正交投影的矩阵(基变换与过渡矩阵的例子)

这篇具有很好参考价值的文章主要介绍了正交投影的矩阵(基变换与过渡矩阵的例子)。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。

n n n维欧几里得空间 V V V中,有子空间 W W W. 如果用自然基 ( e i ) 1 ≤ i ≤ n (\mathbf{e}_i)_{1\leq i \leq n} (ei)1in,设 W = s p a n ( w 1 , … , w d )    ( 0 < d < n ) W=\mathrm{span}(w_1, \ldots, w_d)\; (0< d < n) W=span(w1,,wd)(0<d<n). 将这个基作Schmidt正交化(并单位化),得到 W W W的一个标准正交基 ( η 1 , … , η d ) (\eta_1, \ldots, \eta_d) (η1,,ηd). 将这个标准正交基扩充为 V V V的一个基: ( η 1 , … , η d , η d + 1 , η d + 2 , … , η n ) . (\eta_1, \ldots, \eta_d, \eta_{d+1}, \eta_{d+2}, \ldots, \eta_{n}). (η1,,ηd,ηd+1,ηd+2,,ηn).

假定从自然基到上述标准正交基的过渡矩阵为 T T T: 即 ( η 1 , … , η d , η d + 1 , … , η n ) = ( e 1 , … , e n )   T . (\eta_1, \ldots, \eta_d, \eta_{d+1}, \ldots, \eta_{n})=(\mathbf{e_1, \ldots, e_n})\,T. (η1,,ηd,ηd+1,,ηn)=(e1,,en)T.由于自然基排成的矩阵是单位方阵 I n I_n In, 所以 T T T的前 d d d列是 ( η 1 , … , η d ) (\eta_1, \ldots, \eta_d) (η1,,ηd), 并且 T T T是正交矩阵。

命题:在 V V V的自然基之下,从 V V V(沿着 W ⊥ W^\perp W)到 W W W的正交投影的矩阵是 P W = ( η 1 , η 2 , … , η d ) ( η 1 ⊤ η 2 ⊤ ⋮ η d ⊤ ) P_W=(\eta_1, \eta_2, \ldots, \eta_d)\begin{pmatrix} \eta_1^\top \\ \eta_2^\top \\ \vdots \\ \eta_d^\top \end{pmatrix} PW=(η1,η2,,ηd) η1η2ηd . 而在标准正交基 ( η 1 , … , η n ) (\eta_1, \ldots, \eta_n) (η1,,ηn)之下, 从 V V V W W W的正交投影矩阵是 Q W = ( I d 0 ) Q_W=\begin{pmatrix} I_d & \\ & \mathbf{0} \end{pmatrix} QW=(Id0). 有等式 Q w = T − 1 P W T = T ⊤ P W T Q_w = T^{-1}P_W T=T^\top P_W T Qw=T1PWT=TPWT.

:验证 T Q W T ⊤ = P W TQ_W T^\top = P_W TQWT=PW比较容易。

例: V = R 3 , w = ( 1 , 2 , 3 ) ⊤ , W = s p a n ( w ) V=\mathbb{R}^3, w=(1,2,3)^\top, W=\mathrm{span}(w) V=R3,w=(1,2,3),W=span(w). 则 η = 1 14 ( 1 , 2 , 3 ) ⊤ \eta=\frac{1}{\sqrt{14}}(1,2,3)^\top η=14 1(1,2,3). 等式 T Q W T ⊤ = P W TQ_W T^\top = P_W TQWT=PW ( 1 14 ∗ ∗ 2 14 ∗ ∗ 3 14 ∗ ∗ ) ( 1 0 0 ) ( 1 14 2 14 3 14 ∗ ∗ ∗ ∗ ∗ ∗ ) = 1 14 ( 1 2 3 2 4 6 3 6 9 ) . \begin{pmatrix} \frac{1}{\sqrt{14}} & * & * \\ \frac{2}{\sqrt{14}} & * & * \\ \frac{3}{\sqrt{14}} & * & * \\ \end{pmatrix}\begin{pmatrix}1 & & \\ & 0 & \\ & & 0 \end{pmatrix}\begin{pmatrix}\frac{1}{\sqrt{14}} & \frac{2}{\sqrt{14}} & \frac{3}{\sqrt{14}} \\ * & * & * \\ * & * & * \end{pmatrix}=\frac{1}{14}\begin{pmatrix}1 & 2 & 3\\ 2 & 4 & 6 \\ 3 & 6 & 9 \end{pmatrix}. 14 114 214 3 100 14 114 214 3 =141 123246369 .文章来源地址https://www.toymoban.com/news/detail-849381.html

到了这里,关于正交投影的矩阵(基变换与过渡矩阵的例子)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

  • 深度学习·理论篇(2023版)·第002篇深度学习和计算机视觉中的基础数学知识01:线性变换的定义+基于角度的线性变换案例(坐标变换)+点积和投影+矩阵乘法的几何意义+图形化精讲

    💕 恭喜本博客浏览量达到两百万,CSDN内容合伙人,CSDN人工智能领域实力新星~ 🧡 本文章为2021版本迭代更新版本,在结合有效知识的基础上对文章进行合理的增加,使得整个文章时刻顺应时代需要 🧡 本专栏将通过系统的深度学习实例,从可解释性的角度对深度学习的原理

    2023年04月08日
    浏览(50)
  • 正交矩阵与正交变换

    前置性质 1 ∣ A B ∣ = ∣ A ∣ ∣ B ∣ |boldsymbol{A} boldsymbol{B}| = |boldsymbol{A}| |boldsymbol{B}| ∣ A B ∣ = ∣ A ∣∣ B ∣ 。 证明见 “矩阵的运算规则”。 前置性质 2 ∣ A T ∣ = ∣ A ∣ |boldsymbol{A}^T| = |boldsymbol{A}| ∣ A T ∣ = ∣ A ∣ 。 证明见 “矩阵的运算规则”。 定义 1(正交矩阵

    2024年02月05日
    浏览(31)
  • 高等代数(七)-线性变换03:线性变换的矩阵

    § 3 § 3 §3 线性变换的矩阵 设 V V V 是数域 P P P 上 n n n 维线性空间, ε 1 , ε 2 , ⋯   , ε n varepsilon_{1}, varepsilon_{2}, cdots, varepsilon_{n} ε 1 ​ , ε 2 ​ , ⋯ , ε n ​ 是 V V V 的一组基, 现在我们来建立线性变换与矩阵的关系. 空间 V V V 中任一向量 ξ xi ξ 可以经 ε 1 , ε 2 , ⋯  

    2024年02月20日
    浏览(51)
  • 矩阵理论| 基础:线性变换(正交/酉变换、对称/共轭变换、正规变换)、不变子空间

    线性变换 T mathcal T T 是从向量到向量的映射,并且满足可加性和数乘性: T ( k α + l β ) = k T ( α ) + l T ( β ) mathcal T(kalpha+lbeta)=kmathcal T(alpha)+lmathcal T(beta) T ( k α + lβ ) = k T ( α ) + l T ( β ) 给定一个坐标系后,线性变换 T mathcal T T 对应一个矩阵 A ∈ C m × n mathbf Ainmathcal

    2024年02月09日
    浏览(45)
  • 过渡矩阵、线性变换矩阵在对应基下坐标的求法

    在求过渡矩阵时尤其要注意的是过渡矩阵和哪个向量组相乘得另一个向量组。 一般情况下,若描述是:求A到B的过渡矩阵,则形式应当是B=AC,其中C为过渡矩阵。 下面的这个例题就是求过渡矩阵和基下的坐标。 下面的这个例子主要是求线性变换矩阵在相应的基下的坐标。

    2024年02月11日
    浏览(39)
  • 高等代数(八)-线性变换07:矩阵的有理标准形

    § 7 矩阵的有理标准形 前一节中证明了复数域上任一矩阵 A boldsymbol{A} A 可相似于一个若尔当形矩阵, 这一节将对任意数域 P P P 来讨论类似的问题. 我们证明 P P P 上任一矩阵必相似于一个有理标准形矩阵. 定义 8 对数域 P P P 上的一个多项式 d ˙ ( λ ˙ ) = λ n ˙ + a 1 λ n − 1 + ⋯

    2024年02月19日
    浏览(46)
  • 高等代数(八)-线性变换02:λ-矩阵在初等变换下的标准形

    § 2 λ § 2 lambda §2 λ -矩阵在初等变换下的标准形 λ lambda λ -矩阵也可以有初等变换. 定义 3 下面的三种变换叫做 λ lambda λ -矩阵的初等变换: 矩阵的两行 (列) 互换位置; 矩阵的某一行 (列) 乘非零常数 c c c ; 矩阵的某一行 (列) 加另一行 (列) 的 φ ( λ ) varphi(lambda) φ ( λ ) 倍

    2024年02月19日
    浏览(45)
  • 高等代数(四)-矩阵07:分块乘法的初等变换及应用举例

    § 7 § 7 §7 分块乘法的初等变换及应用举例 将分块乘法与初等变换结合是矩阵运算中极重要的手段. 现将某个单位矩阵进行如下分块: ( E m O O E n ) . left(begin{array}{cc} boldsymbol{E}_{m} boldsymbol{O} \\\\ boldsymbol{O} boldsymbol{E}_{n} end{array}right) . ( E m ​ O ​ O E n ​ ​ ) . 对它进行两行

    2024年02月22日
    浏览(36)
  • 「高等数学」雅可比矩阵和黑塞矩阵的异同

    雅可比矩阵,Jacobi matrix 或者 Jacobian,是 向量值函数 ( f : R n → R m f:mathbb{R}^n to mathbb{R}^m f : R n → R m )的一阶偏导数按行排列所得的矩阵。 黑塞矩阵,又叫海森矩阵,Hesse matrix,是 多元函数 ( f : R n → R f:mathbb{R}^n to mathbb{R} f : R n → R )的二阶偏导数组成的方阵。

    2024年02月10日
    浏览(42)
  • 【高等工程数学】南理工研究生课程 突击笔记5 矩阵分解与广义逆矩阵

    第三章主要内容如下 提示:以下是本篇文章正文内容,下面案例可供参考 矩阵分解是将矩阵分解成两个或三个在形式上、性质上比较简单的矩阵的乘积。 操作方式见例题3.1 将A的第一行元素照抄 再算 第一列的元素Ln1 求第二阶的行元素 求第二阶的列元素 求三阶对角线元素

    2024年02月02日
    浏览(46)

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