Professional Documents
Culture Documents
尤拉向量空間
大綱
3.2 Rn 空間的模、點積與距離
3.3 正交性
3.1 二維、三維與 n 維向量 (不考)
幾何向量
若欲表示起點為 A、終點為 B 的向量,如圖 3.1.2
所示,寫成
112
3.1 二維、三維與 n 維向量 (不考)
向量加法
在圖 3.1.4c 以三角形法則建構了兩向量和 v + w 和 w
+ v(上方和下方各一個三角形),很明顯地可以發現
112
3.1 二維、三維與 n 維向量 (不考)
向量減法
向量v 和 w 的差,記作 w – v,可表為以下向量的
和
114
3.1 二維、三維與 n 維向量 (不考)
純量乘法
可特別觀察向量 (–1)v,其與 v 的長度相同但方向
相反,亦即
114
3.1 二維、三維與 n 維向量 (不考)
起點不在原點之向量
有時必須考慮起點不在原點之向量,如 表示
向量的起點在 P1(x1, y1)、終點在P2(x2, y2),此向量
的各分量為
116
3.1 二維、三維與 n 維向量 (不考)
117
範例 1 求向量之分量 (不考)
117
3.1 二維、三維與 n 維向量 (不考)
n 維空間
定義1
若 n 為正整數,則有序 n 項(ordered n-tuple)為 n 個
實數所形成之數列(υ1, υ2, . . . ,υn)。而所有有序 n 項
所成的集合稱 n 維空間,記作 Rn。
Rn 中向量的運算
定義2
在 Rn 空間中,向量 v = (υ1, υ2, . . . , υn) 和 w = (w1,
w2, . . . , wn) 被稱為相等(或等價),若
且可寫成 v = w。
117
3.1 二維、三維與 n 維向量 (不考)
定義3
若 v = (υ1, υ2, . . . , υn) 和 w = (w1, w2, . . . , wn) 為 Rn
中的向量,且若 k 為任意純量,則定義
119
範例 3 使用分量之代數運算
120
3.1 二維、三維與 n 維向量
定理 3.1.1
若 u, v, w 為 Rn 中的向量,且 k 和 m 為純量,則
120
3.1 二維、三維與 n 維向量
定理 3.1.2
若 v 為 Rn 中的向量,且 k 為純量,則
120
3.1 二維、三維與 n 維向量
線性組合
定義4
w 與 v1, v2, . . . , vr 均為 Rn 中的向量, k1, k2, . . . , kr 為
純量,若
121
3.1 二維、三維與 n 維向量 (不考)
向量的其他表示法
將 Rn 中的向量以如下表示
稱之為逗號分界型式(comma-delimited form)。
122
3.1 二維、三維與 n 維向量 (不考)
這種表示法稱作列向量形式(row-vector form)。
122
3.1 二維、三維與 n 維向量 (不考)
或者以
這種表示法稱作行向量形式(column-vector form)。
122
3.2 Rn 空間的模、點積與距離 (不考)
向量的模
R2 中的向量(υ1, υ2)之模為
應用 2 次畢達哥拉斯定理得
可得
123
3.2 R n 空間的模、點積與距離(不考)
定義1
若 v = (υ1, υ2, . . . , υn) 為 Rn 中的向量,則 v 的模(範數),
也稱為 v 的長度(length)或 v 的大小(magnitude),記作
||v||,且定義為
123
範例 1 計算模
123
3.2 Rn 空間的模、點積與距離
定理 3.2.1
若 v 為 Rn 中的向量、 k 為任意純量,則
單位向量(不考)
當向量的模等於 1 時,稱之為單位向量(unit vector)。
124
3.2 R n 空間的模、點積與距離(不考)
若 v 為 Rn 中的任意非零向量,則
此程序稱之為對 v 向量進行正規化(normalizing)。
124
範例 2 正規化向量
125
3.2 Rn 空間的模、點積與距離(不考)
標準單位向量
R2 中的任意向量 v = (υ1, υ2) 或 R3 中的任意向量 v = (υ1, υ2,
υ3) 都可以用標準單位向量進行線性組合的方式寫成
Rn 空間中,定義出其標準單位向量為
125
範例 3 標準單位向量的線性組合(不考)
126
3.2 Rn 空間的模、點積與距離(不考)
Rn 中的距離
若 P1(x1, y1) 和 P2(x2, y2) 為 R2 空間中的點,則依 3.1 節中的
(4) 式得
126
3.2 Rn 空間的模、點積與距離 (不考)
定義2
若 u = (u1, u2, . . . , un) 和 v = (υ1, υ2, . . . , υn) 為 Rn 空間中的
點,則 u 和 v 的距離(distance)記作 d(u, v),且定義為
126
範例 4 計算 Rn 中的距離
令
則 u 和 v 的距離為
126
3.2 Rn 空間的模、點積與距離(不考)
點積
定義3
令 u 和 v 為 R2 或 R3 空間的非零向量,若 θ 為 u 和 v 之間
的夾角,則 u 和 v 的點積(dot product)又稱為尤拉內積
(Euclidean inner product)或歐幾里德內積(Euclidean
inner product),記作 u‧v,且定義為
若 u = 0 或 v = 0,則定義 u‧v 為 0。
點積的正負值可對夾角 θ 提供訊息,因此可將 (12) 式改寫
為
127
3.2 Rn 空間的模、點積與距離(不考)
點積的向量分量形式
令 u = (u1, u2, u3) 和 v = (υ1, υ2, υ3) 為非零向量。如圖 3.2.7
所示, u 和 v 向量夾角 θ,則依三角餘弦可得
經過化簡後,得
同理,二維向量的公式為
129
範例 5 點積 (不考)
求圖 3.2.5 中向量的點積。
127
範例 6 使用點積解幾何問題(不考)
求立方體中對角線和邊的夾角。
128
3.2 Rn 空間的模、點積與距離(不考)
定義4
若 u = (u1, u2, . . . , un) 和 v = (υ1, υ2, . . . , υn) 為 Rn 中的向量,
則點積(dot product)又稱為尤拉內積(Euclidean inner
product)或歐幾里德內積(Euclidean inner product)記作
u‧v,且定義為
129
範例 7 使用向量分量形式計算點積
130
3.2Rn 空間的模、點積與距離 (不考)
點積的代數特性
當 u = v 時為定義 4 的特例,此時可得關係
也就是向量的長度公式可以點積來表示為
130
3.2 Rn 空間的模、與距離
定理 3.2.2 (點積 4定理)
若 u, v, w 為 Rn 中的向量,且 k 為純量,則
130
3.2Rn 空間的模、點積與距離(不考)
定理 3.2.3
若 u, v, w 為 Rn 中的向量,且 k 為純量,則
130
範例 8 點積的計算 (不考)
131
3.2 Rn 空間的模、點積與距離
Rn 中的夾角(不考)
之前 R2 和 R3 的非零向量推導出的以下公式開始
131
相關性 (補充,不考)
41
相關性 (補充,不考)
相關性
相關性 (補充,不考)
=?
3.2 Rn 空間的模、點積與距離
Rn 中的柯西– 史瓦茲不等式和夾角
然而,美中不足的是 (20) 式的反餘弦上未定義完整,除非
確認滿足不等式。
131
3.2Rn 空間的模、點積與距離(不考)
定理 3.2.4
若 u = (u1, u2, . . . , un) 和 v = (υ1, υ2, . . . , υn) 為 Rn 中的向量,
則
或以分量形式表示為
131
3.2Rn 空間的模、點積與距離(觀念)
Rn 的幾何性
定理 3.2.5
若 u, v, w 為 Rn 中的向量,若 k 為任一純量,則
(a) ||u + v|| ≤ ||u|| + ||v|| [ 向量的三角不等式]
(b) d(u, v) ≤ d(u, w) + d(w, v) [ 距離的三角不等式]
定理 3.2.6 向量的平行四邊形等式
若 u 和 v 為 Rn 中的向量,則
132
3.2Rn 空間的模、點積與距離(觀念)
定理 3.2.7
若 u 和 v 為 Rn 中的向量,則其尤拉內積(Euclidean inner
product)為
133
3.2Rn 空間的模、點積與距離(不考)
134
3.2Rn 空間的模、點積與距離(觀念)
以矩陣乘法計算點積
若 A 為 n × n 矩陣、 u 和 v 為 n × 1 矩陣,則根據表 1 和轉
置的特性得
133
範例 9 驗證 Au • v = u • ATv (不考)
假設
134
範例 9 驗證 Au • v = u • ATv(續)
(不考)
可得
135
3.2Rn 空間的模、點積與距離 (不考)
以點積的觀點來看矩陣乘法
A = [aij] 為 m × r 矩陣、 B = [bij] 為 r× n 矩陣,則 AB 的第
ij 位置元素為
其為 A 矩陣的第i 列
和 B 矩陣的第j 行
135
3.2Rn 空間的模、點積與距離 (不考)
135
3.3 正交性 (不考)
正交向量
定義1
Rn 中兩非零向量 u 和 v,若 u‧v = 0,則稱 u 和 v 為正
交(orthogonal)或稱垂直(perpendicular),且認定
Rn 中的零向量正交於 Rn 中的所有向量。若 Rn 中的一
非空集合,其任兩個不同向量為正交,則稱為正交集
(orthogonal set)。單位向量所構成的正交集,稱為正
則集(orthonormal set)。
136
範例 1 正交向量 (不考)
136
3.3 正交性 (不考)
使用點和法向量決定一直線和平面
該直線和平面都使用了以下的向量方程式
137
3.3 正交性 (不考)
以上這些稱為直線和平面的點法式方程(point-normal
equations)。
137
3.3 正交性 (不考)
137
範例2 點法式方程 (不考)
根據 (2) 式, R2 中的方程式
137
3.3 正交性 (不考)
定理 3.3.1
(a) 若 a 和 b 為常數且不同時為零,則方程式形式為
138
範例 3 正交於通過原點的直線和平
面之向量 (不考)
(a) 若方程式 ax + by = 0 表示 R2 中通過原點的直線。
試證明由方程式係數所構成的向量 n1 = (a, b) 正交於
直線;亦即,正交於延著直線上的任何向量。
(b) 若方程式 ax + by + cz = 0 表示 R3 中通過原點的平
面。試證明由方程式係數所構成的向量 n2 = (a, b, c)
正交於平面;亦即,正交於平面上的任何向量。
138
3.3 正交性 (不考)
定理 3.3.2 投影定理
若 u 和 a 為 Rn 中之向量,且 a ≠ 0,則 u 可唯一表為 u
= w1 + w2,其中, w1 為 a 的純量倍數之向量, w2 為
正交於 a 之向量。
因為 w1 為 a 的純量倍數之向量,所以必定
139 如果 a 是單位向量? 則:
3.3 正交性 (不考)
接著必須找到純量 k 和正交於 a 之向量 w2,使其滿足
139
範例 4 直線上的正交投影
140
範例 5 u 在 a 上的分量向量
141
3.3 正交性 (觀念)
第二個等號是根據定理 3.2.1(c),第三個等號是因為
||a||2 > 0。因此,
141
3.3 正交性 (不考)
畢達哥拉斯定理
定理 3.3.3 Rn 中的畢達哥拉斯定理
若 u 和 v 為 Rn 中的兩正交向量,且尤拉內積
(Euclidean inner product)定義完備,則
142
範例 6 R4 中的畢達哥拉斯定理(不考)
在範例 1 中已經證明向量
u = (–2, 3, 1, 4) 和 v = (1, 2, 0, –1)
為正交,請驗證這些向量滿足畢達哥拉斯定理。
142