1.8 正交补空间

正交补空间

重要性质 S 1 S_1 S1 S S S 子空间,则必存在唯一子空间 S 2 S_2 S2 使得 S = S 2 ⊕ S 1 S = S_2 \oplus S_1 S=S2S1 和 $ S_2 \bot S_1$ ,称 S 2 S_2 S2 S 1 S_1 S1 的正交补空间,记为 S 1 ⊥ S_1^{\bot} S1 d i m S 1 ⊥ = d i m S − d i m S 1 dim S_1^{\bot} = dim S - dim S_1 dimS1=dimSdimS1

正交补空间包含了垂直于原空间的所有向量。强调下,如果 S 1 S_1 S1 是整个空间,其正交补空间为 0 \mathbf{0} 0 维空间,只包含 0 \mathbf{0} 0 向量。

子空间的正交补和直和补空间,有什么差别呢?在于唯一性!正交补空间唯一,直和补有无穷多。数学喜欢唯一性,因为唯一性能大大简化问题。比如函数,单射的函数就很好研究,而多射函数难以研究。为什么选垂直的补空间作为唯一,而不选其它角度(如30度,60度等等)的补空间作为唯一呢?因为垂直时内积为0,如同最简基那节,0能解耦。

比如,二维空间,直线是子空间,其正交补就是其垂线,唯一;其直和补是任意不共线的直线,任意多。三维空间,平面是子空间,其正交补就是其垂线,唯一;其直和补是任意不共面的直线,任意多。

如果子空间 S 1 S_1 S1 由向量组 V = ( v 1 , ⋯   , v n ) V = (\mathbf{v_1},\cdots,\mathbf{v_n}) V=(v1,,vn) 张成,如何求其正交补空间呢?这个问题是线性代数基本问题之一,是理解线性方程的核心之一,必须十分重视。

根据正交补空间 S 1 ⊥ S_1^{\bot} S1 包含了垂直于原空间 S 1 S_1 S1 的所有向量,是个向量集合。 S 1 ⊥ S_1^{\bot} S1 中任意向量 v \mathbf{v} v 垂直于空间 S 1 S_1 S1 ,则只需也必须垂直于向量组 V V V 中所有向量,即
( v , v i ) = 0 ∀ i ∈ [ 1 , n ] (\mathbf{v},\mathbf{v_i}) = 0 \quad \forall i \in [1,n] (v,vi)=0i[1,n]
满足上式关系的所有向量构成的集合就是 S 1 ⊥ S_1^{\bot} S1 。这是定义空间的第二种方式,与向量组的线性组合定义空间完全不同。

需用计算法求出正交补,每个内积为0分别得一个方程,共 n n n 个方程。

m m m 维空间中 n n n 个向量的向量组 S 1 = ( v 1 , ⋯   , v n ) S_1 = (\mathbf{v_1},\cdots,\mathbf{v_n}) S1=(v1,,vn) ,令 v i = ( V i 1 , ⋯   , V i j , ⋯   , V i m ) \mathbf{v_i} = (\mathbf{V_{i1}},\cdots,\mathbf{V_{ij}},\cdots,\mathbf{V_{im}}) vi=(Vi1,,Vij,,Vim) ,即第 j j j 个分量为 V i j \mathbf{V_{ij}} Vij S 1 ⊥ S_1^{\bot} S1 中任意向量 v = ( α 1 , ⋯   , α m ) \mathbf{v}=(\alpha_1,\cdots,\alpha_m) v=(α1,,αm) ,根据内积计算规则,可得方程组
α 1 V 11 + ⋯ + α i V 1 i + ⋯ + α m V 1 m = 0 α 1 V 21 + ⋯ + α i V 2 i + ⋯ + α m V 2 m = 0 ⋮ α 1 V n 1 + ⋯ + α i V n i + ⋯ + α m V n m = 0 \alpha_1\mathbf{V_{11}}+\cdots+\alpha_i\mathbf{V_{1i}}+\cdots+\alpha_m\mathbf{V_{1m}} = 0 \\ \alpha_1\mathbf{V_{21}}+\cdots+\alpha_i\mathbf{V_{2i}}+\cdots+\alpha_m\mathbf{V_{2m}} = 0 \\ \vdots \\ \alpha_1\mathbf{V_{n1}}+\cdots+\alpha_i\mathbf{V_{ni}}+\cdots+\alpha_m\mathbf{V_{nm}} = 0 α1V11++αiV1i++αmV1m=0α1V21++αiV2i++αmV2m=0α1Vn1++αiVni++αmVnm=0
n n n 个方程 m m m 个未知数。方程形式和基的判断问题方程十分相似,有两点不同:第一方程数量为向量数量 n n n 个,第二与未知数 α i \alpha_i αi 相乘的系数不是向量 v i \mathbf{v_i} vi 的分量,而是所有向量的第 i i i 个分量。

例如,二维空间中,向量组 V = ( v 1 ) , v 1 = ( 1 , 2 ) \mathbf{V}=(\mathbf{v_1}),\mathbf{v_1} = (1,2) V=(v1),v1=(1,2) ,对应方程为
1 α 1 + 2 α 2 = 0 1\alpha_1+2\alpha_2 = 0 1α1+2α2=0

是直线,为正交补空间。

例如,三维空间中,向量组 V = ( v 1 ) , v 1 = ( 1 , 2 , 3 ) \mathbf{V}=(\mathbf{v_1}),\mathbf{v_1} = (1,2,3) V=(v1),v1=(1,2,3) 对应方程为
1 α 1 + 2 α 2 + 3 α 3 = 0 1\alpha_1+2\alpha_2+3\alpha_3 = 0 1α1+2α2+3α3=0

是平面,与向量 v 1 \mathbf{v_1} v1 垂直,为正交补空间。

正交补空间是空间,空间可以用向量组的线性组合表示,那补空间可以吗?
以上面方程为例介绍,1个方程3个未知数,故2个变量是自由变量,可令自由变量为 α 2 和 α 3 \alpha_2和\alpha_3 α2α3 ,取 ( 0 , 1 ) (0,1) (0,1) 时得 α 1 = − ( 2 α 2 + 3 α 3 ) = − 3 \alpha_1=-(2\alpha_2+3\alpha_3) = -3 α1=(2α2+3α3)=3 ,故 ( − 3 , 0 , 1 ) (-3,0,1) (3,0,1) 是解,其任意数乘也是解;取 ( 1 , 0 ) (1,0) (1,0) 时得 α 1 = − ( 2 α 2 + 3 α 3 ) = − 2 \alpha_1=-(2\alpha_2+3\alpha_3) = -2 α1=(2α2+3α3)=2 ,故 ( − 2 , 0 , 1 ) (-2,0,1) (2,0,1) 是解,其任意数乘也是解!故这两个向量的线性组合都是方程的解。这两个向量线性无关,故其张成子空间是二维。所以得到正交补空间的线性组合表示。
S 1 ⊥ = { α ( − 3 , 0 , 1 ) + β ( − 2 , 0 , 1 ) } S_1^{\bot}=\{\alpha(-3,0,1)+\beta(-2,0,1)\} S1={α(3,0,1)+β(2,0,1)}
再如,三维空间中,向量组 V = ( v 1 , v 2 ) , v 1 = ( 1 , 2 , 3 ) \mathbf{V}=(\mathbf{v_1},\mathbf{v_2}),\mathbf{v_1} = (1,2,3) V=(v1,v2),v1=(1,2,3) v 2 = ( 4 , 5 , 6 ) \mathbf{v_2} = (4,5,6) v2=(4,5,6) 对应方程为
1 α 1 + 2 α 2 + 3 α 3 = 0 4 α 1 + 5 α 2 + 6 α 3 = 0 1\alpha_1+2\alpha_2+3\alpha_3 = 0 \\ 4\alpha_1+5\alpha_2+6\alpha_3 = 0 1α1+2α2+3α3=04α1+5α2+6α3=0
是直线,与向量 v 1 \mathbf{v_1} v1 v 2 \mathbf{v_2} v2 垂直,为正交补空间。求线性组合如下,2个方程3个未知数,故1个变量是自由变量,可令自由变量为 α 3 \alpha_3 α3 ,取 ( 1 ) (1) (1) 时得 1 α 1 + 2 α 2 + 3 = 0 4 α 1 + 5 α 2 + 6 = 0 1\alpha_1+2\alpha_2+3 = 0 \\4\alpha_1+5\alpha_2+6 = 0 1α1+2α2+3=04α1+5α2+6=0 ,故 ( 1 , − 2 , 1 ) (1,-2,1) (1,2,1) 是解,其任意数乘也是解,即该向量的线性组合,其张成子空间是一维。所以得到正交补空间的线性组合表示。
S 1 ⊥ = { α ( 1 , − 2 , 1 ) } S_1^{\bot}=\{\alpha(1,-2,1)\} S1={α(1,2,1)}

你可能感兴趣的:(#,线性代数,线性代数,矩阵)