MIT18.06线性代数课程笔记14:正交子空间、A^TA的Null Space
2017-11-28 23:09
1021 查看
课程简介
18.06是Gilbert Strang教授在MIT开的线性代数公开课,课程视频以及相关资料请见https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/index.htm。课程笔记
这节课介绍了围绕正交的多个概念,包括向量正交、空间正交以及正交补空间等。进而讨论了ATA的性质,为之后的课程做准备。1. 正交相关的概念与定理
向量正交:内积为零。证明:勾股定理。aTa+bTb=(a+b)T(a+b)⇔aTb=0
空间正交:两个空间内的任意向量相互正交。即∀v1∈S1,v2∈S2,vT1v2=0。
等价于两个空间的基向量两两正交
正交补空间:所有与指定空间正交的向量的集合为正交补空间。S⊆Rn,PV(S)={v:v∈Rn∧∀v2∈S,vTv2=0}
空间性质易证。
对于矩阵的四个子空间:row space, null space, column space, and left null space。
我们已知对于Am×n,R(A)∈Rn,Dim(R(A))=r(A),且N(A)∈Rn,Dim(N(A))=n−r(A)。
Claim 1: R(A)与N(A)正交。
这个证明很简单,因为
∀v2∈N(A),Av2=0∧∀v1∈R(A) ∃x∈Rm vT1=xA⇒∀v1∈R(A),v2∈N(A),vT1v2=xAv2=0
也就是说矩阵的row space和null space正交,进而N(A)⋂R(A)={0⃗ },因为只有零向量与自身正交。
Claim 2:N(A)是R(A)的正交补空间。
这个证明也是显然的,与R(A)正交的向量,必然和所有A的行向量正交,从而满足Ax=0,即位于N(A)中。
这个结论可以推导出正交补空间和指定空间维度的和为全空间维度。因为任意指定空间的基向量可以共同组成矩阵A,而其正交补空间即为N(A),从而证明两个空间维度的和为n,即全空间维度。
2. ATA的一些性质
对称方阵:简单易证。Claim: N(ATA)=N(A)
Strang还没来得及给出证明,其实通过反证法很容易证明。
if ∃x,Ax=b≠0∧ATAx=0⇒xTATAx=0⇔bTb=0∧b≠0
不存在非零向量长度为0,从而假设不成立。
一个推论为r(ATA)=r(A)。
相关文章推荐
- MIT18.06线性代数课程笔记7:使用消元法求解Null space
- MIT18.06线性代数课程笔记6:vector space,subspace,column space,null space
- MIT18.06线性代数课程笔记20:矩阵逆元计算、克里默法则 以及 行列式与volume、外积的关系
- MIT18.06线性代数课程笔记2a:矩阵相乘的三种看待角度
- MIT18.06线性代数课程笔记9:线性无关、向量拓展空间、空间的基、空间维度
- MIT18.06线性代数课程笔记5:矩阵转置,vector space以及subspace
- MIT18.06线性代数课程笔记12:使用邻接矩阵证明欧拉定理
- MIT18.06线性代数课程笔记11:矩阵空间、子空间的交和、秩一矩阵
- MIT18.06线性代数课程笔记15:子空间投影矩阵
- MIT18.06线性代数课程笔记21:特征向量、特征值简介、求法与性质
- MIT18.06线性代数课程笔记4b:打乱矩阵集合及相关性质
- MIT18.06线性代数课程笔记8:求解Ax=b、矩阵的秩以及矩阵的逆
- MIT18.06线性代数课程笔记17:正交标准矩阵
- MIT18.06线性代数课程笔记3a:矩阵相乘的五种看待角度
- MIT18.06线性代数课程笔记1:矩阵和向量相乘的三种解释
- MIT18.06线性代数课程笔记19:矩阵行列式公式与代数余子式
- MIT18.06线性代数课程笔记4a:矩阵的LU分解
- MIT线性代数课程笔记对应代码-【lecture 1】
- MIT线性代数课程笔记对应代码-【lecture 3】
- MIT 线性代数课程 笔记