MIT_Linear_Algebra_lec17: 正交基、正交矩阵和施密特正交化
2019-02-15 22:44
155 查看
Lecture 17: Orthogonal Matrices and Gram-Schmidt
MIT 公开课:Gilbert Strang《线性代数》课程笔记(汇总
标准正交基
qiTqj={1(i=j)0(i≠j)q_i^Tq_j = \left\{\begin{array}{cc} 1 (i = j) \\ 0(i ≠ j) \\ \end{array}\right. qiTqj={1(i=j)0(i̸=j)
正交矩阵
定义
Q是正交矩阵,当它的各个列向量都相互正交的时候。
Q=[q1q2q3....]Q = [q_1 q_2 q_3 ....]Q=[q1q2q3....] (qi是列向量q_i 是列向量qi是列向量)
性质
如果Q是正交矩阵,那么
如果Q还是方的,那么Q存在可逆矩阵,并且
正交矩阵的投影矩阵
P是投影到正交矩阵Q的列空间所对应的投影矩阵。
-
据前几讲,
P=Q(QTQ)−1QT=QQTP = Q(Q^TQ)^-1Q^T = QQ^TP=Q(QTQ)−1QT=QQT
如果Q是方阵,那么 P=IP = IP=I
-
据前几讲, P 满足 P=PTP = P^TP=PT, P2=PP^2 = PP2=P 在这里同样成立
施密特正交化
过程
如上图,a和b是两个不相互正交的分量。
施密特正交化就是a不动,找到b中与a正交的分量。
-
方法:
将b投影到a上,b - 投影分量 = e 就是所要求的。 -
据前几讲,e=b−(ATb/ATA)Ae = b - (A^Tb/A^TA)Ae=b−(ATb/ATA)A, 若要归一化再除以长度
一个例子:
A 经过施密特正交化变成Q,但是列空间并没有变
相关文章推荐
- 【线性代数公开课MIT Linear Algebra】 第十六课 Ax=b的解、最小二乘法与矩阵
- 【线性代数公开课MIT Linear Algebra】 第十七课 正交基和正交矩阵
- 【线性代数公开课MIT Linear Algebra】 第十四课 正交,再次回到Ax=b
- 【线性代数公开课MIT Linear Algebra】 第二课 矩阵与高斯消元
- 【线性代数公开课MIT Linear Algebra】 第五课 排列矩阵、转置、向量空间与列空间
- 【线性代数公开课MIT Linear Algebra】 第三课 矩阵乘法和矩阵的逆
- 【线性代数公开课MIT Linear Algebra】 第十二课 从矩阵角度看点边结构
- 【线性代数公开课MIT Linear Algebra】 第九课 向量与矩阵的桥梁
- 【线性代数公开课MIT Linear Algebra】 第十一课 矩阵空间和秩1矩阵
- 【线性代数公开课MIT Linear Algebra】 第一课 矩阵的行图像与列图像
- 【线性代数公开课MIT Linear Algebra】 第四课 从矩阵消元到LU分解
- 【线性代数公开课MIT Linear Algebra】 第十五课 Ax=b与投影矩阵
- 【线性代数公开课MIT Linear Algebra】 第二十二课 特征分解与矩阵的幂
- 【线性代数公开课MIT Linear Algebra】 第十九课 行列式的公式
- Armadillo C++ linear algebra library 学习笔记(2)——矩阵的基本操作(1)
- 【线性代数公开课MIT Linear Algebra】 第二十课 行列式的应用
- 【线性代数公开课MIT Linear Algebra】 实际应用——python中的线性代数(1)
- 【线性代数公开课MIT Linear Algebra】 第二十四课 特征值与特征向量的应用——马尔科夫矩阵、傅里叶级数
- 【线性代数公开课MIT Linear Algebra】 第二十三课 微分方程与exp(At)
- mit 18.06 linear algebra video note