本讲的主要内容:
- 正交向量组以及正交基的概念
- 正交矩阵
- Graham-Schimidt正交化的方法
正交向量组、正交基以及正交矩阵
再上一讲中,讲到了正交的概念,如果有一系列向量 , 两两正交,那么这一组向量就是一个正交向量组,对于 维空间的 个正交向量(当然, 维空间也只有最多 个正交向量)那么这 个正交向量就构成了这个空间的一组基,称为 正交基,如果在这个基础上,保证每个向量都是单位向量,则称为 规范正交基,如果我们将这些正交向量写成矩阵的形式,即 ,那么这个方阵称为正交矩阵,注意这里必须是方阵,才可以称为正交矩阵,同时,我们可以推导出这样的结论: (如果我们展开矩阵乘一下,结论其实非常明显),总结下来,正交矩阵有三个条件:
- 矩阵为方阵
- 矩阵的列向量均为单位向量
- 转置矩阵与矩阵的乘积是单位阵
举几个例子:
以上这些矩阵都是正交矩阵,正交矩阵一般简记为
。
那么我们使用正交矩阵的目的是什么呢?
如果在计算中使用正交阵,可以简化很多地方的计算,例如,对于投影操作来说,我们之前有投影矩阵:
如果这个矩阵是正交矩阵:
我们之前的最小二乘的方程:
形式上,都变得简洁了。
Graham-Schimidt正交化
接下来讨论如何由一组向量获得正交的向量组,也就是正交化的问题:
对于两个无关的向量
,
,如何将其正交化呢?这里借助之前讲到的投影的概念会很好理解:
之前再投影的学习过程中,我们关注的投影到向量
上的部分
,现在对于正交来说,如果保持
不变,那么我们则是需要把关心
再垂直于
的方向上的分量,也就是
,这个向量在之前被称作误差,设两个向量正交之后的向量为
、
,则根据之前图中的关系,可以知道,我们假定
是不会变的,也就是:
对于
处理:
这个式子也就是上面图中的关系:
。
这样得到的
和
则是正交的了, 我们可以使用正交的概念进行验证。
如果我们将这个结论推广到更多的矩阵中,例如,三个向量的时候,前两个向量显然是一样的过程,对于地三个向量,计算过程其实原理是一样的,分别减去对前两个向量的分量即可:
上面的过程找个题目练习就好。
以上~