玩转线性代数(28)长度、夹角和距离的笔记,相关证明以及例子见原文
内积
定义
设有n维向量
x
=
(
x
1
x
2
⋮
x
n
)
,
y
=
(
y
1
y
2
⋮
y
n
)
x=\begin{pmatrix} x_1 \\ x_2 \\ \vdots \\ x_n \end{pmatrix}, y=\begin{pmatrix} y_1 \\ y_2 \\ \vdots \\ y_n \end{pmatrix}
x=
x1x2⋮xn
,y=
y1y2⋮yn
令
[
x
,
y
]
=
x
1
y
1
+
x
2
y
2
+
⋯
+
x
n
y
n
[x, y]=x_1y_1+x_2y_2+\cdots+x_ny_n
[x,y]=x1y1+x2y2+⋯+xnyn,
称
[
x
,
y
]
[x,y]
[x,y]为向量x与y的内积
按矩阵的运算可表示为
[
x
,
y
]
=
x
T
y
=
(
x
1
,
x
2
,
⋯
,
x
n
)
(
y
1
y
2
⋮
y
n
)
[x, y]=x^Ty=(x_1,x_2,\cdots,x_n)\begin{pmatrix} y_1 \\ y_2 \\ \vdots \\ y_n \end{pmatrix}
[x,y]=xTy=(x1,x2,⋯,xn)
y1y2⋮yn
内积的运算性质
(其中
x
,
y
,
z
x,y,z
x,y,z为n维向量,
λ
∈
R
\lambda \in R
λ∈R)
(1)
[
x
,
y
]
=
[
y
,
x
]
[x,y]=[y,x]
[x,y]=[y,x]
(2)
[
λ
x
,
y
]
=
λ
[
x
,
y
]
[\lambda x,y]=\lambda[x,y]
[λx,y]=λ[x,y]
(3)
[
x
+
y
,
z
]
=
[
x
,
z
]
+
[
y
,
z
]
[x+y,z]=[x,z]+[y,z]
[x+y,z]=[x,z]+[y,z]
(4)
[
x
,
x
]
≥
0
[x,x]\ge 0
[x,x]≥0;当且仅当
x
=
0
x=0
x=0时,
[
x
,
x
]
=
0
[x,x]=0
[x,x]=0
内积空间
一个定义了内积的向量空间称为内积空间
不同类型的向量空间内积的定义方法不同,但都要满足上述四条性质
长度
令
∣
∣
x
∣
∣
=
[
x
,
x
]
=
x
1
2
+
x
2
2
+
⋯
+
x
n
2
||x||=\sqrt{[x,x]}=\sqrt{x_1^2+x_2^2+\cdots+x_n^2}
∣∣x∣∣=[x,x]=x12+x22+⋯+xn2,
称
∣
∣
x
∣
∣
||x||
∣∣x∣∣为n维向量的长度(或范数)
性质
向量的长度具有如下性质:
(1)非负性:
∣
∣
x
∣
∣
≥
0
||x||\ge0
∣∣x∣∣≥0;当且仅当x=0时,
∣
∣
x
∣
∣
=
0
||x||=0
∣∣x∣∣=0
(2)齐次性:
∣
∣
λ
x
∣
∣
=
∣
λ
∣
∣
∣
x
∣
∣
||\lambda x||=|\lambda|||x||
∣∣λx∣∣=∣λ∣∣∣x∣∣
(3)三角不等式:
∣
∣
x
+
y
∣
∣
≤
∣
∣
x
∣
∣
+
∣
∣
y
∣
∣
||x+y||\le ||x||+||y||
∣∣x+y∣∣≤∣∣x∣∣+∣∣y∣∣
(4)对任意n维向量x,y,有
x
T
y
=
[
x
,
y
]
≤
∣
∣
x
∣
∣
⋅
∣
∣
y
∣
∣
x^Ty=[x,y]\le ||x|| \cdot||y||
xTy=[x,y]≤∣∣x∣∣⋅∣∣y∣∣,或
[
x
,
y
]
2
≤
[
x
,
x
]
[
y
,
y
]
[x,y]^2\le [x,x][y,y]
[x,y]2≤[x,x][y,y]
注:若令
x
T
=
(
x
1
,
x
2
,
⋯
,
x
n
)
,
y
T
=
(
y
1
,
y
2
,
⋯
,
y
n
)
x^T=(x_1,x_2,\cdots,x_n),y^T=(y_1,y_2,\cdots,y_n)
xT=(x1,x2,⋯,xn),yT=(y1,y2,⋯,yn),则性质4可表示为
∣
∑
i
=
1
n
x
i
y
i
∣
≤
∑
i
=
1
n
x
i
2
⋅
∑
i
=
1
n
y
i
2
|\sum_{i=1}^nx_iy_i|\le \sqrt{\sum_{i=1}^nx_i^2} \cdot \sqrt{\sum_{i=1}^ny_i^2}
∣i=1∑nxiyi∣≤i=1∑nxi2⋅i=1∑nyi2
上述不等式称为施瓦茨不等式,它说明了
R
n
R^n
Rn中任意两个向量的内积与它们长度之间的关系
单位向量及单位化
单位向量:当
∣
∣
x
∣
∣
=
1
||x||=1
∣∣x∣∣=1时,称x为单位向量。
向量单位化:对
R
n
R^n
Rn中任一非零向量
α
\alpha
α,向量
α
∥
α
∥
\frac{\alpha}{\|\alpha\|}
∥α∥α是一个单位向量,因为
∥
α
∥
α
∥
∥
=
1
∥
α
∥
∥
α
∥
=
1
\| \frac{\alpha}{\|\alpha\|} \|=\frac{1}{\|\alpha\|} \|\alpha\|=1
∥∥α∥α∥=∥α∥1∥α∥=1
用非零向量
α
\alpha
α的长度去除向量
α
\alpha
α,得到一个非零向量,这一过程通常称为向量
α
\alpha
α的单位化
夹角
当
∥
α
∥
≠
0
,
∥
β
∥
≠
0
\|\alpha\| \ne 0, \|\beta\| \ne 0
∥α∥=0,∥β∥=0,定义
θ
=
a
r
c
c
o
s
[
α
,
β
]
∥
α
∥
∥
β
∥
(
0
≤
θ
≤
π
)
\theta=arccos \frac{[\alpha,\beta]}{\|\alpha\|\|\beta\|} (0\le \theta \le \pi)
θ=arccos∥α∥∥β∥[α,β](0≤θ≤π)
称
θ
\theta
θ为向量
α
\alpha
α与
β
\beta
β的夹角
距离
R
n
R^n
Rn空间中的两个向量u和v之间的距离用dist(u,v)来表示,计算公式为
d
i
s
t
(
u
,
v
)
=
∥
u
−
v
∥
=
(
u
1
−
v
1
)
2
+
(
u
2
−
v
2
)
2
+
⋯
+
(
u
n
−
v
n
)
2
dist(u,v)=\|u-v\|=\sqrt{(u_1-v_1)^2+(u_2-v_2)^2+\cdots+(u_n-v_n)^2}
dist(u,v)=∥u−v∥=(u1−v1)2+(u2−v2)2+⋯+(un−vn)2