H}}{2}
A=2A+AH+2A−AH
内积空间度量
设
V
V
V为酉(欧式)空间,向量
α
∈
V
\alpha\in V
α∈V的长度定义为非负实数
∣
∣
α
∣
∣
=
(
α
,
α
)
||\alpha||=\sqrt{(\alpha,\alpha)}
∣∣α∣∣=(α,α)
性质
- ∣ ∣ α ∣ ∣ ≥ 0 ||\alpha||\ge 0 ∣∣α∣∣≥0当且仅当 α = 0 \alpha=0 α=0时, ∣ ∣ α ∣ ∣ = 0 ||\alpha||=0 ∣∣α∣∣=0
- ∣ ∣ k α ∣ ∣ = ∣ k ∣ ∣ ∣ α ∣ ∣ , k ∈ C ||k\alpha||=|k| ||\alpha||,k\in C ∣∣kα∣∣=∣k∣∣∣α∣∣,k∈C
- ∣ ∣ α + β ∣ ∣ ≤ ∣ ∣ α ∣ ∣ + ∣ ∣ β ∣ ∣ ||\alpha+\beta||\le ||\alpha||+||\beta|| ∣∣α+β∣∣≤∣∣α∣∣+∣∣β∣∣
- ∣ ( α , β ) ∣ ≤ ∣ ∣ α ∣ ∣ ∣ ∣ β ∣ ∣ |(\alpha,\beta)|\le ||\alpha||||\beta|| ∣(α,β)∣≤∣∣α∣∣∣∣β∣∣
正交
在酉空间 V V V中,若有 ( α , β ) = 0 (\alpha,\beta)=0 (α,β)=0,则称 α \alpha α与 β \beta β正交,记为 α ⊥ β \alpha\perp \beta α⊥β
单位向量
长度为 1 1 1的向量称单位向量,对任一非零向量 α \alpha α,向量 α ∣ ∣ α ∣ ∣ \frac{\alpha}{||\alpha||} ∣∣α∣∣α,总是单位向量,此过程称为单位化
正交向量组
设 { α i } \{\alpha_{i}\} {αi}为一组不含有零向量的向量组,若 { α i } \{\alpha_{i}\} {αi}内任意两个向量彼此正交,则称其为正交向量组
若正交向量组任何一个向量都是单位向量,则向量组为标准正交向量组
在 n n n维内积空间中 n n n个正交向量组成的基底称正交基底,由 n n n个标准的正交向量组成的基底称为标准正交基
{
α
i
}
\{\alpha_{i}\}
{αi}正交向量组充要条件为
(
α
i
,
α
j
)
=
0
,
i
≠
j
(\alpha_{i},\alpha_{j})=0,i\neq j
(αi,αj)=0,i=j
{
α
i
}
\{\alpha_{i}\}
{αi}标准正交向量组充要条件为
(
α
i
,
α
j
)
=
δ
i
j
(\alpha_{i},\alpha_{j})=\delta_{ij}
(αi,αj)=δij
Schmit正交化
正交向量组为线性无关向量组,反之由线性无关向量组出发,可以构造标准正交向量组
正交化
β 1 = α 1 β 2 = α 2 − ( α 2 , β 1 ) ( β 1 , β 1 ) β 1 … β r = α r − ( α 2 , β 1 ) ( β 1 , β 1 ) β 1 − ⋯ − ( α r , β r − 1 ) ( β r − 1 , β r − 1 ) β r − 1 \beta_{1}=\alpha_{1}\\ \beta_{2}=\alpha_{2}-\frac{(\alpha_{2},\beta_{1})}{(\beta_{1},\beta_{1})}\beta_{1}\\ \dots\\ \beta_{r}=\alpha_{r}-\frac{(\alpha_{2},\beta_{1})}{(\beta_{1},\beta_{1})}\beta_{1}-\dots -\frac{(\alpha_{r},\beta_{r-1})}{(\beta_{r-1},\beta_{r-1})}\beta_{r-1}\\ β1=α1β2=α2−(β1,β1)(α2,β1)β1…βr=αr−(β1,β1)(α2,β1)β1−⋯−(βr−1,βr−1)(αr,βr−1)βr−1
单位化
η 1 = β 1 ∣ ∣ β 1 ∣ ∣ , . . . , η r = β r ∣ ∣ β r ∣ ∣ \eta_{1}=\frac{\beta_{1}}{||\beta_{1}||},...,\eta_{r}=\frac{\beta_{r}}{||\beta_{r}||} η1=∣∣β1∣∣β1,...,ηr=∣∣βr∣∣βr
酉矩阵
设
A
A
A为
n
n
n阶复矩阵,若其满足
A
H
A
=
A
A
H
=
I
A^{H}A=AA^{H}=I
AHA=AAH=I
则称
A
A
A为酉矩阵,一般记为
A
∈
U
n
×
n
A\in U^{n\times n}
A∈Un×n
Householder矩阵
设 α ∈ C n × 1 \alpha\in C^{n\times1} α∈Cn×1且 α H α = 1 \alpha^{H}\alpha=1 αHα=1,若 G = 1 − 2 α α H G=1-2\alpha\alpha^{H} G=1−2ααH,则 G G G为酉矩阵,通常称为Householder矩阵
性质
若 A , B ∈ U n × n A,B\in U^{n\times n} A,B∈Un×n则
- A − 1 = A H ∈ U n × n A^{-1}=A^{H}\in U^{n\times n} A−1=AH∈Un×n
- ∣ d e t ( A ) ∣ = 1 |det(A)|=1 ∣det(A)∣=1
- A B , B A ∈ U n × n AB,BA\in U^{n\times n} AB,BA∈Un×n
酉矩阵保持向量内积长度,夹角不变
判断
A A A是酉矩阵的充要条件为 A A A的行(列)向量组为标准正交向量组
幂等矩阵
若 A A A满足 A 2 = A A^{2}=A A2=A,则称 A A A为幂等矩阵
性质
- A H , I − A , I − A H A^{H},I-A,I-A^{H} AH,I−A,I−AH都为幂等矩阵
- A ( I − A ) = ( I − A ) A = 0 A(I-A)=(I-A)A=0 A(I−A)=(I−A)A=0
- N ( A ) = R ( I − A ) N(A)=R(I-A) N(A)=R(I−A)
若 x ∈ N ( A ) , 则 A x = 0 可 知 x − A x = x − 0 = x , 整 理 为 ( I − A ) x = x 因 此 x ∈ R ( I − A ) , N ( A ) ⊆ R ( I − A ) 若 y ∈ R ( I − A ) , 则 ∃ x ∈ C n , 使 得 y = ( I − A ) x 则 有 A y = A ( I − A ) x = ( A − A 2 ) x = 0 因 此 y ∈ N ( A ) , 即 可 得 R ( I − A ) ⊆ N ( A ) 若x\in N(A), 则Ax=0\\ 可知x-Ax=x-0=x,整理为(I-A)x=x\\ 因此x\in R(I-A),N(A)\subseteq R(I-A) \\ 若y\in R(I-A),则\exist x\in C^{n},使得y=(I-A)x\\ 则有Ay=A(I-A)x=(A-A^{2})x=0\\ 因此y \in N(A),即可得R(I-A)\subseteq N(A) 若x∈N(A),则Ax=0可知x−Ax=x−0=x,整理为(I−A)x=x因此x∈R(I−A),N(A)⊆R(I−A)若y∈R(I−A),则∃x∈Cn,使得y=(I−A)x则有Ay=A(I−A)x=(A−A2)x=0因此y∈N(A),即可得R(I−A)⊆N(A)
- A x = x Ax=x Ax=x的充要条件为 x ∈ R ( A ) x\in R(A) x∈R(A)
- C n = R ( A ) ⊕ N ( A ) x = A x + ( x − A x ) C^{n}=R(A)\oplus N(A) \quad x=Ax+(x-Ax) Cn=R(A)⊕N(A)x=Ax+(x−Ax)
∀ z ∈ R ( A ) ∩ N ( A ) , ∃ x ∈ C n , z = A x A z = A 2 x = A x = z = 0 \forall z \in R(A)\cap N(A), \exist x \in C^{n}, z=Ax\\ Az=A^{2}x=Ax=z=0 ∀z∈R(A)∩N(A),∃x∈Cn,z=AxAz=A2x=Ax=z=0
结构定理
设
A
A
A为秩为
r
r
r的
n
n
n阶矩阵,那么
A
A
A为一个幂等矩阵的充要条件是存在
P
∈
C
n
n
×
n
P\in C_{n}^{n\times n}
P∈Cnn×n,使得
P
−
1
A
P
=
[
I
r
0
0
0
]
P^{-1}AP= \begin{bmatrix} I_{r} & 0\\ 0 & 0 \end{bmatrix}
P−1AP=[Ir000]
推论
设
A
A
A为
n
n
n阶幂等矩阵,则有
T
r
(
A
)
=
r
a
n
k
(
A
)
Tr(A)=rank(A)
Tr(A)=rank(A)
投影变换
设
S
,
T
S,T
S,T为
n
n
n维酉空间
V
V
V的两个子空间,且
V
=
S
⊕
T
V=S\oplus T
V=S⊕T,则对
V
V
V中任一向量
α
\alpha
α均可唯一表示为
α
=
x
+
y
,
x
∈
S
,
y
∈
T
\alpha=x+y,x\in S,y\in T
α=x+y,x∈S,y∈T
则称
x
x
x是
α
\alpha
α沿
T
T
T到
S
S
S的投影,
y
y
y是
S
S
S到
T
T
T的投影
由上式确定的线性变换
τ
:
V
→
S
⊆
V
\tau : V \rightarrow S\subseteq V
τ:V→S⊆V
τ
(
α
)
=
x
\tau (\alpha)=x
τ(α)=x
称
V
V
V沿
T
T
T到
S
S
S的投影变换
定理
设
A
A
A为
n
n
n阶幂等矩阵,则线性变换
τ
(
α
)
=
A
α
,
∀
α
∈
C
n
\tau(\alpha)=A\alpha, \forall \alpha\in C^{n}
τ(α)=Aα,∀α∈Cn
是
C
n
C^{n}
Cn沿着
N
(
A
)
N(A)
N(A)到
R
(
A
)
R(A)
R(A)的投影变换
若 τ \tau τ为 n n n维酉空间 V V V上线性变换,则下列命题等价
- τ \tau τ为 V V V上投影变换
- τ 2 = τ \tau^{2}=\tau τ2=τ
- τ \tau τ矩阵表示 A A A满足 A 2 = A A^{2}=A A2=A
(
1
)
→
(
2
)
(1)\rightarrow (2)
(1)→(2)
∀
α
∈
V
,
α
=
x
+
y
,
x
∈
S
,
y
∈
T
,
τ
(
α
)
=
x
τ
2
(
α
)
=
τ
(
τ
(
α
)
)
=
τ
(
x
)
=
x
=
τ
(
α
)
\forall \alpha \in V, \alpha=x+y, x\in S, y\in T, \tau(\alpha)=x\\ \tau^{2}(\alpha)=\tau(\tau(\alpha))=\tau(x)=x=\tau(\alpha)
∀α∈V,α=x+y,x∈S,y∈T,τ(α)=xτ2(α)=τ(τ(α))=τ(x)=x=τ(α)
(
2
)
→
(
1
)
(2)\rightarrow (1)
(2)→(1)
∀
α
∈
V
α
=
τ
(
α
)
+
α
−
τ
(
α
)
由
于
τ
2
=
τ
τ
(
α
−
τ
(
α
)
)
=
τ
(
α
)
−
τ
2
(
α
)
=
0
从
而
α
−
τ
(
α
)
∈
N
(
τ
)
且
V
=
R
(
τ
)
+
N
(
τ
)
∀
x
∈
R
(
τ
)
,
则
∃
β
∈
V
使
得
x
=
τ
(
β
)
,
那
么
τ
(
x
)
=
τ
2
(
β
)
=
τ
(
β
)
=
x
从
而
∀
γ
∈
R
(
τ
)
∩
N
(
τ
)
,
则
γ
=
τ
(
γ
)
=
0
则
V
=
R
(
τ
)
⊕
N
(
τ
)
α
=
τ
(
α
)
+
α
−
τ
(
α
)
即
τ
是
V
沿
着
N
(
τ
)
到
R
(
τ
)
投
影
变
换
\forall \alpha\in V\\ \alpha=\tau(\alpha)+\alpha-\tau(\alpha) 由于\tau^{2}=\tau\\ \tau(\alpha-\tau(\alpha))=\tau(\alpha)-\tau^{2}(\alpha)=0\\ 从而\alpha-\tau(\alpha)\in N(\tau)\\ 且V=R(\tau)+N(\tau)\\ \forall x\in R(\tau),则\exist\beta\in V使得x=\tau(\beta),那么\\ \tau(x)=\tau^{2}(\beta)=\tau(\beta)=x\\ 从而\forall \gamma\in R(\tau)\cap N(\tau),则\gamma=\tau(\gamma)=0\\ 则V=R(\tau)\oplus N(\tau)\\ \alpha=\tau(\alpha)+\alpha-\tau(\alpha)即\tau是V沿着N(\tau)到R(\tau)投影变换
∀α∈Vα=τ(α)+α−τ(α)由于τ2=ττ(α−τ(α))=τ(α)−τ2(α)=0从而α−τ(α)∈N(τ)且V=R(τ)+N(τ)∀x∈R(τ),则∃β∈V使得x=τ(β),那么τ(x)=τ2(β)=τ(β)=x从而∀γ∈R(τ)∩N(τ),则γ=τ(γ)=0则V=R(τ)⊕N(τ)α=τ(α)+α−τ(α)即τ是V沿着N(τ)到R(τ)投影变换
(
2
)
→
(
3
)
(2)\rightarrow (3)
(2)→(3)
设
α
1
.
.
.
α
n
为
V
一
组
基
,
A
是
τ
在
该
基
下
表
示
,
于
是
τ
(
α
1
.
.
.
α
n
)
=
(
α
1
.
.
.
α
n
)
A
τ
2
(
α
1
.
.
.
α
n
)
=
τ
(
(
α
1
.
.
.
α
n
)
A
)
=
τ
(
α
1
.
.
.
α
n
)
A
=
(
α
1
.
.
.
α
n
)
A
2
=
(
α
1
.
.
.
α
n
)
A
α
1
.
.
.
α
n
线
性
无
关
,
A
2
=
A
设\alpha_{1}...\alpha_{n}为V一组基,A是\tau在该基下表示,于是\\ \tau(\alpha_{1}...\alpha_{n})=(\alpha_{1}...\alpha_{n})A\\ \tau^{2}(\alpha_{1}...\alpha_{n})=\tau((\alpha_{1}...\alpha_{n})A)=\tau(\alpha_{1}...\alpha_{n})A=(\alpha_{1}...\alpha_{n})A^{2}=(\alpha_{1}...\alpha_{n})A\\ \alpha_{1}...\alpha_{n}线性无关,A^{2}=A
设α1...αn为V一组基,A是τ在该基下表示,于是τ(α1...αn)=(α1...αn)Aτ2(α1...αn)=τ((α1...αn)A)=τ(α1...αn)A=(α1...αn)A2=(α1...αn)Aα1...αn线性无关,A2=A
(
2
)
→
(
2
)
(2)\rightarrow (2)
(2)→(2)
若
τ
(
α
1
.
.
.
α
n
)
=
(
α
1
.
.
.
α
n
)
A
则
τ
2
(
α
1
.
.
.
α
n
)
=
(
α
1
.
.
.
α
n
)
A
2
若
A
2
=
A
,
那
么
τ
2
=
τ
若\tau(\alpha_{1}...\alpha_{n})=(\alpha_{1}...\alpha_{n})A则\\ \tau^{2}(\alpha_{1}...\alpha_{n})=(\alpha_{1}...\alpha_{n})A^{2}\\ 若A^{2}=A,那么\tau^{2}=\tau
若τ(α1...αn)=(α1...αn)A则τ2(α1...αn)=(α1...αn)A2若A2=A,那么τ2=τ
正交投影变换
设 S , T S,T S,T是 n n n维酉空间 V V V的两个子空间,若对任意 x ∈ S , y ∈ T x\in S,y\in T x∈S,y∈T都有 ( x , y ) = 0 (x,y)=0 (x,y)=0则称 S S S与 T T T正交
设 S , T S,T S,T是 n n n维酉空间 V V V的两个子空间,若 S S S与 T T T正交,则 S + T S+T S+T称为 S S S与 T T T正交和
设n维酉空间 V V V是子空间 S S S与 T T T正交和,对任意 α ∈ V \alpha\in V α∈V有 α = x + y , x ∈ S , y ∈ T \alpha=x+y,x\in S,y\in T α=x+y,x∈S,y∈T,则线性投影变换 σ : V → S ⊆ V \sigma:V\rightarrow S\subseteq V σ:V→S⊆V。 σ ( α ) = x \sigma(\alpha)=x σ(α)=x称由 V V V到 S S S正交投影
设
A
A
A是
n
n
n阶幂等
H
H
H矩阵,则线性变换
σ
(
α
)
=
A
α
,
∀
α
∈
C
n
\sigma(\alpha)=A\alpha,\forall \alpha\in C^{n}
σ(α)=Aα,∀α∈Cn
是
C
n
C^{n}
Cn到
R
(
A
)
R(A)
R(A)的正交投影变换