MIT_Linear_Algebra_lec14: 正交向量和正交子空间

Lecture 14 : Orthogonal Vectors and Subspaces

MIT 公开课：Gilbert Strang《线性代数》课程笔记（汇总）

---

正交向量

• $x$与$y$正交，（这里$x,y$可以看成列向量）表示$x,y$点积为零

  $x^{T}y=0$ ${\Sigma }_i{x}_i{y}_i=0$

• $x,y,x+y$可以构成一个直角三角形，$x,y$夹角为$90°$满足毕达哥拉斯定理，即：

  $||x|{|}^2$ + $||y|{|}^2$ = $||x+y|{|}^2$ $x^{T}x$ + $y^{T}y$ = $(x+y{)}^T(x+y)$ $x^{T}y=y^{T}x=0$

• 零向量与所有向量正交

正交子空间

子空间S与子空间T正交 ，表示S中的任意向量与T中的任意向量正交

• 两个子空间如果相交，不会相交于非零向量

  解释： 如果它们相交于非零向量，容易找到$v1\in S,v2\in S\cap T$,且两者不成90°

列空间，行空间与零空间的关系

• 行空间与系数矩阵的零空间是正交互补的 $Ax=0$ 其中A是系数矩阵，A的行向量组成了行空间 $[row1row2...{]}^{T}x$ = $[00...{]}^T$
  列数 - 系数矩阵的秩 = 零空间的秩
• 列空间与系数矩阵的转置是正交互补的