矩阵内积运算法则_[线性代数] 1 引入内积空间的想法和意义

这篇文章记录了在学习中对线性代数一些基本概念或定理的理解，同时发掘一下其中的想法以及与其他知识之间的联系。

---

1 概述与定义

1.1 内积空间概述

内积空间是线性代数理论中重要的组成部分，而想要理解它，最好先问自己两个问题：一是我们为什么需要这个东西（即引入内积空间的motivation）；二是内积空间能为我们带来什么（即关注其意义和应用）

首先说一下引入内积空间的动机，简要概括就是希望对几何空间中的向量进行度量，我们知道在线性空间中，线性结构使得我们可以进行加法和标量乘法的运算，然而向量的其他特性也是很重要的，比如长度和角度。

这里有一点需要注意，这里向量的概念不局限于数组向量，还可以是矩阵、多项式等更抽象更广义层面上的“向量”。

接下来我们可以看到，定义了内积之后，就会多很多数学工具，比如范数，比如内积空间最重要的特点：正交性，当然内积空间可以继续拓展，比如加入完备性成为Hilbert空间，这一部分将在泛函分析中讨论。

1.2 内积的定义

接下来看一下内积最基本的定义：

定义 (内积)： V上的内积就是一个函数，它把V中元素的每一个有序对

都映成一个数

，并且满足：正定性（1和2），线性（3和4），共轭对称性（5，在

的时候就是交换律）

1. 正性：对所有
   均有
2. 定性：
   当且仅当
3. 加性：对所有
   均有
4. 齐性：对所有
   和所有
   均有
5. 共轭对称性：对所有
   均有

定义 (内积空间)： 内积空间就是带有内积的向量空间V

上面说了向量不止局限于向量，内积的定义形式也有很多种，我们最常用的形式便是

上的欧几里得内积（后面无特殊说明将一直使用这种定义方式）：

除了欧几里得内积之外，我们还可以根据实际需要去自己定义不同形式的内积，定义的时候只需要满足以上1-5的内积的条件，即定义内积的“基本原则”即可。
比如，可以在

上这样定义内积：

，这里要求

。

我们还可以在区间[-1,1]上利用实值连续函数构成的向量空间上如此定义内积：

。

也可以在

上定义内积：

2 内积空间的意义

2.1 由内积引出范数和正交

定义了内积之后，我们便可以构造一些数学工具方便向量空间中的度量，比如说我们可以使用内积诱导出范数的概念：

定义（范数）： 对于

,

的范数定义为

这里不过多介绍范数，知道范数是用来度量向量长度(大小)的即可。除了范数之外还有正交的概念：

定义（正交）： 两个向量

正交若

正交性在许多之后定理的证明中都有非常重要的作用，比如说需要证明一个向量是零向量，那么只要证明其和自身做内积等于零（即和自身正交）即可。

正交用非常简洁的数学语言描述了 “不相干” 这种状态，是几何中垂直这个概念在更高维度上的推广。

2.2 正交概念的拓展

接下来我们了解一下，在定义了内积的向量空间中，我们能做哪些事情。

前面通过内积，我们引入了正交的概念，有了正交的概念之后，我们就可以对线性空间的一组“基”进行标准正交化了。我们希望这组“基”成为一组标准正交基，即向量之间互相正交，且向量长度为1：

具体构造方法即为熟知的Gram-Schmidt正交化方法。这个正交化的过程说明了，每个有限维内积空间都有规范正交基，换句话说，Gram-Schmidt正交化过程保证了规范正交基在内积空间的存在性。

除了规范正交基之外，有了正交之后，还可以讨论线性空间的子空间的正交补、正交投影，向量的最佳逼近等问题。

3 总结

下面一个表格可以简要总结内积空间和普通线性空间的一些区别：

总而言之，在内积空间中，我们可以拥有一些有力的数学工具，我们的运算可以不再局限于线性空间的结构了（即只允许加法和标量乘法的运算），加入内积的结构能够让我们更好地去 “度量” 。

---

参考文献：

[1] Sheldon Axler.Linear Algebra Done Right [M] Second Edition(1997).

---

回到目录

下一篇：[线性代数] 2 内积空间上的算子，谱定理