内积空间和等距变换

第0章 复习与引申
第1章 线性空间与线性变换
第2章 内积空间和等距变换
第3章 矩阵的相似标准形
第4章 Hermite二次型
第5章 范数和矩阵函数
第6章 广义逆矩阵

第2章 内积空间和等距变换

将内积推广到抽象的线性空间，复数域

1 内积空间的概念

内积空间的定义： 设$V$是数域$F$上的线性空间，在$V$上定义了一个二元函数$⟨\alpha ,\beta ⟩$，若：

1. $⟨\alpha ,\beta ⟩=\overline{⟨\beta ,\alpha ⟩}$
2. $\forall \alpha ,\beta ,\gamma \in V,⟨\alpha +\beta ,\gamma ⟩=⟨\alpha ,\gamma ⟩+⟨\beta ,\gamma ⟩$;
3. $\forall \alpha ,\beta \in V,k\in F,⟨k\alpha ,\beta ⟩=k⟨\alpha ,\beta ⟩$；
4. $\forall \alpha \in V,⟨\alpha ,\alpha ⟩\ge 0$

则称$⟨\alpha ,\beta ⟩$是$\alpha ,\beta$的内积。定义了内积的线性空间称为内积空间。

当$F=R$时，称$V$为欧几里德空间，简称欧氏空间；当$F=C$时，称$V$是酉空间。

内积空间中的内积的性质：

1. $⟨\alpha ,\beta +\gamma ⟩=⟨\alpha ,\beta ⟩+⟨\alpha ,\gamma ⟩$;
2. $⟨\alpha ,k\beta ⟩=\overline{k}⟨\alpha ,\beta ⟩$；
3. $⟨{\sum }_{i=1}^s{k}_i{\alpha }_i,{\sum }_{j=1}^t{l}_j{\beta }_j⟩={\sum }_{i=1}^s{\sum }_{j=1}^t{k}_i{\overline{l}}_j⟨{\alpha }_i,{\beta }_j⟩$;
4. 对于任意$\alpha \in V$，$⟨\alpha ,\theta ⟩=⟨\theta ,\alpha ⟩=0$。

度量矩阵的定义：设${\epsilon }_1,{\epsilon }_2,\cdots ,{\epsilon }_n$是$V$的基，$\alpha ,\beta \in V$坐标是$X=(x_1,x_2,\cdots ,x_n{)}^T,Y=(y_1,y_2,\cdots ,y_n{)}^T$，则$⟨\alpha ,\beta ⟩={\sum }_{i=1}^n{\sum }_{j=1}^n{x}_i\overline{y_j}⟨{\epsilon }_i,{\epsilon }_j⟩=X^{T}A\overline{Y}=Y^H{A}^{T}X$。其中$A=(⟨{ϵ}_i,{ϵ}_j⟩{)}_{n\times n}$是$V$在基${\epsilon }_1,{\epsilon }_2,\cdots ,{\epsilon }_n$下的度量矩阵。

当$F=R$，则度量矩阵是对称矩阵：$A=A^T$；当$F=C$，则度量矩阵是Hermite矩阵：$A=A^H$。度量矩阵A是正定矩阵

模（长度）的定义：设$\alpha \in V$，$\alpha$的模定义为$||\alpha ||=\sqrt{⟨\alpha ,\alpha ⟩}$，若$||\alpha ||=1$，则称$\alpha$是单位向量。

模的性质：

1. $\forall \alpha \in V,||\alpha ||\ge 0$，且$||\alpha ||=0⟺\alpha =\theta$；
2. $||k\alpha ||=|k|||\alpha ||$，故若$\alpha \ne \theta$，则称$\frac{1}{||\alpha ||}\alpha$是单位向量。

C-B不等式定理：$\forall \alpha ,\beta \in V,|⟨\alpha ,\beta ⟩|\le ||\alpha ||||\beta ||$，而且等号成立$⟺$$\alpha ,\beta$线性相关。

三角不等式定理：$\forall \alpha ,\beta \in V,||\alpha ||+||\beta ||\ge ||\alpha +\beta ||$。

**距离的定义：**向量$\alpha ,\beta$的距离定义为$d(\alpha ,\beta )=||\alpha -\beta ||$

三角不等式的距离形式：$\forall \alpha ,\beta ,\gamma \in V,d(\alpha ,\gamma )\le d(\alpha ,\beta )+d(\beta ,\gamma )$。

**向量正交性的定义：**若向量$\alpha ,\beta$的内积为零，则称$\alpha ,\beta$是正交的，记$\alpha \perp \beta$。

勾股定理：若$\alpha \perp \beta$，则$||\alpha +\beta |{|}^2=||\alpha |{|}^2+||\beta |{|}^2$。

• 由两两正交（线性无关）的非零向量组成的向量组称为正交向量组；
• 由两两正交的单位向量组成的向量组称为标准正交向量组；
• 由正交向量组组成的基称为正交基；
• 由标准正交向量组组成的基称为标准正交基。

标准正交基下的内积：

1. 若内积空间$V$的一组基是标准正交基当且仅当相应的度量矩阵是单位阵；
2. 设${\epsilon }_1,{\epsilon }_2,\cdots ,{\epsilon }_n$是$V$的标准正交基，$\alpha ,\beta \in V$在${\epsilon }_1,{\epsilon }_2,\cdots ,{\epsilon }_n$下的坐标是$X,Y$，则$⟨\alpha ,\beta ⟩=Y^{H}X=⟨X,Y{⟩}_{C^n}$

Schmidt正交化方法：设${\alpha }_1,{\alpha }_2,\cdots ,{\alpha }_s\in V$是线性无关的，首先进行正交化令:
KaTeX parse error: No such environment: align at position 8: \begin{̲a̲l̲i̲g̲n̲}̲ \beta_1&=\alph…
​ 然后，再对向量组${\beta }_i$进行单位化：${\gamma }_i=\frac{1}{||{\beta }_i||}{\beta }_i,i=1,\cdots ,s$，则${\gamma }_1,\cdots ,{\gamma }_s$是与${\alpha }_1,\cdots ,{\alpha }_s$等价的标准正交向量组。

酉矩阵的定义：$n$阶复矩阵$A$若满足若$A^{H}A=I$，则称为是酉矩阵。（正交阵的推广）

酉矩阵的性质：

1. $A$是酉矩阵$⟺$$A^{-1}=A^H$$⟺$A的行（列）向量组是$C^n$的标准正交基。

2. 设${\alpha }_1,{\alpha }_2,\cdots ,{\alpha }_n$是$V$的标准正交基，$({\gamma }_1,{\gamma }_2,\cdots ,{\gamma }_n)=({\alpha }_1,{\alpha }_n,\cdots ,{\alpha }_n)U$，则${\gamma }_1,{\gamma }_2,\cdots ,{\gamma }_n$是标准正交基$⟺$$U$是酉矩阵 ；（过渡矩阵为酉矩阵）

3. 若$A,B$是同阶酉矩阵，则$A^{-1},AB$都是酉矩阵；

4. 设$A$是上（下）三角矩阵，若$A$是酉矩阵，则$A$是对角阵，且其主对角元的模均为1。

5. 如果${\alpha }_1,{\alpha }_2,\cdots ,{\alpha }_n$是$V$的基，则有标准正交基${\gamma }_1,{\gamma }_2,\cdots ,{\gamma }_n$使得$({\gamma }_1,{\gamma }_2,\cdots ,{\gamma }_n)=({\alpha }_1,{\alpha }_2,\cdots ,{\alpha }_n)T$其中$T$是上三角矩阵，则其主对角元均大于0.

矩阵的UT分解：设$A$是$n$阶可逆阵，则存在酉矩阵$U$及主对角元均大于零的上三角矩阵$T$，使得$A=UT$，而且，满足上述条件的矩阵$U,Y$是唯一的。（唯一性）

基扩充定理：假设$W$是$V$的子空间，${\alpha }_1,{\alpha }_2,\cdots ,{\alpha }_s$是$W$的标准正交基，则存在${\alpha }_{s+1},\cdots ,{\alpha }_n$使得${\alpha }_1,\cdots ,{\alpha }_s,{\alpha }_{s+1},\cdots ,{\alpha }_n$是$V$的标准正交基。

2 正交补空间

正交空间的定义：设$W\le V,\alpha \in V$，若$\forall \beta \in W,\alpha \perp \beta$，则称$\alpha \perp W$；若$W_1,W_2\le V$，对$\forall {\alpha }_1\in W_1,{\alpha }_2\in W_2,{\alpha }_1\perp {\alpha }_2$，称$W_1\perp W_2$。

设$W=L({\alpha }_1,{\alpha }_2,\cdots ,{\alpha }_s),\eta \in V$，则$\eta \perp W⟺\forall j,\eta \perp {\alpha }_j$。

正交补空间的定义：设$W\le V$，记 W ⊥ = { α ∈ V ∣ α ⊥ W } W^\perp=\{\alpha\in V|\alpha\perp W\} W⊥={α∈V∣α⊥W}，易证这是$V$的子空间，称是$W$在$V$中的正交补空间。

正交补空间的直和定理：设$V$是内积空间，$W$是$V$的有限维子空间，则$V=W\oplus W^{\perp }$，而且若$V=W\oplus U$且$W\perp U$，则$U=W^{\perp }$。（唯一性）

推论：设$V$是内积空间，$W$是$V$的有限维子空间，则$(W^{\perp }{)}^{\perp }=W$。

值域和核空间的正交补空间：设$A\in C^{s\times n}$，定义线性映射$f:C^n\to C^s$为：$f(x)=Ax,\forall x\in C^n$，$f$的值域和核空间分别记为$R(f),K(f)$。此时可得：
$$R(A{)}^{\perp }=K(A^H),K(A{)}^{\perp }=R(A^H)$$
正投影的定义：已知$W\le V,\alpha \in V$，若$\eta \in W$满足$d(\alpha ,\eta )={\min }_{\xi \in W}d(\alpha ,\xi )$，则称$\eta$为$\alpha$在$W$中得正投影 。

正投影的定理：设$W\le V,\eta \in V$，则：

1. ${\eta }_0\in W$是$\eta$在$W$中的正投影当且仅当$\eta -{\eta }_0\perp W$；
2. 设$W$是内积空间$V$的有限维子空间，则$V$中任意向量在$W$中的正投影一定存在；
3. 若$\alpha$在$W$中的正投影存在，则正投影必定是唯一的。

3 等距变换

等距变换的定义：设$V$是内积空间，$f\in Hom(V,V)$，若$⟨f(\alpha ),f(\beta )⟩=⟨\alpha ,\beta ⟩,\forall \alpha ,\beta \in V$则称$f$为等距变换。

若$F=R$，则称$f$是正交变换；若$F=C$，则称$f$是酉变换。

等距变换的充要条件：设$V$是内积空间，$f\in Hom(V,V)$，下述条件等价：

1. $f$保持长度不变；（1->2）
2. $f$保持内积不变；（2->3）
3. $f$将标准正交基变为标准正交基；（3->4）有限维时
4. $f$在标准正交基下的矩阵为酉矩阵；（4->1）有限维时

欧氏空间中的镜像变换：设$V$是一个欧式空间，$\omega \in V$是一个单位向量，映射$f:V\to V,\alpha \mapsto \alpha -2⟨\alpha ,\omega ⟩\omega$，则$f$是$V$上的等距变换（正交变换）。

镜像变换在任意一组基下的矩阵都相似于$diag(-1,1,\cdots ,1)$。

参考文献：工程矩阵理论，张明淳著