内积

一、欧几里得空间

定义:设是实数域的线性空间,映射称为上的内积(Inner product),记作,满足:

  • 对称性:
  • 对第二个元素的线性性:
  • 正定性,非零向量跟自己的内积是大于0的,

对于第二条性质的解释,内积本来是一个二元函数,当将第一个参数固定住,就变成了关于第二个参数的一元函数,此时这个函数是一个线性函数(映射),即这个映射是线性的,线性组合的像等于像的线性组合。

在上线性空间上定义了内积,就称为内积空间,若空间是有限维的,则称为欧几里得空间。

上的标准内积

计算为:证明这是不是内积,就挨个check一下那三条性质。

函数的内积

连续函数空间,设两个向量,其中定义内积

二、复内积和酉空间(Unitary Space,也称为辛空间)

定义:设是上的线性空间,复内积:满足:

  • 对第二个元素的线性性
  • 正定性:且大于0

有限维的复内积空间称为酉空间

对第一个元素是共轭线性的:<k\boldsymbol{v}_1+l\boldsymbol{v}_2,\boldsymbol{v}_3>=\overline{<\boldsymbol{v}_3,k\boldsymbol{v}_1+l\boldsymbol{v}_2>}=\overline{<\boldsymbol{v}_3,\boldsymbol{v}_1>k+<\boldsymbol{v}_3,\boldsymbol{v}_2>l}\\=\overline{<\boldsymbol{v}_3,\boldsymbol{v}_1>}\overline{k}+\overline{<\boldsymbol{v}_3,\boldsymbol{v}_2>}\overline{l}=\overline{k}<\boldsymbol{v}_1,\boldsymbol{v}_2>+\overline{l}<\boldsymbol{v}_2,\boldsymbol{v}_3>

标准酉空间

在上定义复内积

线性组合的内积的矩阵表示:\left<\sum_{i=1}^s\boldsymbol{\alpha}_ik_i,\sum_{i=1}^t\boldsymbol{\beta}_il_i\right>=[\overline{k_1},\overline{k_2},\cdots,\overline{k_s}]\left[ \begin{matrix} <\boldsymbol{\alpha}_1,\boldsymbol{\beta}_1>&<\boldsymbol{\alpha}_1,\boldsymbol{\beta}_2>&\cdots&<\boldsymbol{\alpha}_1,\boldsymbol{\beta}_t>\\<\boldsymbol{\alpha}_2,\boldsymbol{\beta}_1>&<\boldsymbol{\alpha}_2,\boldsymbol{\beta}_2>&\cdots&<\boldsymbol{\alpha}_2,\boldsymbol{\beta}_t>\\ \vdots &\vdots &\ddots &\vdots\\<\boldsymbol{\alpha}_s,\boldsymbol{\beta}_1>&<\boldsymbol{\alpha}_s,\boldsymbol{\beta}_2>&\cdots&<\boldsymbol{\alpha}_s,\boldsymbol{\beta}_t> \end{matrix} \right] \left[\begin{matrix} l_1\\l_2\\\vdots\\l_t \end{matrix} \right]=\sum_{i=1}^s\sum_{i=1}^t\overline{k_i}<\boldsymbol{\alpha}_i,\boldsymbol{\beta}_j>l_j

Gram矩阵

设是内积空间的一个向量组,则矩阵G(\boldsymbol{\beta}_1,\boldsymbol{\beta}_2,\cdots,\boldsymbol{\beta}_s)=\left[ \begin{matrix} <\boldsymbol{\alpha}_1,\boldsymbol{\beta}_1>&<\boldsymbol{\beta}_1,\boldsymbol{\beta}_2>&\cdots&<\boldsymbol{\beta}_1,\boldsymbol{\beta}_t>\\<\boldsymbol{\beta}_2,\boldsymbol{\beta}_1>&<\boldsymbol{\beta}_2,\boldsymbol{\beta}_2>&\cdots&<\boldsymbol{\beta}_2,\boldsymbol{\beta}_t>\\ \vdots &\vdots &\ddots &\vdots\\<\boldsymbol{\beta}_s,\boldsymbol{\beta}_1>&<\boldsymbol{\beta}_s,\boldsymbol{\beta}_2>&\cdots&<\boldsymbol{\beta}_s,\boldsymbol{\beta}_t> \end{matrix} \right]其中基向量组的Gram矩阵称为度量矩阵

性质:

  • Hermit性:,证明简单,
  • 非负定性:,有,证明:\left[\overline{z_1},\overline{z_2},\cdots,\overline{z_s}\right]\left[\begin{matrix} <\boldsymbol{\beta}_1,\boldsymbol{\beta}_1>&<\boldsymbol{\beta}_1,\boldsymbol{\beta}_2>&\cdots&<\boldsymbol{\beta}_1,\boldsymbol{\beta}_s>\\<\boldsymbol{\beta}_2,\boldsymbol{\beta}_1>&<\boldsymbol{\beta}_2,\boldsymbol{\beta}_2>&\cdots&<\boldsymbol{\beta}_2,\boldsymbol{\beta}_s>\\\vdots&\vdots\vdots&\ddots&\vdots\\<\boldsymbol{\beta}_s,\boldsymbol{\beta}_1>&<\boldsymbol{\beta}_s,\boldsymbol{\beta}_2>&\cdots&<\boldsymbol{\beta}_s,\boldsymbol{\beta}_s > \end{matrix}\right]\left[\begin{matrix}z_1\\z_2\\\vdots\\z_s\end{matrix}\right] =\left< \sum_{k=1}^sz_k\boldsymbol{\beta}_k,\sum_{k=1}^sz_k\boldsymbol{\beta}_k \right>\ge 0
  • 正定 向量组线性无关,证明:设,则,再根据上一条性质即可证明。

在上的Gram矩阵,有一个向量组,这里是具体的向量,不是抽象的,则,证明:

设,其中,Gram矩阵\boldsymbol{G}(\boldsymbol{f}_1,\boldsymbol{f}_2,\cdots,\boldsymbol{f}_s)=\left[ \begin{matrix} \displaystyle\int_a^bf_1(t)f_1(t)dt & \displaystyle\int_a^bf_1(t)f_2(t)dt&\cdots&\displaystyle\int_a^bf_1(t)f_s(t)\\\displaystyle\int_a^bf_2(t)f_1(t)dt&\displaystyle\int_a^bf_2(t)f_2(t)dt&\cdots&\displaystyle\int_a^bf_2(t)f_s(t)dt\\\vdots&\vdots&\ddots&\vdots\\\displaystyle\int_a^bf_s(t)f_1(t)dt&\displaystyle\int_a^bf_s(t)f_2(t)dt&\cdots&\displaystyle\int_a^bf_s(t)f_s(t)dt \end{matrix} \right]

三、向量的长度和距离

定义:

  • 正性:,iff 时,
  • 正齐性:
  • 三角不等式:
  • Cauchy-Schwarz不等式:
  • 平行四边形公式:

证明Cauchy-Schwarz不等式:两边乘以的倒数\left< \boldsymbol{\alpha},\boldsymbol{\beta} \right>e^{-i\theta}=|\left<\boldsymbol{\alpha},\boldsymbol{\beta }\right>|\\\Rightarrow\left<\boldsymbol{\alpha}e^{i\theta},\boldsymbol{\beta}\right>=|\left<\boldsymbol{\alpha},\boldsymbol{\beta }\right>|\in\mathbb{R}设,要证明,则等号成立的条件是和线性相关。

你可能感兴趣的:(内积)