1、标准正交矩阵
假设矩阵Q有列向量q1,q2,...,qn表示,且其列向量满足下式:
![【线性代数】标准正交矩阵与Gram-Schmidt正交化_第1张图片](http://img.e-com-net.com/image/info5/fc20aea51b114b3eb8e25fbe07bb135d.jpg)
则
![【线性代数】标准正交矩阵与Gram-Schmidt正交化_第2张图片](http://img.e-com-net.com/image/info5/5b6d5f53a6ac42d4a4ebeefd18e07c5e.jpg)
若Q为方阵,由上面的式子则有
![【线性代数】标准正交矩阵与Gram-Schmidt正交化_第3张图片](http://img.e-com-net.com/image/info5/5d2202221986469091ba1c6614758625.jpg)
我们举例说明上述概念:
![【线性代数】标准正交矩阵与Gram-Schmidt正交化_第4张图片](http://img.e-com-net.com/image/info5/6efda15a4e124c559d9503d401c95e92.jpg)
2、标准正交矩阵的好处
上面我们介绍了标准正交矩阵,那么标准正交矩阵的用处在哪?
下面以两方面来说明标准正交矩阵的用处:
求解Ax=b
在前面文章 《正交投影》中,有下式:
当矩阵A为标准正交矩阵Q时,由于正交矩阵与其转置的乘积为单位矩阵,则上式可以转化为:
![](http://img.e-com-net.com/image/info5/889f8c1ac1a34a03bb6a95bff1115590.jpg)
可以发现,求x时不需要矩阵Q的逆,只需要知道转置即可,这样简化了计算。
求解投影矩阵
在前面文章 《正交投影》中,投影矩阵的通式可以表示为:
当矩阵A为标准正交矩阵Q时,由于正交矩阵与其转置的乘积为单位矩阵,则上式可以转化为:
![](http://img.e-com-net.com/image/info5/79588335c55242c88c8bf8b19bd6e0c3.jpg)
这样就将投影矩阵简单化了。
3、Gram-Schmidt正交化
任何复杂问题的求解都可以从简单的问题出发。聪明的数学家不会羞于考虑小问题,因为当最简单的情况弄得明明白白时,一般的形式就容易理解了。并且,简单的情况不仅帮我们发现一般的公式,而且还提供了一种便利的核查方法,看看我们是否犯下了愚蠢的错误。下面我们就从简单的二维情况讨论:
二维情况
假设原来的矩阵为[a,b],a,b为线性无关的二维向量,下面我们通过Gram-Schmidt正交化使得矩阵A为标准正交矩阵:
假设正交化后的矩阵为Q=[A,B],我们可以令A=a,那么我们的目的根据AB=I来求B。如下面的二维情况所示,B的方向与A成90度。图中还表明,B可以表示为b向量与b向量在a上的投影的误差向量。由《正交投影》中的结论可知,有如下关系成立:
三维情况
假设原来的矩阵为[a,b,c],a,b,c为线性无关的二维向量,正交化后的矩阵为Q=[A,B,C],我们可以令A=a,则可以根据二维情况得到如下猜想:
上式显然满足AB=0,AC=0,BC=0。
下面我们用实例说明正交化的过程:
假设矩阵为[a,b]
则由二维情况的结论可知:
![【线性代数】标准正交矩阵与Gram-Schmidt正交化_第8张图片](http://img.e-com-net.com/image/info5/3bc325114dbe4297be620ce337e43164.jpg)
把具体数值代入得:
![【线性代数】标准正交矩阵与Gram-Schmidt正交化_第9张图片](http://img.e-com-net.com/image/info5/485fb2c47f414a3abe99a049ff7f44c2.png)
经过归一化得:
![【线性代数】标准正交矩阵与Gram-Schmidt正交化_第10张图片](http://img.e-com-net.com/image/info5/18929529cfd94bf78b56dbd8f16dfa1f.jpg)
Q即是我们经过正交化后的正交矩阵。
原文:http://blog.csdn.net/tengweitw/article/details/41775545
作者:nineheadedbird