线性代数(六)正交性

简介: 线性代数(六)正交性

一:内积、长度、正交性

1.1内积

1.定义:


2.定理:

注:从上面的性质可以简单总结出其是符合“对加法、对乘法封闭的”。


1.2长度

1.定义:

2.单位向量


3.n维空间的距离


1.3正交向量

注:补充定理

1.4总结

以上比较简单,但是有时候总是忘,可能是年纪大了,留着简单回顾吧!!!!!!!!!


二:正交集

2.1定义


2.2定理–正交基

注:因为正交基的优越性,其必然是在当前子空间的线性无关集,所以两两正交,从而对于子空间内的任一个由其表示的向量已知的时候,对于权重由于线性无关集的正交性从而比较容易求出,了解即可!!!!

2.3正交投影

注:这部分简单总结如下,一个向量往另一个向量(所在直线的所有)投影的过程。

几何解释:

注:这部分则是将投影和正交基结合起来,可以看到定理5其实就是投影的权重系数,所以一个n维空间的向量可以由其空间的n个正交基表示,这也就是线性表示!!!!!!!!!!


2.4单位正交集

注:其实就是标准正交基!!


三:正交矩阵

3.1单位正交列向量

注:此时,不是单位正交矩阵,因为不是方阵!


3.2性质

注:

具体证明参照例题,P340页自己看书吧。


3.3正交矩阵初入门

正交矩阵: 一个可逆的方阵,并且转置矩阵等于逆矩阵。—行向量组是正交集、列向量组是正交集。

当矩阵是方阵的时候,上面的定理6和定理7就非常有用了,对于定理6:此时的矩阵就是标准正交矩阵。


注: 正交矩阵在第七章节会发挥更大的作用,现在了解即可,第七章见---------------待

四:拉格姆-施密特方法

4.1定义

注:这里每个向量都是n维的,但是根据向量的个数,可以构造其不同子空间下的正交基和标准正交基~

4.2步骤

注:标准正交基则在其基础上进一步做单位向量即可,了解即可-----------------证明见参考书吧~~~


4.3例子

注:给出两个例子,有兴趣自己看看吧。


4.4QR分解


注:知道得了。。。。。。

目录
相关文章
|
人工智能 算法
学习笔记: 线性代数-标准正交矩阵Q
线性代数个人学习笔记
241 0
|
人工智能 Python
|
算法
线性代数(二)矩阵代数
线性代数(二)矩阵代数
97 0
|
算法
线性代数(一)矩阵和方程组
线性代数(一)矩阵和方程组
171 0
|
机器学习/深度学习 算法 图形学
矩阵和线性代数的应用
矩阵和线性代数是数学中重要的概念,它们被广泛应用于物理、工程、计算机科学、经济学等众多领域。本文将讨论矩阵和线性代数的一些基本概念以及它们在实际应用中的重要性和影响。
332 0