内积空间讲述.ppt

例 试求下列已知数据点之最小平方拋物线 解 令最小平方拋物线方程式为y = a + bx + cx2， 将已知点依序代入上式，可得 (1, 7), (2, 2), (3, 1), (4, 3) 求最小平方解，其系数矩阵A及常数向量y分为 计算可得 最小平方解 y = 15.25 – 10.05x + 1.75x2 最小平方拋物线为 因此，a = 15.25, b = -10.05, c = 1.75 x y o (3,1) (4,3) (2,2) (1,7) 2.1 线性变换的概念 显然，线性映射就是保持线性运算的映射，他不要求是双射，而线性变换是线性空间到自身的线性映射． 2.1.1 线性变换的定义 2.1.2 线性变换的性质 注意 性质3的逆命题不成立，即线性变换可能将线性无关向量组变成线性相关向量组．例如，零变换把任何线性无关向量组都变成线性相关向量组． 2.2 线性变换的运算 定理2.2.1 对于上述加法与数量乘法构成数域上的一个线性空间． 对于线性变换，还可以定义下列几种基本运算 2.3 线性变换的矩阵 2.3.1 预备定理 2.3.2 线性变换的矩阵表示 该定理说明，线性空间V中的线性变换T在两个不同基下的矩阵是相似的．反过来也可以证明，两个相似矩阵总可以看成某一线性变换在两个不同基下的矩阵． 补充 线性变换 在许多数学问题和实际问题中起着重要作用的是线性空间到线性空间的映射，并且这些映射有一个共同点，即保持加法与数乘两种运算，我们称这样的映射为线性映射．本章讨论线性空间到线性空间的线性映射，着重讨论线性空间到自身的线性映射—线性变换，并建立它们和矩阵之间的联系 ． 第三节 正交变换与酉变换 在内积空间中有一种特殊的线性变换，它保持向量的内积不变，这种变换称为酉（正交）变换． 2.3.1 正交矩阵与正交变换 仅证明列向量组为正交单位向量组 设 则 例 在 里,把每一向量逆时针旋转一个角?的 的一个正交变换. 线性变换是 例 对于每一向量 ,令?关于x0y面的镜面反射 与它对应. 是 的一个正交变换. 2.4.2 酉矩阵与酉变换 定义 设 是一个单位向量，令 则称H是一个Householder矩阵或Householder变换. 性质 设H是一个Householder矩阵，则 Householder变换是酉变换. （1）H是Hermite矩阵， ； （2）H是酉矩阵， ； （3）H是对合矩阵， ； （4）H是自逆矩阵 （5）diag(I,H ) 也是一个Householder矩阵; （6）若 则det H = -1. 定义2 ： 是欧氏空间V中的两个子空间， 如果对 恒有 则称子空间 为正交的,记作 对给定向量 定义1： 则称向量　与子空间 正交，记作 两两正交的子空间的和必是直和． 第四节 正交投影 例1 设 则 分析：根据子空间正交的定义，即证： 证明（1） 则存在 使 则 因此 即 在（1）中以AH代替A即得（2）。 定义3 设W是欧氏空间V的子空间，记 定理1 设W是欧氏空间V的一个有限维子空间，那么 因而V的每一个向量ξ可以唯一写成 这里 设 令 证明 当W = {0}时，定理显然成立，这时 设 由于 W的维数有限， 因而可以取到W的一个规范正交基 那么 而 由于 是W的基，所以ζ与W正交， 这就证明了 即 剩下来只要证明这个和是直和。这是显然的， 那么 从而 定理被证明。 因为如果 练习 见P33 例2.4.1 注：分解是唯一的，即，若存在V的子空间U满足U与W垂直，且V=U+W，则U就是W的正交补. 定义4：设W是欧氏空间V的有限维非平凡子空间， 为V到W的正交投影变换。 注：可以证明，正交投影变换是线性变换。 (证明见P34 定理2.4.2) 几何解释P34 图2.4.1 证明 由于 所以 定理2 设W是欧氏空间V 的一个有限维子空间， 是V 的任意向量， 是 在W 上的正交投影，那么对于W 中任意向量， 都有 由勾股定理 正交投影的求法*（选讲）P34 定理2.4.4 证明见P35 定理 设P是n阶方阵，则P是正交投影矩阵的充分必要条件是 P是幂等的Hermite矩阵，即P2=P,PH=P. (P36) 正交投影矩阵的求法： 设 为W 的基， 令 则 特别地，当W的基为标准正交基时，即 从而 （详见P35） 正交投影矩阵 中正交投影变换在自然基下的表示矩阵称为正交投影矩阵. 解 将x1,x2正交化、单位化得 例2 设x1=