国产 无码 综合区,色欲AV无码国产永久播放,无码天堂亚洲国产AV,国产日韩欧美女同一区二区

投影矩陣推導【線性代數(shù)】

這篇具有很好參考價值的文章主要介紹了投影矩陣推導【線性代數(shù)】。希望對大家有所幫助。如果存在錯誤或未考慮完全的地方,請大家不吝賜教,您也可以點擊"舉報違法"按鈕提交疑問。

1)兩個向量間的投影

如果兩個向量垂直,那么滿足。但如果兩個向量不垂直,我們就將 b?投影到 a 上,就得到了二者的距離,我們也稱為向量 b 到直線 a 的誤差。這樣就有出現(xiàn)了垂直:

? ? ? ? ? ? ? ?(1)

投影矩陣推導【線性代數(shù)】

投影向量 p 在直線上,不妨假設??,那么誤差?。帶入式(1)中得到:

投影矩陣:

?

投影矩陣有兩個基本性質(zhì)。

性質(zhì)一:?(投影矩陣為對稱矩陣);

性質(zhì)二:?(兩次投影結果相同),具體證明直接代公式。

2)向量與平面的投影

如下圖所示,有向量 b ,和由向量 a1、a2 線性組合成的列空間(平面)。將向量 b 投影到平面上得到:,下面求解投影矩陣?。

投影矩陣推導【線性代數(shù)】

求解步驟和上面一樣,只是由直線變?yōu)榱似矫婵臻g,以前假設? ,現(xiàn)在假設:

同理:

又向量 e 垂直于平面,所以:

因為可逆且對稱(證明在附錄2),所以:

同樣的有、

其實,投影就是將向量分解為兩部分,一部分(p)投影到矩陣A的列空間中,另一部分(e)投影到了左零空間。

參考:《Liear?Algebra And Its Application》Gilbert Strang文章來源地址http://www.zghlxwxcb.cn/news/detail-459346.html

附錄一:

附錄二?:

到了這里,關于投影矩陣推導【線性代數(shù)】的文章就介紹完了。如果您還想了解更多內(nèi)容,請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關文章,希望大家以后多多支持TOY模板網(wǎng)!

本文來自互聯(lián)網(wǎng)用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。如若轉(zhuǎn)載,請注明出處: 如若內(nèi)容造成侵權/違法違規(guī)/事實不符,請點擊違法舉報進行投訴反饋,一經(jīng)查實,立即刪除!

領支付寶紅包贊助服務器費用

相關文章

  • 線性代數(shù)|推導:線性變換與在基下的矩陣一一對應

    前置定義 1 設 T T T 是線性空間 V n V_n V n ? 中的線性變換,在 V n V_n V n ? 中取定一個基 α 1 , α 2 , ? ? , α n boldsymbol{alpha}_1,boldsymbol{alpha}_2,cdots,boldsymbol{alpha}_n α 1 ? , α 2 ? , ? , α n ? ,如果這個基在變換 T T T 下的像(用這個基線性表示)為 { T ( α 1 ) = a 11 α 1 +

    2024年02月04日
    瀏覽(24)
  • 線性代數(shù)本質(zhì)系列(一)向量,線性組合,線性相關,矩陣

    線性代數(shù)本質(zhì)系列(一)向量,線性組合,線性相關,矩陣

    本系列文章將從下面不同角度解析線性代數(shù)的本質(zhì),本文是本系列第一篇 向量究竟是什么? 向量的線性組合,基與線性相關 矩陣與線性相關 矩陣乘法與線性變換 三維空間中的線性變換 行列式 逆矩陣,列空間,秩與零空間 克萊姆法則 非方陣 點積與對偶性 叉積 以線性變換

    2024年02月04日
    瀏覽(43)
  • 線性代數(shù) --- 矩陣與向量的乘法

    線性代數(shù) --- 矩陣與向量的乘法

    矩陣x向量(注:可以把列向量看成是nx1的矩陣) ????????現(xiàn)有如下方程組:? 9個系數(shù),3個未知數(shù),等式右邊有3個數(shù) ????????上述方程組可用矩陣的方式改寫成,一個系數(shù)矩陣A與一個未知數(shù)向量x的乘積,乘積的結果等于右端向量b: 現(xiàn)在我們分別用兩種方法,行乘和

    2024年02月05日
    瀏覽(33)
  • 線性代數(shù)|證明:線性變換在兩個基下的矩陣相似

    前置定義 1(基變換公式、過渡矩陣) 設 α 1 , ? ? , α n boldsymbol{alpha}_1,cdots,boldsymbol{alpha}_n α 1 ? , ? , α n ? 及 β 1 , ? ? , β n boldsymbol{beta}_1,cdots,boldsymbol{beta}_n β 1 ? , ? , β n ? 是線性空間 V n V_n V n ? 中的兩個基, { β 1 = p 11 α 1 + p 21 α 2 + ? + p n 1 α n β 2

    2024年02月03日
    瀏覽(30)
  • 【JS 線性代數(shù)算法之向量與矩陣】

    線性代數(shù)是數(shù)學的一個分支,用于研究線性方程組及其解的性質(zhì)、向量空間及其變換的性質(zhì)等。在計算機科學領域中,線性代數(shù)常用于圖形學、機器學習、計算機視覺等領域。本文將詳細介紹 JS 中常用的線性代數(shù)算法,并提供代碼示例。 向量是有大小和方向的量,通常用一

    2024年02月13日
    瀏覽(15)
  • 線性代數(shù)矩陣乘法中的行向量和列向量

    線性代數(shù)矩陣乘法中的行向量和列向量

    在矩陣中有兩個概念,行向量與列向量,這是從兩個不同的角度看待矩陣的組成。這篇文章將從 行向量 和 列向量 兩個角度來分解 矩陣的乘法 。 假設有兩個矩陣 A 和 B 一般矩陣的乘法分解 簡單的理解就是A矩陣的第一行與B矩陣的第一列逐元素相乘,就是 結果矩陣 的左上角

    2024年02月11日
    瀏覽(28)
  • 線性代數(shù)|證明:矩陣不同特征值對應的特征向量線性無關

    定理 1 設 λ 1 , λ 2 , ? ? , λ m lambda_1,lambda_2,cdots,lambda_m λ 1 ? , λ 2 ? , ? , λ m ? 是方陣 A boldsymbol{A} A 的 m m m 個特征值, p 1 , p 2 , ? ? , p m boldsymbol{p}_1,boldsymbol{p}_2,cdots,boldsymbol{p}_m p 1 ? , p 2 ? , ? , p m ? 依次是與之對應的特征向量,如果 λ 1 , λ 2 , ? ? , λ

    2024年02月07日
    瀏覽(25)
  • 機器學習——線性代數(shù)中矩陣和向量的基本介紹

    機器學習——線性代數(shù)中矩陣和向量的基本介紹

    矩陣的基本概念(這里不多說,應該都知道) 而向量就是一個特殊的矩陣,即向量只有一列,是個n*1的矩陣 注 :一般矩陣用大寫字母表示,向量用小寫字母表示 先從簡單開始,即一個矩陣和一個向量相乘的運算 矩陣相乘的結果的維度為 m*k 矩陣乘法滿足結合律不滿足交換律

    2024年02月21日
    瀏覽(22)
  • 線性代數(shù)中矩陣的特征值與特征向量

    作者:禪與計算機程序設計藝術 在線性代數(shù)中,如果一個$ntimes n$的方陣$A$滿足如下兩個條件之一: $A$存在實數(shù)特征值,即$exists xneq 0:Ax=kx$,其中$kin mathbb{R}$; $lambda_{max}(A)neq 0$($lambda_{max}(A)$表示$A$的最大特征值),且$||x_{lambda_{max}(A)}||=sqrt{frac{lambda_{max}(A)}{lambda_{

    2024年02月08日
    瀏覽(31)
  • 線性代數(shù)(五) | 矩陣對角化 特征值 特征向量

    線性代數(shù)(五) | 矩陣對角化 特征值 特征向量

    矩陣實際上是一種變換,是一種旋轉(zhuǎn)伸縮變換(方陣) 不是方陣的話還有可能是一種升維和降維的變換 直觀理解可以看系列超贊視頻線性代數(shù)-嗶哩嗶哩_Bilibili 比如A= ( 1 2 2 1 ) begin{pmatrix}12\\\\21end{pmatrix} ( 1 2 ? 2 1 ? ) x= ( 1 2 ) begin{pmatrix}1\\\\2end{pmatrix} ( 1 2 ? ) 我們給x左乘A實際

    2024年02月04日
    瀏覽(64)

覺得文章有用就打賞一下文章作者

支付寶掃一掃打賞

博客贊助

微信掃一掃打賞

請作者喝杯咖啡吧~博客贊助

支付寶掃一掃領取紅包,優(yōu)惠每天領

二維碼1

領取紅包

二維碼2

領紅包