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

正交投影的矩陣(基變換與過渡矩陣的例子)

這篇具有很好參考價值的文章主要介紹了正交投影的矩陣(基變換與過渡矩陣的例子)。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。

n n n維歐幾里得空間 V V V中,有子空間 W W W. 如果用自然基 ( e i ) 1 ≤ i ≤ n (\mathbf{e}_i)_{1\leq i \leq n} (ei?)1in?,設(shè) W = s p a n ( w 1 , … , w d ) ?? ( 0 < d < n ) W=\mathrm{span}(w_1, \ldots, w_d)\; (0< d < n) W=span(w1?,,wd?)(0<d<n). 將這個基作Schmidt正交化(并單位化),得到 W W W的一個標準正交基 ( η 1 , … , η d ) (\eta_1, \ldots, \eta_d) (η1?,,ηd?). 將這個標準正交基擴充為 V V V的一個基: ( η 1 , … , η d , η d + 1 , η d + 2 , … , η n ) . (\eta_1, \ldots, \eta_d, \eta_{d+1}, \eta_{d+2}, \ldots, \eta_{n}). (η1?,,ηd?,ηd+1?,ηd+2?,,ηn?).

假定從自然基到上述標準正交基的過渡矩陣為 T T T: 即 ( η 1 , … , η d , η d + 1 , … , η n ) = ( e 1 , … , e n ) ? T . (\eta_1, \ldots, \eta_d, \eta_{d+1}, \ldots, \eta_{n})=(\mathbf{e_1, \ldots, e_n})\,T. (η1?,,ηd?,ηd+1?,,ηn?)=(e1?,,en?)T.由于自然基排成的矩陣是單位方陣 I n I_n In?, 所以 T T T的前 d d d列是 ( η 1 , … , η d ) (\eta_1, \ldots, \eta_d) (η1?,,ηd?), 并且 T T T是正交矩陣。

命題:在 V V V的自然基之下,從 V V V(沿著 W ⊥ W^\perp W)到 W W W的正交投影的矩陣是 P W = ( η 1 , η 2 , … , η d ) ( η 1 ? η 2 ? ? η d ? ) P_W=(\eta_1, \eta_2, \ldots, \eta_d)\begin{pmatrix} \eta_1^\top \\ \eta_2^\top \\ \vdots \\ \eta_d^\top \end{pmatrix} PW?=(η1?,η2?,,ηd?) ?η1??η2???ηd??? ?. 而在標準正交基 ( η 1 , … , η n ) (\eta_1, \ldots, \eta_n) (η1?,,ηn?)之下, 從 V V V W W W的正交投影矩陣是 Q W = ( I d 0 ) Q_W=\begin{pmatrix} I_d & \\ & \mathbf{0} \end{pmatrix} QW?=(Id??0?). 有等式 Q w = T ? 1 P W T = T ? P W T Q_w = T^{-1}P_W T=T^\top P_W T Qw?=T?1PW?T=T?PW?T.

:驗證 T Q W T ? = P W TQ_W T^\top = P_W TQW?T?=PW?比較容易。

例: V = R 3 , w = ( 1 , 2 , 3 ) ? , W = s p a n ( w ) V=\mathbb{R}^3, w=(1,2,3)^\top, W=\mathrm{span}(w) V=R3,w=(1,2,3)?,W=span(w). 則 η = 1 14 ( 1 , 2 , 3 ) ? \eta=\frac{1}{\sqrt{14}}(1,2,3)^\top η=14 ?1?(1,2,3)?. 等式 T Q W T ? = P W TQ_W T^\top = P_W TQW?T?=PW? ( 1 14 ? ? 2 14 ? ? 3 14 ? ? ) ( 1 0 0 ) ( 1 14 2 14 3 14 ? ? ? ? ? ? ) = 1 14 ( 1 2 3 2 4 6 3 6 9 ) . \begin{pmatrix} \frac{1}{\sqrt{14}} & * & * \\ \frac{2}{\sqrt{14}} & * & * \\ \frac{3}{\sqrt{14}} & * & * \\ \end{pmatrix}\begin{pmatrix}1 & & \\ & 0 & \\ & & 0 \end{pmatrix}\begin{pmatrix}\frac{1}{\sqrt{14}} & \frac{2}{\sqrt{14}} & \frac{3}{\sqrt{14}} \\ * & * & * \\ * & * & * \end{pmatrix}=\frac{1}{14}\begin{pmatrix}1 & 2 & 3\\ 2 & 4 & 6 \\ 3 & 6 & 9 \end{pmatrix}. ?14 ?1?14 ?2?14 ?3?????????? ? ?1?0?0? ? ?14 ?1????14 ?2????14 ?3???? ?=141? ?123?246?369? ?.文章來源地址http://www.zghlxwxcb.cn/news/detail-849381.html

到了這里,關(guān)于正交投影的矩陣(基變換與過渡矩陣的例子)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(guān)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(wù),不擁有所有權(quán),不承擔相關(guān)法律責任。如若轉(zhuǎn)載,請注明出處: 如若內(nèi)容造成侵權(quán)/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(lǐng)支付寶紅包贊助服務(wù)器費用

相關(guān)文章

  • 深度學習·理論篇(2023版)·第002篇深度學習和計算機視覺中的基礎(chǔ)數(shù)學知識01:線性變換的定義+基于角度的線性變換案例(坐標變換)+點積和投影+矩陣乘法的幾何意義+圖形化精講

    ?? 恭喜本博客瀏覽量達到兩百萬,CSDN內(nèi)容合伙人,CSDN人工智能領(lǐng)域?qū)嵙π滦莮 ?? 本文章為2021版本迭代更新版本,在結(jié)合有效知識的基礎(chǔ)上對文章進行合理的增加,使得整個文章時刻順應(yīng)時代需要 ?? 本專欄將通過系統(tǒng)的深度學習實例,從可解釋性的角度對深度學習的原理

    2023年04月08日
    瀏覽(34)
  • 正交矩陣與正交變換

    前置性質(zhì) 1 ∣ A B ∣ = ∣ A ∣ ∣ B ∣ |boldsymbol{A} boldsymbol{B}| = |boldsymbol{A}| |boldsymbol{B}| ∣ A B ∣ = ∣ A ∣∣ B ∣ 。 證明見 “矩陣的運算規(guī)則”。 前置性質(zhì) 2 ∣ A T ∣ = ∣ A ∣ |boldsymbol{A}^T| = |boldsymbol{A}| ∣ A T ∣ = ∣ A ∣ 。 證明見 “矩陣的運算規(guī)則”。 定義 1(正交矩陣

    2024年02月05日
    瀏覽(16)
  • 高等代數(shù)(七)-線性變換03:線性變換的矩陣

    § 3 § 3 §3 線性變換的矩陣 設(shè) V V V 是數(shù)域 P P P 上 n n n 維線性空間, ε 1 , ε 2 , ? ? , ε n varepsilon_{1}, varepsilon_{2}, cdots, varepsilon_{n} ε 1 ? , ε 2 ? , ? , ε n ? 是 V V V 的一組基, 現(xiàn)在我們來建立線性變換與矩陣的關(guān)系. 空間 V V V 中任一向量 ξ xi ξ 可以經(jīng) ε 1 , ε 2 , ? ?

    2024年02月20日
    瀏覽(19)
  • 矩陣理論| 基礎(chǔ):線性變換(正交/酉變換、對稱/共軛變換、正規(guī)變換)、不變子空間

    線性變換 T mathcal T T 是從向量到向量的映射,并且滿足可加性和數(shù)乘性: T ( k α + l β ) = k T ( α ) + l T ( β ) mathcal T(kalpha+lbeta)=kmathcal T(alpha)+lmathcal T(beta) T ( k α + lβ ) = k T ( α ) + l T ( β ) 給定一個坐標系后,線性變換 T mathcal T T 對應(yīng)一個矩陣 A ∈ C m × n mathbf Ainmathcal

    2024年02月09日
    瀏覽(25)
  • 過渡矩陣、線性變換矩陣在對應(yīng)基下坐標的求法

    過渡矩陣、線性變換矩陣在對應(yīng)基下坐標的求法

    在求過渡矩陣時尤其要注意的是過渡矩陣和哪個向量組相乘得另一個向量組。 一般情況下,若描述是:求A到B的過渡矩陣,則形式應(yīng)當是B=AC,其中C為過渡矩陣。 下面的這個例題就是求過渡矩陣和基下的坐標。 下面的這個例子主要是求線性變換矩陣在相應(yīng)的基下的坐標。

    2024年02月11日
    瀏覽(21)
  • 高等代數(shù)(八)-線性變換07:矩陣的有理標準形

    § 7 矩陣的有理標準形 前一節(jié)中證明了復(fù)數(shù)域上任一矩陣 A boldsymbol{A} A 可相似于一個若爾當形矩陣, 這一節(jié)將對任意數(shù)域 P P P 來討論類似的問題. 我們證明 P P P 上任一矩陣必相似于一個有理標準形矩陣. 定義 8 對數(shù)域 P P P 上的一個多項式 d ˙ ( λ ˙ ) = λ n ˙ + a 1 λ n ? 1 + ?

    2024年02月19日
    瀏覽(21)
  • 高等代數(shù)(八)-線性變換02:λ-矩陣在初等變換下的標準形

    § 2 λ § 2 lambda §2 λ -矩陣在初等變換下的標準形 λ lambda λ -矩陣也可以有初等變換. 定義 3 下面的三種變換叫做 λ lambda λ -矩陣的初等變換: 矩陣的兩行 (列) 互換位置; 矩陣的某一行 (列) 乘非零常數(shù) c c c ; 矩陣的某一行 (列) 加另一行 (列) 的 φ ( λ ) varphi(lambda) φ ( λ ) 倍

    2024年02月19日
    瀏覽(22)
  • 高等代數(shù)(四)-矩陣07:分塊乘法的初等變換及應(yīng)用舉例

    § 7 § 7 §7 分塊乘法的初等變換及應(yīng)用舉例 將分塊乘法與初等變換結(jié)合是矩陣運算中極重要的手段. 現(xiàn)將某個單位矩陣進行如下分塊: ( E m O O E n ) . left(begin{array}{cc} boldsymbol{E}_{m} boldsymbol{O} \\\\ boldsymbol{O} boldsymbol{E}_{n} end{array}right) . ( E m ? O ? O E n ? ? ) . 對它進行兩行

    2024年02月22日
    瀏覽(13)
  • 「高等數(shù)學」雅可比矩陣和黑塞矩陣的異同

    雅可比矩陣,Jacobi matrix 或者 Jacobian,是 向量值函數(shù) ( f : R n → R m f:mathbb{R}^n to mathbb{R}^m f : R n → R m )的一階偏導數(shù)按行排列所得的矩陣。 黑塞矩陣,又叫海森矩陣,Hesse matrix,是 多元函數(shù) ( f : R n → R f:mathbb{R}^n to mathbb{R} f : R n → R )的二階偏導數(shù)組成的方陣。

    2024年02月10日
    瀏覽(23)
  • 【高等工程數(shù)學】南理工研究生課程 突擊筆記5 矩陣分解與廣義逆矩陣

    【高等工程數(shù)學】南理工研究生課程 突擊筆記5 矩陣分解與廣義逆矩陣

    第三章主要內(nèi)容如下 提示:以下是本篇文章正文內(nèi)容,下面案例可供參考 矩陣分解是將矩陣分解成兩個或三個在形式上、性質(zhì)上比較簡單的矩陣的乘積。 操作方式見例題3.1 將A的第一行元素照抄 再算 第一列的元素Ln1 求第二階的行元素 求第二階的列元素 求三階對角線元素

    2024年02月02日
    瀏覽(16)

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(lǐng)取紅包,優(yōu)惠每天領(lǐng)

二維碼1

領(lǐng)取紅包

二維碼2

領(lǐng)紅包