MIT 18.06 linear algebra 第十七讲笔记
第十七课课程要点:
- Orthogonal basis q1,q2....q3 q 1 , q 2 . . . . q 3
- Orthogonal matrix Q Q
- Gram-Schmidt
- Orthogonal normal vector
标准正交向量 q1,q2,....qn q 1 , q 2 , . . . . q n , {0ifi≠j1ifi=j { 0 i f i ≠ j 1 i f i = j 。
一个由标准正交向量组成的矩阵 Q Q ,,那么容易证明 QTQ=I Q T Q = I 。
如果 Q Q 是方阵, 告诉我们 QT=Q−1 Q T = Q − 1 。因为 Q Q 为方阵且各列都是正交的,那么意味着是可逆的,因此上述结论成立。
假设 Q Q 中的各个列都是标准正交的列向量,当有一个向量投影到的列空间上时,投影矩阵为: P=Q(QTQ)−1QT=QQT P = Q ( Q T Q ) − 1 Q T = Q Q T ,如果 Q Q 为方阵的话,投影矩阵就是单位阵。因为 Q Q 如果是方阵且各列是标准正交的,那么可逆,且 Q Q 各列组成的列空间是整个空间,任何一个向量投影到这个空间,都等于向量自身,因此投影矩阵为单位阵。
上面的投影矩阵依旧满足和 PT=P P T = P 。
(QQT)(QQT)=Q(QTQ)QT=QIQT=QQT ( Q Q T ) ( Q Q T ) = Q ( Q T Q ) Q T = Q I Q T = Q Q T 。证明完毕。
在前面的课程中我们求解 ATAx^=ATb A T A x ^ = A T b ,现在变为 QTQx^=QTb Q T Q x ^ = Q T b 。因而得出 x^=ATb x ^ = A T b 。 xi^=qTib x i ^ = q i T b ,这说明了,如果是标准正交基,在第 i i 个基方向上的投影就等于。
现在我们可以发现求解 x^ x ^ 变得十分容易。这也为后面将 A A 转化为标准正交矩阵埋下了伏笔。
将向量组标准正交化:
Gram-Schmidt发明了此套理论。
首先我们将向量转化为相互正交的向量 A,B A , B ,然后再将其标准化。
图中先看向量 a,b a , b ,首先我们需要将其正交化,我们可以选择 a a 的方向不变,也就变为A。接下来我们需要将向量 b b 正交化,也就是转化为与垂直的方向。前面我们知道将向量 b b 投影到上时, b−p=e b − p = e ,这个 e e 也就是垂直于的。 b b 也就转化为, B=b−p=b−ATbATAA B = b − p = b − A T b A T A A 。我们可以验证一下, ATB=AT(b−ATbATAA)=0 A T B = A T ( b − A T b A T A A ) = 0 。再有一个向量 c c 时,正式我们需要将将与正交。 C=c−ATcATAA−BTcBTBB C = c − A T c A T A A − B T c B T B B 。这时我们再将 A,B,C A , B , C 标准化即可。 A||A||,B||B||,C||C|| A | | A | | , B | | B | | , C | | C | | 。
如果我们仔细思考一下可以发现, Q Q 的列空间和的列空间是一样的。只是用来表示这个空间的一组基不同而已,一组标准正交,另一组非标准正交而已。
前面的课程中我们通过消元法将矩阵变为上三角矩阵。即 A=LU A = L U 。现在的矩阵 Q Q 也是通过变换而来的。, R=QTA R = Q T A ,继而 R=[qT1a1qT2a1qT1a2qT2a2] R = [ q 1 T a 1 q 1 T a 2 q 2 T a 1 q 2 T a 2 ] 。(这里假设 A=[a1,a2] A = [ a 1 , a 2 ] , Q=[q1,q2] Q = [ q 1 , q 2 ] )因为我们知道 q2 q 2 的正交是以 q1 q 1 为基础的因此 qT2a1=0 q 2 T a 1 = 0 ,因此 R R 为上三角矩阵。虽然这里举的例子和 Q Q 中都只有两个向量,有更多向量的情形是类似的,只有在 j>i j > i 的时候为0。