第一章_线性空间和线性映射分析.pptVIP

附：Hilbert空间 定义：完备的内积空间称为Hilbert空间。其中完备性是指任何柯西序列都有极限。因此n维欧式空间是Hilbert空间的特例。 平方可积空间：定义在区间[a,b]上的连续函数，可以定义内积 (f,g) 称满足 的函数 f (t)为元素的线性空间为平方可积空间。记为L2(a,b)。平方可积空间是Hilbert空间。 平方可积空间例 L2(0,2?)空间可以看做为周期函数构成的空间，其标准正交基为{sin(nt),cos(nt)}，任何一个函数在该基底下的坐标为其对应的傅里叶系数。 L2(-?,?)空间为能量有限空间，其基底可以选择小波基{2j/2ψ(2jt-k)}作为基底。注意如果考虑复数值函数，则傅里叶变换为该空间上的一个线性变换，且是一一对应的，即傅里叶变换是一个同构。 平方可和空间 对离散信号定义内积 称满足 的序列为元素的线性空间为平方可和空间，记为l2(Z)。平方可和空间也是Hilbert空间，离散时间傅里叶变换。 为l2(Z)到L2(0,2?)的线性映射。 L2空间 概率论中，称?为基本事件、A(?F)为事件， F是事件的全体，P(A)称为事件的概率，这样可定义概率空间(?，F ，P)。 用Lp=Lp(?，F ，P) (p＞1)表示具有有限p阶矩的随机变量?= ?(?)的空间，称为Banach空间，其中E|?|p=?。 其中，起重要作用的是具有有限二阶矩的随机变量的Hilbert空间L2=L2(?，F ，P) ，简称为L2空间． L2空间（续） L2空间中的任何两个随机变量x (?)和y(?)的内积定义为 (x, y)=E(xHy) 。 ||x||2={E(xHx)}0.5称为随机向量x的范数。这样， 最小||e||22既可指最小均方误差，也可指最小二乘误差。 ?x(t)=E(x(t,?))称为随机向量x(t, ?)的均值向量。Rx(t,t+?)=E(x(t,?)xH(t+?,?))为x的自相关矩阵，x平稳时，?x(t)=?x和Rx(t, t+?)=Rx(?)。 x(t,?)=x(t,?)-?x(t)为随机向量x的中心化向量。 Cx(t, t+?)=Rx(t, t+?)为x的自协方差矩阵。 L2空间（续） L2空间中的任何两个随机变量x(?)和y(?)统计不相关，若Cxy=O；x(?)和y(?)正交，若Rxy=O。 随机向量的线性变换：若y(?)=Ax (?)，则?y(t)=A?x(t)和Ry= ARxAH 高斯白噪声的统计特性：?x(t)=0，Rx(0)=?2I L2空间的元素序列xn收敛于极限x意味着||xn-x||?0，即E((xn-x)H(xn-x))?0。在L2空间内xn依范数收敛于x称为均方收敛。 例1 在Rn中，对于 规定 容易验证 ( , )是Rn上的一个内积，从而 Rn成为一个欧氏空间。如果规定 容易验证( , )2也是Rn上的一个内积，这样 Rn又成为另外一个欧氏空间。 例2 在mn维线性空间Rm×n中，规定 容易验证这是Rm×n上的一个内积，这样 Rm×n对于这个内积成为一个欧氏空间。 例3 在连续函数构成的线性空间 C[a, b]中，规定 容易验证(f, g)是 C[a, b] 上的一个内积，这样 C[a, b]对于这个内积成为一个欧氏空间。 Euclid空间的性质 有限维线性欧氏空间 设实数域上有限维线性空间V的基底为 ，设向量x与y在此基底下的表达式如下 则x与y的内积可以表示如下 取 即A为实对称矩阵，而且(x,x)0表明A为正定的。 性质：（1） 当且仅当 时 （2） （3） （4） 欧氏空间的度量 定义：设V为线性欧氏空间，向量的长度或范数定义为 例1： 在线性空间Rm×n 中，证明 证明：由于Tr(ABT)为线性空间中的内积，由三角不等式得证。 例2 设C[a,b]表示闭区间[a,b]上的所有连续实函数组成的线性空间，证明对于任意的f(x), g(x)∈C[a,b]，我们有 证明：由于 为线性空间C[a,b]上的内积，由内积基本性质可得上式。 定义：设V为欧氏空间，两个非零向量 的夹角定义为