前段时间,身边的小伙伴问过我关于线性代数的一些知识,其中包含了特征向量的正交化的内容。遥想当初在学习线性代数的时候,只知道施密特正交化可以用来解决这个问题,但是老师猝不及防地甩过来一大段公式(可见下式),完全没讲怎么来的,并且这破公式好难记,着实困扰了我很长一段时间,直到最近上了《高等工程数学》的一堂课才有点理解它的由来。

为了简单起见,我们先看看只有a1,a2两个线性无关向量的情况,根据上面的公式可以得出

那这是怎么来的呢?首先第一个等式是比较符合常理的,主要是第二个的值如何取;我们要明白一定是要与垂直的,即满足两两正交,因此我们可以画一个图更直观地感受一下

图中的底下的黑色线条(不是蓝色的)是(),而给定的为斜向上黑色的线条,因为不一定与垂直,所以我们需要构造使得垂直。很直观地,我们可以从图中看到底下蓝色线条对应的向量与是共线同方向的,并且其长度为上的投影,即

这里的v就是对应蓝色的线条,根据向量之间的减法,图中的r1就等于,这就与公式中的第二个等式一样,并且发现这个r1与垂直,就是我们所想要的。从这里我们可以看到所求的其实等于r1=,当且仅当p等于上的投影长度。这样我们延伸到三维空间,我们可以得到

考虑到正交性,应满足

这样就得到了r2=,以此类推,可以得到所有的

这次的分享主要是为了大学期间的好伙伴备考而写的,希望对他能有所帮助。

格拉姆--施密特(Gram-Schmidt)正交化方法笔记相关推荐

  1. 线性代数 --- Gram-Schmidt, 格拉姆-施密特正交化(下)

    Gram-Schmidt正交化过程 到目前为止,我们都是在反复强调"对于无解的方程组Ax=b而言,如果矩阵A是标准正交矩阵的话,就怎么怎么好了....".因为,不论是求投影还是计算 ...

  2. 线性代数学习笔记——第七十讲——格拉姆—施密特(Gram-Schmidt)正交化方法

    1. 格拉姆-施密特(Gram-Schmidt)正交化方法详解 2. 格拉姆-施密特(Gram-Schmidt)正交化示例

  3. 正交矩阵,(标准)正交基,正交投影,正交分解定理,最佳逼近定理,格拉姆-施密特方法求正交基(手算+MATLAB),QR分解(手算+MATLAB计算、分析)

    正交(orthogonality).正交集(orthogonal set).单位正交集 定义:如果向量uuu和向量vvv是相互正交的,则有:u⋅v=0u\cdot v=0u⋅v=0. 因为对于零向量, ...

  4. matlab格拉姆施密特,改进的格拉姆-施密特正交化(modified Gram-Schmidt Process)

    最近在重新学习线性代数,学习的教材是MIT Gilbert Strang 教授的<INTRODUCTION TO LINEAR ALGEBRA>,在第4.4章节格拉姆-施密特正交化时,书中 ...

  5. 漫步线性代数十八——正交基和格拉姆-施密特正交化(下)

    格拉姆-施密特 声明:以后博主会把文章的pdf版本陆续发布到的网上,免费供大家下载 正交基和格拉姆-施密特正交化 假设我们有是是三个无关向量a,b,ca,b,c,如果他们是正交的,那么会多问题都变得容 ...

  6. 漫步线性代数十七——正交基和格拉姆-施密特正交化(上)

    对于一个正交基,每个向量和其他所有向量垂直,坐标轴就是互相正交的.我们还可以进一步改善:每个向量除以它的长度得到单位向量,这样的话正交基变成了标准正交基: 16.如果 qTiqj={01i≠j,给出正 ...

  7. 通俗理解“Schmidt正交化”和“正交矩阵” 此博文包含图片 (2015-05-19 09:50:47) 施密特正交化在空间上是不断建立垂直于原次维空间的新向量的过程。 如图β2垂直于β1(1维)

    通俗理解"Schmidt正交化"和"正交矩阵" 施密特正交化在空间上是不断建立垂直于原次维空间的新向量的过程. 如图β2垂直于β1(1维)构建新2维,β3垂直于 ...

  8. 施密特正交化_格拉姆-施密特正交化--QR分解法的来源

    人类的数学发展到了今天,已经如浩瀚的宇宙般深不见底,不管时代怎么变迁,数学总是以超前于人类的科技水平而存在,如果说宇宙有尽头的话,那么宇宙的尽头也是数学的尽头,数学的停止就是世界的末日.所以我后悔当初 ...

  9. 线性代数(三十九) :格拉姆-施密特正交化与标准正交基

    本节介绍正交的概念,以及将基变为正交基的格拉姆-施密特(Gram-Schmidt)方法 1 正交 如果向量x,y满足: 则称x与y正交(orthogonal)或者垂直(perpendicular),记 ...

最新文章

  1. requests模块--python发送http请求
  2. linux 安装 加入内核参数,Linux 实现自动安装服务组件以及优化内核参数
  3. 记录几个前端样式小点
  4. 【机器视觉】dev_update_on和dev_update_off算子
  5. 西安openGauss Meetup成功举办,共建最佳学术创新平台
  6. c# Linq实现 获得某一个路径下所有文件的名(不含扩展名)
  7. 在word表格里打勾和打叉
  8. python简明教程_02
  9. 交叉编译工具链的安装和配置过程
  10. 程序、算法和数据结构的关系
  11. 计算机视觉、模式识别、人工智能
  12. mysql-mmm高可用群集
  13. Linux中安装IDA
  14. 一男老师每日百词转载+连载(2)
  15. c++cmath函数库
  16. 基于JAVA的免费手机归属地接口查询
  17. 收集2016年值得学习的源码、第三方和插件
  18. 黑马程序员-Java高新技术-反射
  19. 优炫数据库百城巡展,成都首站圆满举行
  20. c语言中exit函数可以返回嘛,C语言中的exit函数 以及他与return函数的区别

热门文章

  1. tensorflow yolov3训练自己的数据集,详细教程
  2. 美通社企业新闻汇总 | 2019.1.29 | 华为四款明星产品亮相世界移动通信大会;一季度全球智能手机同比将减产10%...
  3. 高性价比WIFI图传方案快速入门教程
  4. 什么是 云原生应用?
  5. 菌群最新资讯热评 | 菌群与癌症免疫疗法,菌群与消毒剂
  6. 敲黑板!半步(half-way)反弹格式和标准反弹格式的随堂笔记
  7. 对百度Bingo算法的猜测
  8. Android获取设备序列号的方法与调用方式
  9. matplotlib之网格线
  10. 量子计算机qled,量子点发光原理详解