2-3.正交子空间
近世代数高代选讲大纲

沈阳师范大学教学日历数学与应用数学专业课程名称:近世代数《近世代数》课程教学大纲第一部分大纲说明一、总则1.本课程的目的和要求:近世代数不仅在数学中占有及其重要的地位,而且在学科中也有广泛的应用,如理论物理、计算机学科等。
其研究的方法和观点,对其他学科产生了越来越大的影响。
群、环、域、模是本课程的基本内容,要求学生熟练掌握群、环、域的基本理论和方法,并对模的概念有所理解。
2.本课程的主要内容:本课程讲授代数中典型的代数系统:群、环、域。
要求学生能了解群的各种定义,循环群,n阶对称群,变换群,陪集,不变子群的定义及其性质,了解环、域、理想、唯一分解环的定义。
能够计算群的元素阶,环中可逆元,零因子、素元,掌握Lagrange定理,群、环同态和同构基本定理,掌握判别唯一分解环的方法。
3.教学重点与难点:重点:群、正规子群、环、理想、同态基本原理.难点:商群、商环。
4.本课程的知识范围及与相关课程的关系集合论初步与高等代数(线性代数)是学习本课程的准备知识。
本课程学习以后可以继续研读:群论、环论、模论、李群、李代数、计算机科学等。
二、课程说明1.课程基本情况(中文)近世代数(英文)Abstract Algebra专业必修课2.适用专业:数学与应用数学适用对象:本科3.首选教材:《近世代数基础》,张禾瑞,人民教育出版社,1978年修订本。
二选教材:《近世代数》,吴品三,高等教育出版社,1978年修订本。
4.考核方式和成绩记载说明考核方式为考试。
严格考核学生出勤情况,达到学籍管理规定的旷课量则取消考试资格。
综合成绩根据平时成绩和期末考试成绩评定,平时成绩占20%,期末考试成绩占80%。
三、教学安排《近世代数》课程的讲授为一个学期,共72学时,内容包括第1章到第4章的内容。
学时分配四、教学环节该课程是理论性较强的学科,由于教学时数所限,本课程的理论推证较少,因此必须通过做练习题来加深对概念的理解和掌握,熟悉各种公式的运用,从而达到消化、掌握所学知识的目的。
《高等代数》知识点梳理

《高等代数》知识点梳理高等代数是一门重要的数学学科,它是线性代数的延伸和深化,主要研究向量空间和线性变换的性质和应用。
以下是《高等代数》常见的知识点梳理:1.矩阵和线性方程组:-矩阵:矩阵的定义和运算、矩阵的行列式、逆矩阵等。
-线性方程组:线性方程组的定义和解的分类、线性方程组的矩阵表示、线性方程组的消元法、高斯-约当法等。
2.向量空间:-向量空间的定义:向量空间的基本性质和运算规则。
-子空间和张成空间:子空间和子空间的运算、线性组合和线性相关、张成空间的定义和性质。
-基和维数:线性无关和极大线性无关组、基和维数的相关定义和性质。
3.线性变换:-线性变换的定义和性质:线性变换的基本性质和运算。
-线性变换的矩阵表示:矩阵的表示和判断、线性变换的示例和应用。
-矩阵相似和对角化:矩阵相似的定义和性质、对角化的定义和条件、对角化的意义和应用。
4.特征值和特征向量:-特征值和特征向量的定义:特征值和特征向量的基本概念和性质。
-特征多项式和特征方程:特征多项式和特征方程的定义和性质、求解特征多项式和特征方程的方法。
-对角化和相似对角化:对角化和相似对角化的概念和条件、对角化和相似对角化的关系和应用。
5.矩阵的特征值和特征向量的应用:-线性微分方程组:线性微分方程组的特征方程和特解、线性微分方程组的解的表示和求解方法。
-线性差分方程组:线性差分方程组的特征方程和特解、线性差分方程组的解的表示和求解方法。
- Markov过程:Markov过程的概念和性质、Markov过程的平稳分布和转移概率矩阵。
6.内积空间和正交变换:-内积和内积空间的定义:内积的基本性质和运算规则、内积空间的定义和性质。
-正交向量和正交子空间:正交向量和正交子空间的定义和性质。
-正交变换和正交矩阵:正交变换和正交矩阵的概念、正交变换的性质和应用。
7.对偶空间和广义逆:-对偶空间的定义和性质:对偶空间的定义和对偶基的求解方法、对偶空间的性质和应用。
欧氏空间正交分解的一个应用

欧氏空间正交分解的一个应用欧氏空间正交分解是将一个欧氏空间拆分为两个正交子空间的过程。
这种分解方法在数学、物理和工程等领域有广泛的应用。
下面将以图像处理为例,介绍欧氏空间正交分解的一个应用。
图像处理中,常常需要对图像进行降噪处理。
噪声会影响图像的质量和清晰度,因此在很多应用场景中,如医学图像分析、数字媒体和计算机视觉等领域,降噪是一个重要的任务。
欧氏空间正交分解可以被用来降噪图像。
具体的步骤如下:1. 将图像表示为一个欧氏空间中的一个向量。
图像可以被看作是一个矩阵,所以可以将矩阵展平为一个向量。
2. 使用一组正交基对图像向量进行正交分解。
正交基是一个向量组,其中每个向量与其他向量互相垂直。
这个向量组的个数通常与图像的维度相等。
3. 利用正交基将图像向量分解为两个正交子空间的向量之和。
这两个子空间分别代表了图像向量中与噪声相关的部分和与噪声不相关的部分。
4. 在不相关子空间中的分量是与噪声无关的,可以将其保留下来。
5. 噪声相关的部分可以被认为是噪声矢量的线性组合。
通过去除噪声相关的部分,将图像恢复为去噪后的版本。
这种欧氏空间正交分解的方法可以显著降低图像中的噪声,并改善图像的质量。
通过保留与噪声无关的部分,图像的细节可以得到更好的保留。
总结:欧氏空间正交分解在图像处理中被广泛应用于降噪处理。
通过将图像表示为欧氏空间中的向量,并使用正交基进行分解,可以将图像中与噪声相关的部分与与噪声无关的部分分离开来。
保留与噪声无关的部分,可以显著降低图像中的噪声,并提高图像的质量。
这种方法在医学图像、数字媒体和计算机视觉等领域有着广泛的应用前景。
2-3[1].正交子空间
![2-3[1].正交子空间](https://img.taocdn.com/s3/m/4171eea20029bd64783e2ca6.png)
V 的一个
T ( x) = x
, x ∈ V
的标准正交基底变成标准正交基底; (3)将 V 的标准正交基底变成标准正交基底; ) 正交) (4)酉(正交)变换在标准正交基下的矩阵表示为 ) 酉(正交)矩阵。 正交)矩阵。 推论: 推论:设 A为 阶酉(正交)矩阵, n阶酉(正交)矩阵,则
上的酉(正交) T : T ( x ) = Ax , x ∈ C n ( R n ) 为 C n ( R n ) 上的酉(正交)变换
B H A = 0 b H a i = (a i , b j ) = 0 i = 1, 2,L , m; j = 1, 2,L , s j
x ∈ R ( A ), y ∈ R ( B ) 令:
x = k1a1 + k 2 a 2 + L + k m a m
k1 , k 2 ,L , k m ∈ C
α ∈ V1 , β ∈ V2 , 恒有 (α , β ) = 0
则称子空间 V1 与 V2 为正交的,记作 V1 ⊥ V2 . 正交的,
Department of Mathematics
说明: 说明: 正交. ① V1 ⊥ V2当且仅当 V1中每个向量都与 V2正交. ② V1 ⊥ V2 V1 I V2 = {0}.
(
Q α ∈ V1 I V2 (α ,α ) = 0 α = 0.
)
③ 当 α ⊥ V1 且 α ∈ V1 时,必有 α = 0. ④ 若 V1 ⊥ V2 ,则: dim(V1 + V2 ) = dimV1 + dimV2 则
Department of Mathematics
2,定理 定理: 定理 (1),设酉 欧氏 空间 V = L [α1 , α 2 ,L, α n ] , α 1 , α 2 ,L , α n 设酉(欧氏 设酉 欧氏)空间 为标准正交基,则 为标准正交基 则:
正交补空间的维数

正交补空间的维数正交补空间(OrthogonalComplement)是数学中一个有趣的概念,它也是线性代数的重要组成部分。
正交补空间的维数是特定集合的一个关键特征,它描述了许多数学问题的解决方案。
在本文中,我们将讨论正交补空间的维数,以及我们如何确定它的维数。
首先,我们需要解释一下正交补空间的概念。
简单地说,正交补空间是一个子空间,它包含了特定集合中不存在的元素。
换句话说,当我们讲到正交补空间时,我们指的是某一空间的一些元素,这些元素都不在那个空间中。
正交补空间的维数取决于特定集合的维数,这个集合通常被称为“基”(Basis)。
我们可以这样定义:正交补空间的维数等于集合的维数减去基的维数。
比如,让我们考虑一个具有3个维度的集合,它的基只有2个维度。
这时,正交补空间的维数就是1:3减去2就等于1。
正交补空间的维数也可以用来表示集合中所有元素中存在的未知量个数。
正交补空间的维数可以通过称为“正交矩阵计算”(Orthogonal Matrix Calculation)的技术确定。
正交矩阵计算是一种利用矩阵乘法计算正交补空间的维数的方法,它可以让我们更容易地找出正交补空间的维数。
除了正交矩阵计算之外,我们还可以利用“正交唯一性”(Orthogonality Uniqueness)来确定正交补空间的维数。
这可以让我们更容易地辨认出正交补空间中不存在的元素,进而可以得出正交补空间的维数。
此外,利用基础实验(Basis Experiment)也可以确定正交补空间的维数。
在基础实验中,我们通过分析某个集合的正交补空间的变换,来判断该集合的维数。
本文介绍了正交补空间的概念,以及我们如何确定正交补空间的维数。
主要有三种方法:正交矩阵计算,正交唯一性以及基础实验。
这些方法都可以帮助我们更好地理解正交补空间的维数,从而更好地解决数学问题。
2-4.酉(正交)变换、正交投影

n
ur 是 L 的标准正交基,则:
u1 , u2 ,
ur , ur + 1 ,
un 是 C n的标准正交基。
n
定理2:n 阶矩阵 P为酉空间 C 正交投影的充分必 要条件是:
P=P =P
H
2
Department of Mathematics
Department of Mathematics
n阶酉(正交)矩阵,则
T : T ( x ) = Ax , x ∈ C n ( R n ) 为C n ( R n ) 上的酉(正交)变换
Department of Mathematics
二. 正交投影 定义: 设酉(欧氏)空间 V = L ⊕ M , L ⊥ M ,
T 为 V 的线性变换,
∀x ∈ V , x = x1 + x 2 ,
矩阵论电子教程
哈尔滨工程大学理学院应用数学系
Department of Mathematics
第 二 章
内积空间
Department of Mathematics
教学内容和基本要求
1.理解内积空间的概念,掌握正交基及子空间的正交关系. 2. 了解内积空间的同构的含义,掌握判断正交变换的判定 方法. 3. 理解酋空间的概念,会判定空间是否酋空间的方法, 4. 掌握正规矩阵的概念及判定定理和性质 重点: 难点: 内积空间的概念;正交基及子空间的正交关系 正交变换的判定方法
Department of Mathematics
§2.4 酉(正交)变换、正交投影 一, 酉变换与正交变换 1.酉变换的定义 定义: 设 V 是一个 n 维酉空间,T 是 V 的一个线 性变换,如果对任意的 x, y ∈ T 都有
高等代数子空间
. .. . . ..
子空间正交的概念
注
V1 ⊥ V2 ⇔ V1 中任意向量与 V2 的任意向量正交 ⇔ V1 中任意向量与 V2 正交 ⇔ V2 中任意向量与 V1 正交.
α ⊥ β ⇔ α ⊥ L(β). α ⊥ βi, i = 1, 2, · · · , s ⇔ α ⊥ L(β1, β2, · · · , βs). 几何空间中,直线与直线,直线与平面的正交是子空间的正 交. 平面与平面的正交不是子空间的正交不是子空间的正交, 交线上的向量不正交. V1 ⊥ V2 ⇒ V2 ⊥ V1.
. . . .... .... .... . .
. .. . . ..
正交补子空间
V1 的正交补记为 V⊥1 . 由定义可知 dim V1 + dim V⊥1 = n.
. . . .... .... .... . . . . .... .... .... . .
. .. . . ..
正交补子空间
子空间正交的概念
我们来讨论欧氏子空间中子空间的正交关系
定义 设 V1, V2 是欧氏空间 V 中两个子空间. 如果对于任意的 α ∈ V1, β ∈ V2,恒有
(α, β) = 0.
则称 V1, V2 为正交的,记为 V1 ⊥ V2. 一个向量 α,如果对于任 意的 β ∈ V1,恒有
(α, β) = 0.
显然,子空间 L(εm+1, · · · , εn) 就是 V1 的正.交. 补. . .. . . . . . . . . . . . . . . .
. . . .... .... .... . .
. ..
正交补子空间
再来证唯一性. 设 V2, V3 都是 V1 的正交补,于是 V = V1 ⊕ V2, V = V1 ⊕ V3.
向量的正交分解
向量的正交分解向量的正交分解是在数学中讨论向量空间时经常用到的一个概念。
正交分解是指将一个向量空间中的任意向量表示为与该向量空间的一个子空间正交的两个子空间上的向量的和。
在了解向量的正交分解之前,我们首先需要了解几个相关的概念。
1.向量空间:向量空间是指一个集合,其中的元素被称为向量,并且满足加法运算和标量乘法运算的封闭性、结合律、分配律、单位元等一系列规定的条件。
2.子空间:子空间是指向量空间的一个子集,符合向量空间的定义条件,也就是满足加法运算和标量乘法运算的封闭性、结合律、分配律、单位元等条件。
3.正交:两个向量的内积为0时,我们称这两个向量是正交的。
内积为0意味着两个向量之间夹角为90度,也就是垂直于彼此。
现在我们来讨论向量的正交分解。
假设V是一个n维的向量空间,W是V的一个子空间,那么我们可以将V进行正交分解为两个子空间上的向量的和:V = W⊕W⊥其中,W⊥表示与W正交的向量构成的一个子空间。
具体来说,对于V中的任意一个向量v,存在唯一的,满足下面两个条件的向量v1和v2:1. v1属于W,表示v1是W中的一个向量;2. v2属于W⊥,表示v2是与W正交的向量。
那么我们可以得到v = v1 + v2。
也就是说,每个向量v都可以写成子空间W中的一个向量和与W正交的向量之和。
这个正交分解的过程可以通过Gram-Schmidt正交化方法来进行。
Gram-Schmidt正交化方法是一种用来将一个线性无关的向量组正交化的方法。
假设有一组线性无关的向量{v1, v2, ..., vn},我们希望将它们正交化得到{u1, u2, ..., un}。
那么可以按照如下步骤进行:1.令u1 = v1;2.对于i = 2, 3, ..., n,执行如下操作:a.令ui = vi - proj(vi, u1) - proj(vi, u2) - ... - proj(vi, ui-1);b.其中,proj(vi, uk)表示向量vi在向量uk上的投影,计算方式为proj(vi, uk) = (vi・uk) / (uk・uk) * uk;c.注意,这里的"・"表示点乘运算。
第二章 内积空间
第二章 内积空间在以前学习的线性代数中,我们知道在n R 中向量的长度、夹角和正交等性质是用内积刻划的,在本章中将内积的概念推广到一般线性空间,从而讨论一般线性空间中向量的度量性质。
定义了内积的线性空间称为内积空间,常用的内积空间有欧氏空间与酉空间。
§2.1欧氏空间与酉空间一、欧氏空间与酉空间定义1 设V 是R 上的线性空间,如果V 中每对向量,x y ,按某一对应法则都有唯一确定的实数(,)x y 与之对应且满足: ),(),(.1x y y x =),(),(.2y x y x λ=λ,λ∀∈R ),(),(),(.3z y z x z y x +=+,z V ∀∈0),(.4≥x x 等号成立当且仅当x θ=则称(,)x y 为V 的内积。
称定义了上述内积的有限维线性空间()V R 为欧几里得空间,简称欧氏空间,称21),(x x x =为x 的长度或模。
例1 在[]n P x 中定义10((),())()()f x g x f x g x dx =⎰,(),()[]n f x g x P x ∈,则[]nP x 构成一个欧氏空间。
例2 在n n ⨯R 中对,n n A B ⨯∀∈R 定义T (,)tr()A B AB =,则n n ⨯R 为欧氏空间。
证明 因为,,,n n A B C λ⨯∀∈∈R R(1) T T T T (,)tr tr[()]tr (,)A B AB AB BA B A ==== (2) T T (,)tr tr (,)A B AB AB A B λλλλ===(3) T T T (,)tr[()]tr[](,)(,)A B C A B C AC BC A C B C +=+=+=+(4) 211(,)tr()0n nTijj i A A AA a ====≥∑∑ 等号当且仅当A θ=成立 故n n ⨯R 为欧氏空间。
例3 ,n x y ∀∈R 定义T (,)x y x y =,则n R 是n 维欧氏空间。
《高等代数课后答案》(邱著)
《高等代数课后答案》(邱著)高等代数之后的答案(秋微写的)《高等代数》的内容由浅入深,循序渐进,符合当前两位学生的教学实践。
可作为高校数学与应用数学、信息与计算科学专业的教材,也可作为相关专业的教师、学生和自学者的参考。
以下是阳光网编著的《高等代数》答案(邱著)阅读地址。
希望你喜欢!点击进入:高等代数课后答案地址(邱执笔)高等代数(秋微著)目录前言(一)第一章决定因素(1)1.1一些预备知识(1)1.2二阶和三阶行列式(3)1.3n n阶行列式(7)1.4行列式的计算(18)1.5克莱姆法则(28)1.6行列式的一些应用(31)练习1(A)(35)练习1(B)(38)第二章矩阵(41)2.1矩阵的概念(41)2.2矩阵运算(44)2.3初等变换和初等矩阵(54)2.4可逆矩阵(67)2.5矩阵的秩(76)2.6分块矩阵及其应用(79)练习2(A)(90)练习2(B)(93)第三章线性空间(95)3.1矢量(96)3.2向量的线性相关性(98)3.3向量组的秩(103)3.4矩阵的行秩和列秩(106)3.5线性空间(111)3.6基础、尺寸和坐标(114)3.7基变换和转移矩阵(118)3.8子空间(122)3.9同构(131)3.10线性方程(135)练习3(A)(147)练习3(B)(150)第四章线性变换(152)4.1线性变换及其运算(152)4.2线性变换矩阵(156)4.3线性变换的范围和核心(165)4.4不变子空间(169)练习4(A)(173)练习4(B)(175)第五章多项式(176)5.1一元多项式(176)5.2多项式可整除(178)5.3倍大公因数(181)5.4因式分解定理(186)5.5重因子(189)5.6多项式函数(191)5.7复系数和实系数多项式的因式分解(195) 5.8有理系数多项式(198)5.9多元多项式(202)5.10对称多项式(206)练习5(A)(211)练习5(B)(213)第六章特征值(216)6.1特征值和特征向量(216)6.2特征多项式(221)6.3对角化(225)练习6(A)(231)练习6(B)(232)第七章-矩阵(234)7.1-矩阵及其初等变换(234)7.2-矩阵的标准型(238)7.3不变因子(242)7.4矩阵相似性的确定(245)7.5基本因素(247)7.6乔丹范式(251)7.7x小多项式(256)练习7(A)(259)第八章二次型(261)8.1二次型及其矩阵表示(261)8.2将二次型转化为标准型(264)8.3惯性定理(271)8.4正定二次型(274)练习8(A)(279)练习8(B)(280)第九章欧几里得空间(282)9.1欧氏空间的定义和基本性质(282) 9.2标准正交基(285)9.3正交子空间(291)9.4正交变换和对称变换(293)9.5实对称方阵的正交相似性(297)练习9(A)(303)练习9(B)(306)练习答案(308)参考文献312。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
⊥
Department of Mathematics
∀α ∈ V1 , β ∈ V2 , 恒有
则称子空间 V1 与 V2 为正交的,记作 V1 ⊥ V2 . 正交的,
Department of Mathematics
说明: 说明: 正交. ① V1 ⊥ V2当且仅当 V1中每个向量都与 V2正交. ② V1 ⊥ V2 ⇒ V1 I V2 = {0}.
⇒
Q ∴
R ( A ) ⊥ R ( B ) a i ∈ R ( A ), b j ∈ R ( B ) ( a i , b j ) = a iH b j = 0 i = 1 , 2 , L , m ; j = 1 , 2 , L , s
∴ AH B = 0
Department of Mathematics
L(α i ) ⊥ L(α j ) , i ≠ j , i , j = 1,2, L , n
A ∈ C n×m ( R n×m ), B ∈ C n× s ( R n× s ) ,⊥ R( B ) ⇔ A H B = 0
证明:设 证明 设: A = [a1 , a 2 ,L , a m ] , B = [b1 , b2 ,L , bs ]
(
Q ∀α ∈ V1 I V2 ⇒ (α ,α ) = 0 ⇒ α = 0.
)
③ 当 α ⊥ V1 且 α ∈ V1 时,必有 α = 0. ④ 若 V1 ⊥ V2 ,则: dim(V1 + V2 ) = dimV1 + dimV2 则
Department of Mathematics
2,定理 定理: 定理 (1),设酉 欧氏 空间 V = L [α1 , α 2 ,L, α n ] , α 1 , α 2 ,L , α n 设酉(欧氏 设酉 欧氏)空间 为标准正交基,则 为标准正交基 则:
Department of Mathematics
§2.3 正交子空间
一,子空间的正交 子空间的正交 1,定义 定义: 定义 1) 设 V1 是欧氏 酉)空间 中的子空间 α ∈ V , 是欧氏(酉 空间 中的子空间, 空间V中的子空间 如果对 ∀β ∈ V1 , 恒有 (α , β ) = 0, 则称向量 α 与子空间 V1 正交,记作 α ⊥ V1 . 正交, 2) V1 与V2 是欧氏 酉)空间 中的两个子空间,如果对 是欧氏(酉 空间 中的两个子空间, 空间V中的两个子空间
反之, 反之
A H B = 0 ⇒ a iH b j = (a i , b j ) = 0 i = 1,2, L , m; j = 1,2, L , s
∀ x ∈ R ( A ), y ∈ R ( B ) 令:
x = k1a1 + k 2 a 2 + L + k m a m
k1 , k 2 ,L , k m ∈ C
Q Vi ⊥ V j , i ≠ j ∴ (α i ,0) = (α i ,α1 + α 2 + L + α s ) = (α i ,α i ) = 0
由内积的正定性, 由内积的正定性,可知 α i = 0, i = 1,2,L , s .
Department of Mathematics
注:
子空间W的正交补记为 ① 子空间 的正交补记为 W ⊥ . 即
β = xm +1ε m +1 + L + xnε n ∈ V2 ,
(α , β ) = ( ∑ xiε i ,
i =1 m
∑+1 x jε j ) = ∑ j =∑+1 xi x j (ε i , ε j ) = 0 j=m i =1 m
n
m
n
∴ V1 ⊥ V2 .
Department of Mathematics
y = t 1 b1 + t 2 b2 + L + t s b s
则有: 则有 即:
m s i =1 j =1
t1 , t 2 , L , t s ∈ C
( x , y ) = ∑ ∑ k i t j (ai , b j ) = 0
R( A) ⊥ R(B )
Department of Mathematics
矩阵论电子教程
哈尔滨工程大学理学院应用数学系
Department of Mathematics
第 二 章
内积空间
Department of Mathematics
教学内容和基本要求
1.理解内积空间的概念,掌握正交基及子空间的正交关系. 理解内积空间的概念,掌握正交基及子空间的正交关系 理解内积空间的概念 2. 了解内积空间的同构的含义,掌握判断正交变换的判定 了解内积空间的同构的含义, 方法. 方法 3. 理解酋空间的概念,会判定空间是否酋空间的方法, 理解酋空间的概念,会判定空间是否酋空间的方法, 4. 掌握正规矩阵的概念及判定定理和性质 重点: 重点: 难点: 难点: 内积空间的概念; 内积空间的概念;正交基及子空间的正交关系 正交变换的判定方法
的正交补. 即 V2 为 V1 的正交补
再证唯一性. 再证唯一性. 设 V ,V 是 V 的正交补,则 2 3 1 的正交补,
V = V1 ⊕ V2 = V1 ⊕ V3
对 ∀α ∈ V2 , 由上式知 α ∈ V1 ⊕ V3 即有 α = α1 + α 3 , 又 V1 ⊥ V2 , V1 ⊥ V3
Department of Mathematics
3. 两两正交的子空间的和必是直和. 两两正交的子空间的和必是直和. 证明: 两两正交, 证明:设子空间 V1 ,V2 ,L ,Vs 两两正交, 要证明 V1 ⊕ V2 ⊕ L ⊕ Vs , 只须证: 只须证:
中零向量分解式唯一. V1 + V2 + L + Vs 中零向量分解式唯一. 设 α1 + α 2 + L + α s = 0, α i ∈ Vi , i = 1,2,L , s
α1 ∈ V1 , α 3 ∈ V3
∴ α1 ⊥ α 3 ,α ⊥ α1 ,
从而有 (α ,α1 ) = (α1 + α 3 ,α1 ) = (α1 ,α1 ) + (α 3 ,α1 )
= (α1 ,α1 ) = 0 由此可得 α1 = 0, 即有 α ∈ V3 ∴ V2 ⊆ V3 .
唯一性得证. 同理可证 V3 ⊆ V2 , ∴ V2 = V3 . 唯一性得证.
正交子空间的和 二、正交子空间的和 1. 正交补的定义: 正交补的定义: 如果欧氏空间V的子空间 如果欧氏空间 的子空间 V1 ,V2 满足 V1 ⊥ V2 , 并且 正交补. V1 + V2 = V , 则称 V2 为 V1 的正交补 2. 维欧氏空间 的每个子空间 V1 都有 . 维欧氏空间V的每个子空间 n 唯一正交补. 唯一正交补 证明: 的唯一正交补. 证明:当 V1 = {0} 时,V 就是 V1 的唯一正交补.
V 也是有限维欧氏空间. 当 V1 ≠ {0} 时, 1 也是有限维欧氏空间
取 V1 的一组正交基 ε 1 , ε 2 ,L , ε m ,
Department of Mathematics
由定理,它可扩充成V的一组正交基 由定理,它可扩充成 的一组正交基 ε 1 , ε 2 ,L , ε m , ε m +1 ,L , ε n , 记子空间 L ( ε m +1 ,L , ε n ) = V2 . 显然, 显然, V1 + V2 = V . 又对 ∀α = x1ε 1 + x2ε 2 + L + xmε m ∈ V1 ,
W ⊥ = {α ∈ V α ⊥ W }
维欧氏空间V的子空间 满足: 的子空间W满足 ② n 维欧氏空间 的子空间 满足 i) (W ⊥ )⊥ = W
dimW + dimW ⊥ = dimV = n ii)
iii) W ⊕ W = V 必是W的余子空间 的余子空间. ⅳ) W的正交补 W ⊥必是 的余子空间 的正交补 但一般地,子空间W的余子空间未必是其正交补 的余子空间未必是其正交补. 但一般地,子空间 的余子空间未必是其正交补.