线性代数学习笔记4
来源:互联网 发布:股票资产分析软件 编辑:程序博客网 时间:2024/05/01 22:03
第十四集 正交向量与正交子空间
正交向量
正交就是垂直的另一种说法。两向量正交则
零向量与所有向量都正交。
正交子空间
子空间S 与子空间T 正交,则S 中的任意一个向量都和T 中的任意向量正交。
黑板所在的平面和地板所在平面不是正交关系。比如平面的子空间包括只包含零向量的0 空间、过原点的直线以及整个平面。0 空间和过原点的直线正交;经过原点的两条直线若夹角为直角则互相正交。
零空间与行空间正交
矩阵A 的行空间和它的零空间正交。若x 在零空间内,则有Ax=0,将A 表示为行向量的格式:
x 与矩阵A 的行向量点积都等于0,则它和矩阵A 行向量的线性组合进行点积也为0,所以x 与A 的行空间正交。x 为零空间内的任意向量,所以零空间与行空间正交。同理可以证明列空间与左零空间正交。
行空间和零空间实际上把
其行空间是1 维的,向量
一个空间中正交子空间的维数之和不可能超过原空间的维数。之前提到的黑板和地板平面不是正交子空间的例子,二者都在3 维空间中,分别为2 维空间,2+2>3,因此不可能正交。
可以称目前讨论的这部分内容是线性代数基本定理的第二部分。第一部分是给出四个子空间和它们的维数,第二部分说明它们是两两互为正交补,第三部分讨论子空间的正交基。这些内容都反映在了本讲座开始的那幅图上。
如何求解一个无解方程组Ax=b 的解。
如果A 是长方形矩阵,m 大于n。当左侧方程数特别多的时候,容易混入“坏”数据,方程变得无解。但是对于数据的可信度我们无从判断,线性代数要做的就是在这种条件下求一个方程的“最优解”。矩阵
但是矩阵
实际上矩阵
本章的核心内容就是当Ax=b 无解的时候,求解
第十五集 子空间投影
投影(射影)Projections
投影问题的几何解释就是:如何在向量a 的方向上寻找与向量b 距离最近的一点。从图中可以看出,这个距离最近的点p,这就是b 在a 上的投影。如果我们将向量p 视为b的一种近似,则长度e=b-p 就是这一近似的误差。因为p 在向量a 的方向上,因此可以令p=xa,而因为它和e 正交,我们可以得到方程:
投影矩阵
将投影问题用投影矩阵的方式进行描述,即为p=Pb,其中P 为投影矩阵。则有
为什么要投影,如前所述,方程Ax=b 有可能无解,我们需要得到方程的“最优解”。这里的问题在于向量Ax 一定在矩阵A 的列空间之内,但是b 不一定,因此我们希望将b 投影到A 的列空间得到p,将问题转化为求解
在高维投影
在
如果列向量a1 和a2 构成了平面的一组基,则平面就是矩阵A=[a1 a2]的列空间。已知向量 p 在平面内,则有
得到
当投影矩阵P作用于向量b,相当于把b 投影到矩阵A 的列空间。
若A 是可逆方阵,此时A 的列空间就是整个
第十六集 投影矩阵和最小二乘法
p+e=b,说明b 由两部分组成:p=P b 为A 的列空间中的部分;e=(I-P )b 为A 的左零空间中的部分。
最小二乘法
展开结果为
可以验证,向量p 与e 正交,并且e 与矩阵A 的列空间正交。
第十七集 正交矩阵和施密特正交化
标准正交向量
标准正交向量具有单位长度 1,并且彼此正交,是线性无关的。
标准正交矩阵
注意这里的矩阵 Q 可以不是方阵。
一个标准正交的方阵我们称之为“正交矩阵”。
如果 Q为方阵,因为
再给一个长方形矩阵的例子,其列向量为标准正交:
标准正交列向量的优势
1、若 Q 的列向量为标准正交向量,则投影到 Q 的列空间的投影矩阵为:
2、如果 Q 为方阵,则 P = I ,因为 Q 的列向量张成了整个空间,投影过程不会对向量有任何改变。
3、如果基为标准正交,则方程
即,如果已知标准正交基,在第i个基方向上的投影就等于
施密特正交化
将线性无关向量组,标准正交化。两个线性无关的向量 a 和 b张成了一个空间,目标是希望找到两个标准正交的向量
有一组正交基 A 和 B ,那么我们令它们除以自己的长度就得到标准正交基:
令 A = a ,然后取与 A 正交向量做成标准正交基B,方法就是将 b 投影到 a 的方向,然后取 B = b - p (B 就是之前谈论过的误差 e 的方向)。
则有
如果从三个线性无关的向量 a 、 b 和 c 出发,则可以通过从 c 中减去其在 A 和B 两个方向的投影来得到 C 。
参考文献:
线性代数及其应用(美)David C.LayPDF
豆丁网MIT-线性代数笔记(上)
- 线性代数学习笔记4
- 线性代数学习笔记
- 线性代数学习笔记
- 线性代数学习笔记1
- 线性代数学习笔记3
- 线性代数学习笔记6
- 线性代数学习笔记7
- 线性代数学习笔记5
- 线性代数,机器学习,笔记!!!
- 《线性代数》学习笔记
- 机器学习笔记--线性代数
- 线性代数学习笔记
- 线性代数学习笔记一:行列式
- NumPy学习笔记3-线性代数
- 线性代数学习笔记(十四)
- 线性代数学习笔记(十三)
- 线性代数学习笔记(十二)
- 线性代数学习笔记(十一)
- AIDL
- 内存分析:
- 二叉排序树(新建,插入,查找,删除)(C语言编写)
- 解决pip install国外源太慢的问题
- [Android]安全第一步,使用IDA初步调试一个c/c++的exe文件
- 线性代数学习笔记4
- linux的用户安装目录
- 自己写简单的LinkedList
- pip网络超时解决办法
- Gdal库读取和生成图像数据
- TCP四次握手断开连接
- Android建造者模式
- ES单播发现主节点配置如下:
- 南阳oj 791 Color the fence