第五章,向量空间,3-内积、长度、夹角和距离

第五章,向量空间,3-内积、长度、夹角和距离


玩转线性代数(28)长度、夹角和距离的笔记,相关证明以及例子见原文

内积

定义

设有n维向量
x = ( x 1 x 2 ⋮ x n ) , y = ( y 1 y 2 ⋮ y n ) x=\begin{pmatrix} x_1 \\ x_2 \\ \vdots \\ x_n \end{pmatrix}, y=\begin{pmatrix} y_1 \\ y_2 \\ \vdots \\ y_n \end{pmatrix} x= x1x2xn ,y= y1y2yn
[ x , y ] = x 1 y 1 + x 2 y 2 + ⋯ + x n y n [x, y]=x_1y_1+x_2y_2+\cdots+x_ny_n [x,y]=x1y1+x2y2++xnyn,
[ x , y ] [x,y] [x,y]为向量x与y的内积
按矩阵的运算可表示为
[ x , y ] = x T y = ( x 1 , x 2 , ⋯   , x n ) ( y 1 y 2 ⋮ y n ) [x, y]=x^Ty=(x_1,x_2,\cdots,x_n)\begin{pmatrix} y_1 \\ y_2 \\ \vdots \\ y_n \end{pmatrix} [x,y]=xTy=(x1,x2,,xn) y1y2yn

内积的运算性质

(其中 x , y , z x,y,z x,y,z为n维向量, λ ∈ R \lambda \in R λR
(1) [ x , y ] = [ y , x ] [x,y]=[y,x] [x,y]=[y,x]
(2) [ λ x , y ] = λ [ x , y ] [\lambda x,y]=\lambda[x,y] [λx,y]=λ[x,y]
(3) [ x + y , z ] = [ x , z ] + [ y , z ] [x+y,z]=[x,z]+[y,z] [x+y,z]=[x,z]+[y,z]
(4) [ x , x ] ≥ 0 [x,x]\ge 0 [x,x]0;当且仅当 x = 0 x=0 x=0时, [ x , x ] = 0 [x,x]=0 [x,x]=0

内积空间

一个定义了内积的向量空间称为内积空间
不同类型的向量空间内积的定义方法不同,但都要满足上述四条性质

长度

∣ ∣ x ∣ ∣ = [ x , x ] = x 1 2 + x 2 2 + ⋯ + x n 2 ||x||=\sqrt{[x,x]}=\sqrt{x_1^2+x_2^2+\cdots+x_n^2} ∣∣x∣∣=[x,x] =x12+x22++xn2 ,
∣ ∣ x ∣ ∣ ||x|| ∣∣x∣∣为n维向量的长度(或范数)

性质

向量的长度具有如下性质:
(1)非负性: ∣ ∣ x ∣ ∣ ≥ 0 ||x||\ge0 ∣∣x∣∣0;当且仅当x=0时, ∣ ∣ x ∣ ∣ = 0 ||x||=0 ∣∣x∣∣=0
(2)齐次性: ∣ ∣ λ x ∣ ∣ = ∣ λ ∣ ∣ ∣ x ∣ ∣ ||\lambda x||=|\lambda|||x|| ∣∣λx∣∣=λ∣∣∣x∣∣
(3)三角不等式: ∣ ∣ x + y ∣ ∣ ≤ ∣ ∣ x ∣ ∣ + ∣ ∣ y ∣ ∣ ||x+y||\le ||x||+||y|| ∣∣x+y∣∣∣∣x∣∣+∣∣y∣∣
(4)对任意n维向量x,y,有 x T y = [ x , y ] ≤ ∣ ∣ x ∣ ∣ ⋅ ∣ ∣ y ∣ ∣ x^Ty=[x,y]\le ||x|| \cdot||y|| xTy=[x,y]∣∣x∣∣∣∣y∣∣,或 [ x , y ] 2 ≤ [ x , x ] [ y , y ] [x,y]^2\le [x,x][y,y] [x,y]2[x,x][y,y]
注:若令 x T = ( x 1 , x 2 , ⋯   , x n ) , y T = ( y 1 , y 2 , ⋯   , y n ) x^T=(x_1,x_2,\cdots,x_n),y^T=(y_1,y_2,\cdots,y_n) xT=(x1,x2,,xn),yT=(y1,y2,,yn),则性质4可表示为
∣ ∑ i = 1 n x i y i ∣ ≤ ∑ i = 1 n x i 2 ⋅ ∑ i = 1 n y i 2 |\sum_{i=1}^nx_iy_i|\le \sqrt{\sum_{i=1}^nx_i^2} \cdot \sqrt{\sum_{i=1}^ny_i^2} i=1nxiyii=1nxi2 i=1nyi2
上述不等式称为施瓦茨不等式,它说明了 R n R^n Rn中任意两个向量的内积与它们长度之间的关系

单位向量及单位化

单位向量:当 ∣ ∣ x ∣ ∣ = 1 ||x||=1 ∣∣x∣∣=1时,称x为单位向量。
向量单位化:对 R n R^n Rn中任一非零向量 α \alpha α,向量 α ∥ α ∥ \frac{\alpha}{\|\alpha\|} αα是一个单位向量,因为
∥ α ∥ α ∥ ∥ = 1 ∥ α ∥ ∥ α ∥ = 1 \| \frac{\alpha}{\|\alpha\|} \|=\frac{1}{\|\alpha\|} \|\alpha\|=1 αα=α1α=1
用非零向量 α \alpha α的长度去除向量 α \alpha α,得到一个非零向量,这一过程通常称为向量 α \alpha α的单位化

夹角

∥ α ∥ ≠ 0 , ∥ β ∥ ≠ 0 \|\alpha\| \ne 0, \|\beta\| \ne 0 α=0,β=0,定义
θ = a r c c o s [ α , β ] ∥ α ∥ ∥ β ∥ ( 0 ≤ θ ≤ π ) \theta=arccos \frac{[\alpha,\beta]}{\|\alpha\|\|\beta\|} (0\le \theta \le \pi) θ=arccosα∥∥β[α,β](0θπ)
θ \theta θ为向量 α \alpha α β \beta β的夹角

距离

R n R^n Rn空间中的两个向量u和v之间的距离用dist(u,v)来表示,计算公式为
d i s t ( u , v ) = ∥ u − v ∥ = ( u 1 − v 1 ) 2 + ( u 2 − v 2 ) 2 + ⋯ + ( u n − v n ) 2 dist(u,v)=\|u-v\|=\sqrt{(u_1-v_1)^2+(u_2-v_2)^2+\cdots+(u_n-v_n)^2} dist(u,v)=uv=(u1v1)2+(u2v2)2++(unvn)2

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值