矩阵分析与应用

一个欣语

已于 2022-06-10 21:23:12 修改

阅读量191

点赞数 1

文章标签：线性代数

于 2022-06-10 15:42:06 首次发布

本文链接：https://blog.csdn.net/weixin_46007132/article/details/125212274

版权

实内积空间

实内积空间是满足下列条件的实向量空间 $E$ ， $E$ 中每一对向量 $x,y$ ，存在向量 $x$ 和 $y$ 的内积 $\left \langle x,y \right \rangle$ 服从以下公理：

$\left \langle x,x \right \rangle > 0$ , $\forall x \neq 0$ ,称为内积的严格正性或称内积是正定的。
$\left \langle x,y \right \rangle=\left \langle y,x \right \rangle$ ,称为内积的对称性。
$\left \langle x,y+z \right \rangle=\left \langle x,y \right \rangle+\left \langle x,z \right \rangle$ ， $\forall x,y,z$ 。
$\left \langle\alpha x,y \right \rangle=\alpha \left \langle x,y \right \rangle$ 对所有实向量 $x,y$ 以及所有实标量 $\alpha$ 成立

典范内积：对实n阶向量空间 $R^{n}$ 定义向量 $x=\left [ x_{1},x_{2},.. .,x_{n} \right ]^{T}$ , $y=\left [ y_{1},y_{2},.. .,y_{n} \right ]^{T}$ ，它们之间的内积称为典范内积。称 $R^{n}$ 为n阶Euclidean空间或者Euclidean n 空间。

$\left \langle x,y \right \rangle=\sum_{i=1}^{n}x_{i}y_{i}$

令 $x(t),y(t)$ 是 $R$ 的两个连续函数，并且 $t$ 的定义域为 $\left [ a,b \right ]$ ，则 $x(t),y(t)$ 之间的内积定义为：

$\left \langle x(t),y(t) \right \rangle = \int_{a}^{b}x(t),y(t) dt$

范式

若 $R_{n}$ 是一个实向量空间，并且 $x \in E^{n}$ ，则 $x$ 的范数（或长度）记为 $\left \| x \right \|$ ，并定义为

$\left \| x \right \|=\left \langle x,x \right \rangle^{1/2}$

长度为1的向量称为单位向量。

向量 $x$ 和 $y$ 之间的距离定义为

$d=\left \| x-y \right \|=\left \langle x-y,x-y \right \rangle^{1/2}$

对于Euclidean n 空间，向量范数取

$\left \| x \right \|_{2}=\sqrt{a_{1}^{2}+a_{2}^{2}+.. .+a_{n}^{2}}$

并称为向量 $x$ 的Euclidean长度。

向量的距离取： $\left \| x-y \right \|_{2}=\sqrt{(a_{1}-b_{1})^{2}+(a_{2}-b_{2})^{2}+.. .+(a_{n}-b_{n})^{2}}$

并称为向量 $x$ 和 $y$ 之间的Euclidean距离。

实内积空间的范数具有的一般性质：

$\left \| 0 \right \|=0$ 并且 $\left \| x \right \|>0,\forall x\neq 0$ .
$\left \| cx \right \|=\left \| c \right \|\left \| x \right \|$ 对所有向量 $x$ 和标量 $c$ 成立。
范数服从极化恒等式 $\left \langle x,y \right \rangle=\frac{1}{4}\left ( \left \| x+y \right \| ^{2} -\left \| x-y \right \| ^{2}\right )$ , $\forall x,y$
范数满足平行四边形法则 $\left \| x+y \right \|^{2}+\left \| x-y \right \|^{2}=2\left \| x \right \|^{2}+2\left \| y \right \|^{2},\forall x,y$
范数服从Cauchy-Schwartz不等式 $\left | \left \langle x,y \right \rangle \right |\leqslant \left \| x \right \|\left \| y \right \|$ 。当且仅当 $y=cx$ 时等号成立，其中c为某个非零常数。
范数满足三角不等式 $\left \| x+y \right \|\leqslant \left \| x \right \|+\left \| y \right \|,\forall x,y$

复内积空间

复内积空间内的向量为复向量，一个有限维的复内积空间的复向量 $x=\left [ x_{1},x_{2},.. .,x_{n} \right ]^{T}$ , $y=\left [ y_{1},y_{2},.. .,y_{n} \right ]^{T}$ 之间的内积表示为：
$\left \langle x,y \right \rangle=x^{H}y=\sum_{i=1}^{n}x_{i}^{*}y_{i}$

在复内积空间内，范数具有以下性质：

$\left \| 0 \right \|=0,\left \| x \right \|>0, \forall x \neq 0$
$\left \| cx \right \|=| c |\left \| x \right \|$ 其中 $|c|$ 表示复数c的模。
极化恒等式 $\left \langle x,y \right \rangle=\frac{1}{4}\left ( \left \| x+y \right \|^{2}-\left \| x-y \right \|^{2} -j\left \| x+jy \right \|^{2}+j\left \| x-jy \right \|^{2}\right )$
平行四边形法则 $\left \| x+y \right \|^{2}+\left \| x-y \right \|^{2}=2\left \| x \right \|^{2}+2\left \| y \right \|^{2}$
Cauchy-Schwartz不等式 $\left | \left \langle x+y \right \rangle \right |\leqslant \left \| x \right \|\left \| y \right \|$ ，当且仅当y=cx时等号成立。
三角不等式 $\left \| x+y \right \|\leqslant \left \| x \right \| +\left \| y \right \|$

一个欣语

关注

1
点赞
踩
0

收藏

觉得还不错? 一键收藏
1
评论
矩阵分析与应用

实内积空间实内积空间是满足下列条件的实向量空间，中每一对向量，存在向量和的内积服从以下公理：典范内积：对实n阶向量空间定义向量,，它们之间的内积称为典范内积。称为n阶Euclidean空间或者Euclidean n 空间。令是的两个连续函数，并且的定义域为，则之间的内积定义为：范式若是一个实向量空间，并且，则的范数（或长度）记为，并定义为长度为1的向量称为单位向量。向量和之间的距离定义为对于Euclidean n 空间，向量范数取并称为向量的Euclidean长度。向量的距离取：并称为向量和之间的Euc
复制链接

扫一扫