正交矩阵和一种简单基础的Gram-Schmidt斯密特正交化方法

Haor.L

于 2021-02-26 17:23:35 发布

阅读量614

点赞数 2

分类专栏：经典机器学习模型文章标签：算法线性代数机器学习

本文链接：https://blog.csdn.net/weixin_46233323/article/details/114142318

版权

本文介绍了正交矩阵的定义及其性质，重点讲述了Gram-Schmidt正交化过程，通过实例展示了如何将一组向量转化为标准正交向量，并提供了计算步骤。内容涉及线性代数和算法，对机器学习也有一定帮助。

摘要由CSDN通过智能技术生成

定义

Q为方阵且：
$Q^{T} Q=I, Q^{T}=Q^{-1}$
则Q为正交矩阵。
组成Q的向量有：
$q_{i}^{T} q_{j}=\left\{\begin{array}{cc} 0 & i \neq j & \text { (ortho) } \\ 1 & i=j & (\text { normal }) \end{array}\right.$

求正交矩阵

Gram-Schmidt标准正交化过程是一种将一组向量转换成一组标准正交向量的方法。它基本上从标准化考虑的第一个向量开始，然后迭代地重写剩下的向量，用它们自己减去已经标准化的向量的乘积。例如，转换的列向量：
$A=\left[\begin{array}{lll} 1 & 2 & 1 \\ 0 & 2 & 0 \\ 2 & 3 & 1 \\ 1 & 1 & 0 \end{array}\right]$
变成标准正交列向量：
$A=\left[\begin{array}{ccc} \frac{\sqrt{6}}{6} & \frac{\sqrt{2}}{6} & \frac{2}{3} \\ 0 & \frac{2 \sqrt{2}}{3} & \frac{-1}{3} \\ \frac{\sqrt{6}}{3} & 0 & 0 \\ \frac{\sqrt{6}}{6} & \frac{-\sqrt{2}}{6} & \frac{-2}{3} \end{array}\right]$