线性代数(9):线性正交

这篇具有很好参考价值的文章主要介绍了线性代数(9):线性正交。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

一、正交向量组

(1)定义

        若一个非零向量组中的向量两两相交,则称该向量组为正交向量组;

        由单个非零向量组成的向量组也为正交向量组

(2)判断

1.2.1 方法

        证明两两相交的的方法就是计算向量的内积和是否为 0 ;

 1.2.2 

        例:

        有一向量组 α1 = ( 1,1,1 ),α2 = ( -1,2,-1 ),α3 = ( -1,0,1 ),问其是否为正交向量组;

        解: 

线性代数(9):线性正交

         因为向量组中的向量内积和都为 0 ,所以该向量组为正交向量组;

二、正交基与规范正交基

(1)正交基

2.1.1 定义

         设 α1,α2,……,αr 是向量空间 V ( V ⊂ R^n ) 的一个基,如果 α1,α2,……,αr 两两相交,那么我们就称  α1,α2,……,αr 是 V 的一个正交基;

2.1.2 

        例:

        已知三维空间组的两个向量正交,试求 α3 使 α1, α2, α3,构成三位空间的一个正交基;

线性代数(9):线性正交

         解:

线性代数(9):线性正交

(2)规范正交基

2.2.1 定义

         设 n 维向量 e1,e2,……,er 是向量空间 V ( V ⊂ R^n ) 的一个基,如果 e1,e2,……,er 两两相交并且都是单位向量,那么我们就称  e1,e2,……,er 是 V 的一个规范正交基;

2.2.2 正交规范化

施密特正交化公式:线性代数(9):线性正交

 2.2.3

        例:

线性代数(9):线性正交

         解:

线性代数(9):线性正交

三、正交矩阵

(1)定义

        如果 n 阶矩阵 A 满足 A^T A = A A^T = E ,则称 A 为正交矩阵;( E 为单位矩阵 )

(2)性质

        a. 正交矩阵的转置矩阵跟它的逆矩阵相等;

        b. 正交矩阵的行列式等于 ±1 ;

        c. 正交矩阵的行(列)向量都是规范正交基;

 (3)

        例:

线性代数(9):线性正交

         解:

线性代数(9):线性正交

线性代数(9):线性正交文章来源地址https://www.toymoban.com/news/detail-446045.html

到了这里,关于线性代数(9):线性正交的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【线性代数】两个向量组等价,其中一个向量组线性无关,另一个向量组也是线性无关吗?

    两个向量组等价,其中一个向量组线性无关,另一个向量组也是线性无关吗? 不一定,当两个向量组中的向量个数也相同时,结论才成立.若向量个数不相同,结论不成立. 例如: 向量组一:(1,0),(0,1) 向量组二:(1,0),(0,1),(1,1) 两个向量组等价,向量组一线性无关,向量组二线性相关 参考

    2024年02月02日
    浏览(52)
  • 线性代数的学习和整理3:标量,向量和张量的定义和对比

    目录 1 标量 scalar 2 向量 /矢量 vector 2.1 什么是向量(直观) 2.2 什么是向量(严格定义) 2.3 向量如何表示?在向量空间的表示方法 3 矩阵(matrix) 3.1 矩阵的定义 3.2 矩阵和向量的关系 3.3  方阵 4 ​张量(tensor):向量,矩阵都可以看成张量 4.1 张量的定义 4.2 更多维度的张量,举

    2024年02月04日
    浏览(54)
  • 线性代数(9):线性正交

            若一个非零向量组中的向量两两相交,则称该向量组为正交向量组;         由单个非零向量组成的向量组也为正交向量组 1.2.1 方法          证明两两相交的的方法就是计算向量的内积和是否为 0 ;  1.2.2           例:         有一向量组 α1 = ( 1,1,

    2024年02月05日
    浏览(64)
  • 线性代数:正交变换学习笔记

    在线性代数中,如果一个矩阵 A A A 满足 A T A = A A T = I A^T A = A A^T = I A T A = A A T = I ,则称其为正交矩阵。正交矩阵也常被称为正交变换。 正交变换是线性变换的一种特殊形式,它不改变向量的长度和夹角。因此,它可以用来描述旋转、镜像等几何变换。 正交矩阵有以下性质:

    2024年02月03日
    浏览(58)
  • 线性代数 --- Gram-Schmidt, 格拉姆-施密特正交化(上)

            在前面的几个最小二乘的文章中,实际上已经看到Gram-Schmidt正交化的影子。在我个人看来,Gram-Schmidt正交化更像是专门为了简化最小二乘计算而量身定制的一种算法。下面,我会从最小二乘的经典应用 --- \\\"拟合直线\\\"开始,慢慢引出Gram-Schmidt的核心思想 —— 那就是,

    2024年02月10日
    浏览(51)
  • 线性代数 --- Gram-Schmidt, 格拉姆-施密特正交化(下)

            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最小二乘的正规方程,他们都包含了的逆的计算。只有当A为标准正交矩阵Q时,就不再需要计算的逆了,这时,

    2024年02月13日
    浏览(58)
  • 线性代数 --- 最小二乘在直线拟合上的应用与Gram-Schmidt正交化

    在前一篇最小二乘的文章中: 线性代数 --- 投影与最小二乘 下(多元方程组的最小二乘解与向量在多维子空间上的投影)_松下J27的博客-CSDN博客 多变量方程组的最小二乘,向量到多维子空间上的投影。 https://blog.csdn.net/daduzimama/article/details/129559433?spm=1001.2014.3001.5501 我们知道了:

    2023年04月09日
    浏览(51)
  • 线性代数本质系列(一)向量,线性组合,线性相关,矩阵

    本系列文章将从下面不同角度解析线性代数的本质,本文是本系列第一篇 向量究竟是什么? 向量的线性组合,基与线性相关 矩阵与线性相关 矩阵乘法与线性变换 三维空间中的线性变换 行列式 逆矩阵,列空间,秩与零空间 克莱姆法则 非方阵 点积与对偶性 叉积 以线性变换

    2024年02月04日
    浏览(54)
  • 线性代数(三) 线性方程组&向量空间

    如何利用行列式,矩阵求解线性方程组。 用矩阵方程表示 齐次线性方程组:Ax=0; 非齐次线性方程组:Ax=b. 可以理解 齐次线性方程组 是特殊的 非齐次线性方程组 如何判断线性方程组的解 其中R(A)表示矩阵A的秩 B表示A的增广矩阵 n表示末知数个数 增广矩阵 矩阵的秩 秩r= 未知

    2024年02月13日
    浏览(47)
  • 线性代数 --- 向量的长度

    从代数的角度定义向量的长度 :       正如我在另外一篇文章中(见本文底部的推荐链接)提到的,两个向量(这是默认是两个列向量)的内积,可以表示为也可以表示为。现在我们考虑一种特殊情形,现在我们有一个向量v=(1,2,3),那么这个向量自己和自己的内积是多少呢

    2024年02月02日
    浏览(43)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包