线性代数中的内积、正交性与向量长度

内积的概念、正交性的条件以及向量的长度构成了线性代数中几何解释的基础。下面介绍这些内容以及详细的逐步示例。

目录

两个向量的内积的定义

设向量 \( \textbf{x} \) 和 \( \textbf{y} \) 是如下定义的两个列向量(或 \( n \times 1 \) 矩阵):

\[ \textbf{x} = \begin{bmatrix} x_1 \\ x_2 \\ \vdots \\ x_n \end{bmatrix}, \quad \textbf{y} = \begin{bmatrix} y_1 \\ y_2 \\ \vdots \\ y_n \end{bmatrix} \]

\( \textbf{x} \) 和 \( \textbf{y} \) 的内积(或点积)是一个标量,记为 \( \textbf{x} \cdot \textbf{y} \),定义为:

\[ \textbf{x} \cdot \textbf{y} = x_1 y_1 + x_2 y_2 + \dots + x_n y_n \]

内积的性质

如果 \( \textbf{x}, \textbf{y} \) 和 \( \textbf{z} \) 是 \( \mathbb{R}^n \) 中的向量,\( k_1, k_2 \) 是标量,则以下性质成立:

  1. 交换律: \( \textbf{x} \cdot \textbf{y} = \textbf{y} \cdot \textbf{x} \)
  2. 分配律: \( (\textbf{x} + \textbf{y}) \cdot \textbf{z} = \textbf{x} \cdot \textbf{z} + \textbf{y} \cdot \textbf{z} \)
  3. 标量乘法: \( (k_1 \textbf{x}) \cdot (k_2 \textbf{y}) = (k_1 k_2) (\textbf{x} \cdot \textbf{y}) \)

正交向量

向量 \( \textbf{x} \) 和 \( \textbf{y} \) 称为正交的(垂直的),如果它们的内积等于零:

\[ \textbf{x} \cdot \textbf{y} = 0 \]

长度(或范数)与单位向量的定义

向量 \( \textbf{x} \) 的长度(或范数),记为 \( \|\textbf{x}\| \),由向量与自身内积的平方根给出:

\[ \|\textbf{x}\| = \sqrt{x_1^2 + x_2^2 + \dots + x_n^2} = \sqrt{\textbf{x} \cdot \textbf{x}} \]

由此定义可知 \( \|\textbf{x}\| \ge 0 \) 且 \( \|\textbf{x}\|^2 = \textbf{x} \cdot \textbf{x} \)。

单位向量是长度(或范数)等于 1 的向量。要将向量归一化,将其除以其范数:

\[ \hat{\textbf{x}} = \frac{\textbf{x}}{\|\textbf{x}\|} \]

柯西-施瓦茨不等式与三角不等式

两个基本不等式直接由内积和范数得出:

柯西-施瓦茨不等式: 对于 \( \mathbb{R}^n \) 中的任意向量 \( \textbf{x} \) 和 \( \textbf{y} \):

\[ |\textbf{x} \cdot \textbf{y}| \leq \|\textbf{x}\| \, \|\textbf{y}\| \]

三角不等式: 对于 \( \mathbb{R}^n \) 中的任意向量 \( \textbf{x} \) 和 \( \textbf{y} \):

\[ \|\textbf{x} + \textbf{y}\| \leq \|\textbf{x}\| + \|\textbf{y}\| \]

勾股定理与向量间的距离

勾股定理: 向量 \( \textbf{x} \) 和 \( \textbf{y} \) 正交当且仅当:

\[ \|\textbf{x} + \textbf{y}\|^2 = \|\textbf{x}\|^2 + \|\textbf{y}\|^2 \]

距离: 两个向量 \( \textbf{x} \) 和 \( \textbf{y} \) 之间的距离定义为其差的长度:

\[ \text{dist}(\textbf{x}, \textbf{y}) = \|\textbf{x} - \textbf{y}\| \]

示例与解答

例 1:计算内积

查看解答

给定向量:

\[ \textbf{x} = \begin{bmatrix} -2 \\ 3 \\ 0 \\ -1 \end{bmatrix}, \quad \textbf{y} = \begin{bmatrix} 3 \\ -1 \\ 4 \\ 0 \end{bmatrix}, \quad \textbf{z} = \begin{bmatrix} 2 \\ -1 \\ 4 \\ -7 \end{bmatrix} \]

求:

a) \( \textbf{x} \cdot \textbf{y} \) 和 \( \textbf{y} \cdot \textbf{x} \)
b) \( \textbf{x} \cdot \textbf{y} + \textbf{x} \cdot \textbf{z} \) 和 \( \textbf{x} \cdot (\textbf{y} + \textbf{z}) \)
c) \( (3\textbf{x}) \cdot (-2\textbf{z}) \)


解答

a) 使用内积定义计算 \( \textbf{x} \cdot \textbf{y} \):

\[ \textbf{x} \cdot \textbf{y} = (-2)(3) + (3)(-1) + (0)(4) + (-1)(0) = -6 - 3 = -9 \]

由交换律(性质 1),\( \textbf{y} \cdot \textbf{x} = \textbf{x} \cdot \textbf{y} = -9 \)。

b) 首先,求 \( \textbf{x} \cdot \textbf{z} \):

\[ \textbf{x} \cdot \textbf{z} = (-2)(2) + (3)(-1) + (0)(4) + (-1)(-7) = -4 - 3 + 0 + 7 = 0 \]

然后,\( \textbf{x} \cdot \textbf{y} + \textbf{x} \cdot \textbf{z} = -9 + 0 = -9 \)。

根据分配律(性质 2),\( \textbf{x} \cdot (\textbf{y} + \textbf{z}) \) 必须得到相同结果。让我们先计算 \( \textbf{y} + \textbf{z} \) 来验证:

\[ \textbf{y} + \textbf{z} = \begin{bmatrix} 5 \\ -2 \\ 8 \\ -7 \end{bmatrix} \implies \textbf{x} \cdot (\textbf{y} + \textbf{z}) = (-2)(5) + (3)(-2) + (0)(8) + (-1)(-7) = -10 - 6 + 0 + 7 = -9 \]

c) 使用标量乘法性质(性质 3)以及 b) 中 \( \textbf{x} \cdot \textbf{z} = 0 \) 的结果:

\[ (3\textbf{x}) \cdot (-2\textbf{z}) = (3)(-2)(\textbf{x} \cdot \textbf{z}) = -6(0) = 0 \]

例 2:正交向量与未知常数

查看解答

a) 证明向量 \( \textbf{x} = \begin{bmatrix} -2 \\ 3 \\ 0 \end{bmatrix} \) 和 \( \textbf{y} = \begin{bmatrix} 3 \\ 2 \\ 4 \end{bmatrix} \) 正交。

b) 求常数 \( a \) 和 \( b \),使得向量 \( \textbf{z} = \begin{bmatrix} a \\ b \\ 4 \end{bmatrix} \) 同时与向量 \( \textbf{x} \) 和 \( \textbf{y} \) 正交。


解答

a) 计算 \( \textbf{x} \) 和 \( \textbf{y} \) 的内积:

\[ \textbf{x} \cdot \textbf{y} = (-2)(3) + (3)(2) + (0)(4) = -6 + 6 + 0 = 0 \]

由于内积为零,两个向量正交。

b) 计算 \( \textbf{z} \) 与 \( \textbf{x} \) 和 \( \textbf{y} \) 的内积:

\[ \textbf{x} \cdot \textbf{z} = -2(a) + 3(b) + 0(4) = -2a + 3b \] \[ \textbf{y} \cdot \textbf{z} = 3(a) + 2(b) + 4(4) = 3a + 2b + 16 \]

要使向量 \( \textbf{z} \) 同时与 \( \textbf{x} \) 和 \( \textbf{y} \) 正交,两个内积都必须等于零。这建立了一个线性方程组:

\[ \begin{cases} -2a + 3b = 0 \\ 3a + 2b + 16 = 0 \end{cases} \]

由第一个方程,\( 2a = 3b \implies a = 1.5b \)。将其代入第二个方程:

\[ 3(1.5b) + 2b + 16 = 0 \implies 4.5b + 2b = -16 \implies 6.5b = -16 \implies b = -\frac{32}{13} \]

现在求 \( a \):

\[ a = 1.5 \left(-\frac{32}{13}\right) = -\frac{48}{13} \]

常数为 \( a = -\frac{48}{13} \) 和 \( b = -\frac{32}{13} \)。

例 3:向量长度与勾股定理

查看解答

设 \( \textbf{x} = \begin{bmatrix} \sqrt{2} \\ 0 \\ 1 \end{bmatrix} \) 和 \( \textbf{y} = \begin{bmatrix} 0 \\ \sqrt{5} \\ 0 \end{bmatrix} \)。

求 \( \|\textbf{x}\| \)、\( \|\textbf{y}\| \) 和 \( \|\textbf{x} + \textbf{y}\| \)。比较 \( \|\textbf{x}\|^2 + \|\textbf{y}\|^2 \) 与 \( \|\textbf{x} + \textbf{y}\|^2 \)。


解答

使用向量长度公式:

\[ \|\textbf{x}\| = \sqrt{(\sqrt{2})^2 + 0^2 + 1^2} = \sqrt{2 + 0 + 1} = \sqrt{3} \] \[ \|\textbf{y}\| = \sqrt{0^2 + (\sqrt{5})^2 + 0^2} = \sqrt{0 + 5 + 0} = \sqrt{5} \]

现在,计算和向量 \( \textbf{x} + \textbf{y} \):

\[ \textbf{x} + \textbf{y} = \begin{bmatrix} \sqrt{2} \\ \sqrt{5} \\ 1 \end{bmatrix} \]

求其长度:

\[ \|\textbf{x} + \textbf{y}\| = \sqrt{(\sqrt{2})^2 + (\sqrt{5})^2 + 1^2} = \sqrt{2 + 5 + 1} = \sqrt{8} \]

比较平方模长:

\[ \|\textbf{x}\|^2 + \|\textbf{y}\|^2 = 3 + 5 = 8 \] \[ \|\textbf{x} + \textbf{y}\|^2 = 8 \]

结论: 我们注意到 \( \|\textbf{x} + \textbf{y}\|^2 = \|\textbf{x}\|^2 + \|\textbf{y}\|^2 \)。这是因为向量 \( \textbf{x} \) 和 \( \textbf{y} \) 正交(\( \textbf{x} \cdot \textbf{y} = 0 \)),完美验证了向量空间中的勾股定理。

常见问题

两个向量的内积是什么?

向量 \( \textbf{x} \) 和 \( \textbf{y} \) 的内积(点积)是它们对应分量乘积之和:\( \textbf{x} \cdot \textbf{y} = x_1 y_1 + x_2 y_2 + \dots + x_n y_n \)。

两个向量何时正交?

两个向量正交(垂直)当且仅当它们的内积等于零:\( \textbf{x} \cdot \textbf{y} = 0 \)。

如何计算向量的长度?

向量 \( \textbf{x} \) 的长度(范数)是其分量平方和的平方根:\( \|\textbf{x}\| = \sqrt{x_1^2 + x_2^2 + \dots + x_n^2} \)。

什么是单位向量?

单位向量是长度(范数)等于 1 的向量。要将向量归一化,将其除以其范数:\( \hat{\textbf{x}} = \frac{\textbf{x}}{\|\textbf{x}\|} \)。

向量的勾股定理是什么?

向量 \( \textbf{x} \) 和 \( \textbf{y} \) 正交当且仅当 \( \|\textbf{x} + \textbf{y}\|^2 = \|\textbf{x}\|^2 + \|\textbf{y}\|^2 \)。

更多参考与链接