☰本集目录
◎学习目标
- 理解最佳逼近元的定义，掌握正交投影作为最佳逼近元的充要条件；
- 理解线性同构的概念：双射线性映射保持向量空间结构；
- 理解保距同构的概念：线性同构额外保持内积，从而保持长度与距离；
- 掌握欧几里得空间同构定理：两个欧氏空间保距同构当且仅当维数相同，并会用标准正交基构造具体的保距同构映射。
1最佳逼近元的定义与正交投影的几何性质 ⏱ 00:00
回顾上一集的正交投影最短距离性质：
这个几何事实可以提炼为一个更一般化的概念——来自泛函分析中的"逼近论"语言。
证明（必要性 + 充分性）
必要性：设 \(\Delta=P_U(\alpha)\)。对任意 \(\gamma\in U\)，有：
其中 \(\alpha-\Delta\in U^\perp\)，\(\Delta-\gamma\in U\)，二者正交。由勾股定理：
故 \(\|\alpha-\Delta\|\leq\|\alpha-\gamma\|\)，即 \(\Delta\) 是最佳逼近元。⏱ 00:40
充分性：设 \(\alpha_1\in U\) 满足 \(\|\alpha-\alpha_1\|\leq\|\alpha-\gamma\|\) 对一切 \(\gamma\in U\) 成立。令 \(\delta=P_U(\alpha)\)（标准正交投影），则由必要性 \(\|\alpha-\delta\|\leq\|\alpha-\alpha_1\|\)。结合已知条件得 \(\|\alpha-\delta\|=\|\alpha-\alpha_1\|\)。
考察 \(\|\alpha-\alpha_1\|^2\)，作分解 \(\alpha-\alpha_1=(\alpha-\delta)+(\delta-\alpha_1)\)。因 \(\alpha-\delta\in U^\perp\)，\(\delta-\alpha_1\in U\)，二者正交，由勾股定理：
但已知 \(\|\alpha-\alpha_1\|=\|\alpha-\delta\|\)，代入得 \(\|\delta-\alpha_1\|^2=0\)，故 \(\delta=\alpha_1\)，即 \(\alpha_1\) 就是正交投影。⏱ 04:30
2线性同构（Linear Isomorphism）⏱ 15:00
在讨论欧氏空间之间"是否一样"之前，先回顾向量空间之间的同构概念。
- \(\sigma\) 是双射（一一对应且满射）；
- \(\sigma\) 保持加法：\(\sigma(\alpha+\beta)=\sigma(\alpha)+\sigma(\beta)\)，对一切 \(\alpha,\beta\in V\)；
- \(\sigma\) 保持数乘：\(\sigma(k\alpha)=k\sigma(\alpha)\)，对一切 \(k\in\mathbb{R}\)，\(\alpha\in V\)。
- \(\sigma(0_V)=0_{V'}\)（零向量映为零向量）；
- \(\sigma\) 将 \(V\) 的基映为 \(V'\) 的基；
- \(V\) 与 \(V'\) 维数相同（作为必要条件）。
3保距同构（Isometric Isomorphism）⏱ 20:00
在欧氏空间中，我们关心的不只是线性结构，还有由内积导出的长度与距离。因此需要引进更强的同构概念。
- \(\sigma\) 是线性同构（双射、保持加法与数乘）；
- \(\sigma\) 保持内积：\((\sigma(\alpha),\sigma(\beta))' = (\alpha,\beta)\)，对一切 \(\alpha,\beta\in V\)。⏱ 21:30
证明：由内积保持，\(\|\sigma(\alpha)\|'^2=(\sigma(\alpha),\sigma(\alpha))'=(\alpha,\alpha)=\|\alpha\|^2\)，开方即得。⏱ 23:00
证明
设 \(\varepsilon_1,\dots,\varepsilon_n\) 是 \(V\) 的标准正交基，即 \((\varepsilon_i,\varepsilon_j)=\delta_{ij}\)。
由于 \(\sigma\) 保持内积：\((\sigma(\varepsilon_i),\sigma(\varepsilon_j))'=(\varepsilon_i,\varepsilon_j)=\delta_{ij}\)。
又 \(\sigma\) 是线性同构，将基映为基。故 \(\sigma(\varepsilon_1),\dots,\sigma(\varepsilon_n)\) 是 \(V'\) 的标准正交基。⏱ 25:00
- 线性同构：只保持线性运算（加法和数乘），不保持内积/长度。
- 保距同构：在保线性同构的基础上，额外保持内积，从而保持长度和距离——这是欧氏空间之间"本质相同"的严格刻画。
4欧几里得空间同构定理⏱ 27:00
证明
必要性：若 \(\sigma:V\to V'\) 是保距同构，则它首先是线性同构，从而 \(\dim V=\dim V'\)（线性空间同构的必要条件）。⏱ 29:00
充分性：设 \(\dim V=\dim V'=n\)。
第一步：取标准正交基。在 \(V\) 中取标准正交基 \(\varepsilon_1,\dots,\varepsilon_n\)，在 \(V'\) 中取标准正交基 \(\eta_1,\dots,\eta_n\)。（由施密特正交化定理，任意基均可正交化单位化得到标准正交基。）
第二步：构造映射。定义 \(\sigma:V\to V'\) 如下：对任意 \(\alpha\in V\)，设其坐标为 \(\alpha=\sum_{i=1}^n x_i\varepsilon_i\)，令：
即：坐标相同，基向量替换。
第三步：验证 \(\sigma\) 是线性同构。由线性空间同构的坐标对应原理，\(\sigma\) 显然是双射且保持加法和数乘。⏱ 33:00
第四步：验证 \(\sigma\) 保持内积。设 \(\alpha=\sum x_i\varepsilon_i\)，\(\beta=\sum y_i\varepsilon_i\)。则：
而 \(\sigma(\alpha)=\sum x_i\eta_i\)，\(\sigma(\beta)=\sum y_i\eta_i\)，故：
因此 \((\sigma(\alpha),\sigma(\beta))'=(\alpha,\beta)\)，\(\sigma\) 是保距同构。⏱ 37:00
| 概念 | 保持的结构 | 欧氏空间中的等价条件 |
|---|---|---|
| 线性同构 | 加法、数乘 | 维数相同 |
| 保距同构 | 加法、数乘、内积 | 维数相同 |
| 一般映射（非同构） | 无额外要求 | —— |
- 标准正交基：通过施密特正交化，任何基都可化为标准正交基，使内积计算简化为坐标分量点积；
- 正交补与直和分解：有限维子空间 \(U\) 满足 \(V=U\oplus U^\perp\)，正交投影给出最优分解；
- 同构观点：维数相同的欧氏空间保距同构，本质上都等同于 \(\mathbb{R}^n\)。
★重点回顾
⚠易错点提醒
- 混淆线性同构与保距同构：线性同构不保持内积，不能推出保距。例如 \(\mathbb{R}^2\) 上两个不同内积下的空间可能线性同构但不保距同构（若内积不同，长度就不相同）。
- 构造保距同构时忘记标准正交基：坐标映射 \(\alpha\mapsto(x_1,\dots,x_n)^T\) 只有在基是标准正交基时才保距；若基不正交，内积公式含度量矩阵 \(G\)，映射不再保距。
- 忽略有限维条件：最佳逼近元的存在唯一性在无限维情形需额外假设（\(U\) 闭 + 希尔伯特空间完备性），不能无条件推广。
- 混淆内积保持与范数保持：保距同构要求保持内积，仅保持长度（范数）不足以保证保持内积（ polarization identity 在复数域上才直接恢复内积，实数域需额外验证）。
✎自测与作业
- 在 \(\mathbb{R}^3\) 中，设 \(U=\operatorname{span}\{(1,0,1)^T,(0,1,1)^T\}\)，求向量 \(\alpha=(1,2,3)^T\) 在 \(U\) 上的最佳逼近元，并验证其等于正交投影 \(P_U(\alpha)\)。
- 在 \(\mathbb{R}^2\) 中，定义两种内积：标准内积 \((\alpha,\beta)_1=\alpha^T\beta\)，以及加权内积 \((\alpha,\beta)_2=\alpha^T\begin{pmatrix}2&0\\0&1\end{pmatrix}\beta\)。证明这两个内积空间作为向量空间线性同构，但不保距同构。
- 设 \(V\) 是 3 维欧氏空间，\(\varepsilon_1,\varepsilon_2,\varepsilon_3\) 是一组标准正交基。定义映射 \(\sigma:V\to\mathbb{R}^3\) 为 \(\sigma(\alpha)=((\alpha,\varepsilon_1),(\alpha,\varepsilon_2),(\alpha,\varepsilon_3))^T\)。验证 \(\sigma\) 是保距同构。
- 在多项式空间 \(\mathbb{R}_2[x]\) 中，内积定义为 \((f,g)=\int_{-1}^{1}f(x)g(x)\,dx\)。用施密特正交化求出 \(\{1,x,x^2\}\) 的标准正交基，并写出 \(\mathbb{R}_2[x]\) 到 \(\mathbb{R}^3\) 的保距同构映射。
- （思考）设 \(V\) 是 \(n\) 维欧氏空间，证明：若线性映射 \(\sigma:V\to V\) 保持内积（即 \((\sigma\alpha,\sigma\beta)=(\alpha,\beta)\) 对所有 \(\alpha,\beta\) 成立），则 \(\sigma\) 必为单射；若再加上 \(\sigma\) 为自映射且 \(\dim V<\infty\)，则 \(\sigma\) 是保距同构（即自动为双射）。