【线性代数】标准正交矩阵与Gram-Schmidt正交化
2014-12-06 15:04
309 查看
1、标准正交矩阵
假设矩阵Q有列向量q1,q2,...,qn表示,且其列向量满足下式:则
若Q为方阵,由上面的式子则有
我们举例说明上述概念:
2、标准正交矩阵的好处
上面我们介绍了标准正交矩阵,那么标准正交矩阵的用处在哪?下面以两方面来说明标准正交矩阵的用处:求解Ax=b
在前面文章《正交投影》中,有下式:当矩阵A为标准正交矩阵Q时,由于正交矩阵与其转置的乘积为单位矩阵,则上式可以转化为:
可以发现,求x时不需要矩阵Q的逆,只需要知道转置即可,这样简化了计算。
求解投影矩阵
在前面文章《正交投影》中,投影矩阵的通式可以表示为:当矩阵A为标准正交矩阵Q时,由于正交矩阵与其转置的乘积为单位矩阵,则上式可以转化为:
这样就将投影矩阵简单化了。
3、Gram-Schmidt正交化
任何复杂问题的求解都可以从简单的问题出发。聪明的数学家不会羞于考虑小问题,因为当最简单的情况弄得明明白白时,一般的形式就容易理解了。并且,简单的情况不仅帮我们发现一般的公式,而且还提供了一种便利的核查方法,看看我们是否犯下了愚蠢的错误。下面我们就从简单的二维情况讨论:二维情况
假设原来的矩阵为[a,b],a,b为线性无关的二维向量,下面我们通过Gram-Schmidt正交化使得矩阵A为标准正交矩阵:假设正交化后的矩阵为Q=[A,B],我们可以令A=a,那么我们的目的根据AB=I来求B。如下面的二维情况所示,B的方向与A成90度。图中还表明,B可以表示为b向量与b向量在a上的投影的误差向量。由《正交投影》中的结论可知,有如下关系成立:
三维情况
假设原来的矩阵为[a,b,c],a,b,c为线性无关的二维向量,正交化后的矩阵为Q=[A,B,C],我们可以令A=a,则可以根据二维情况得到如下猜想:上式显然满足AB=0,AC=0,BC=0。
下面我们用实例说明正交化的过程:
假设矩阵为[a,b]
则由二维情况的结论可知:
把具体数值代入得:
经过归一化得:
Q即是我们经过正交化后的正交矩阵。
原文:http://blog.csdn.net/tengweitw/article/details/41775545
作者:nineheadedbird
相关文章推荐
- 【线性代数】标准正交矩阵与Gram-Schmidt正交化
- 正交矩阵和Gram-Schmidt正交化
- 正交矩阵和Gram-Schmidt正交化
- 正交矩阵和Gram-Schmidt正交化
- Linear Algebra - Lesson 17. 正交矩阵和Gram-Schmidt正交化
- 线性代数 -- 正交矩阵和Gram-Schmidt正交化
- 正交矩阵和Gram-Schmidt正交化
- MIT18.06线性代数课程笔记17:正交标准矩阵
- 矩阵分析与应用(三)——基与Gram-Schmidt正交化
- Matlab与线性代数--矩阵的正交分解
- 线性代数(四十四) : 正交矩阵
- numpy.std() 计算矩阵标准差的方法
- 【线性代数】矩阵的零空间
- 对称矩阵、Hermite矩阵、正交矩阵、酉矩阵、奇异矩阵、正规矩阵、幂等矩阵
- 考研复习第四天-线性代数-矩阵的初等线性变换
- 线性代数-矩阵乘法的推导
- Matlab与线性代数 -- 稀疏矩阵的创建
- 【线性代数】矩阵的三种相乘方式
- Matlab与线性代数 -- 矩阵的连接
- 基于MATLAB的线性代数 将矩阵变成列、行向量(按照竖着存储)