【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性

阿里云国内75折 回扣 微信号:monov8
阿里云国际,腾讯云国际,低至75折。AWS 93折 免费开户实名账号 代冲值 优惠多多 微信号:monov8 飞机:@monov6


目录

  • ​​前言​​
  • ​​往期文章​​
  • ​​5.1 向量的内积、长度及正交性​​
  • ​​定义1​​
  • ​​内积​​
  • ​​施瓦茨不等式​​
  • ​​定义2​​
  • ​​向量长度、单位向量​​
  • ​​向量的夹角​​
  • ​​正交​​
  • ​​定理1​​
  • ​​规范正交基​​
  • ​​施密特正交化​​
  • ​​正交阵​​
  • ​​正交变换​​
  • ​​举例​​
  • ​​例1​​
  • ​​例2​​
  • ​​例3​​
  • ​​结语​​

前言

Hello!小伙伴!
非常感谢您阅读海轰的文章,倘若文中有错误的地方,欢迎您指出~
 
自我介绍 ଘ(੭ˊᵕˋ)੭
昵称:海轰
标签:程序猿|C++选手|学生
简介:因C语言结识编程,随后转入计算机专业,有幸拿过一些国奖、省奖…已保研。目前正在学习C++/Linux/Python
学习经验:扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语!
 
机器学习小白阶段
文章仅作为自己的学习笔记 用于知识体系建立以及复习
知其然 知其所以然!


5.1 向量的内积、长度及正交性

定义1

内积

设有【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python维向量
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_02

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_03

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_04称为向量【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_05【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_06内积


内积是两个向量之间的一种运算,其结果是一个实数,用矩阵符号表示,当【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_05【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_06都是列向量时,有

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_09

内积具有的性质:(【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_10【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python维向量,【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_12为实数)

  • 【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_13
  • 【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_14
  • 【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_15
  • 【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_16时,【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_17;当【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_18时,【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_19

施瓦茨不等式

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_20

定义2

向量长度、单位向量

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_21

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_22称为【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python维向量【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_05长度(或范数)

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_25时,称【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_26单位向量


向量的长度具有的性质:

  • 非负性: 当【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_18时,【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_28;当【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_16时,【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_30
  • 齐次性: 【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_31
  • 三角不等式: 【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_32

证明三角不等式: 【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_33

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_34

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_35

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_36

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_37

借助【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_15进行变形

由施瓦茨不等式

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_20

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_40

从而

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_41

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_42

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_43

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_44

开平方得

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_32

Ps:【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_46

证明完成!

向量的夹角

由施瓦茨不等式
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_20

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_48

[x,y]可以为正,也可以为负,也可以为0

也可以写为

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_49

不等式两边同时除以【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_50,得

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_51

然后我们定义【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_52【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python维向量【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_05【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_06的夹角,其中【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_52定义为:

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_57

正交

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_58时,称向量【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_05【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_06正交。

其中当【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_16时,【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_26与任何向量都正交

定理1

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python维向量【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_64是一组两两正交的非零向量,则【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_64线性无关

证明:

设有【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_66使

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_67

然后等式两边同时乘以【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_68(左乘)

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_69一般情况是列向量
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_70结果也是一个列向量
所以 左乘时应该乘以一个行向量 【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_71

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_72

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_73

因为【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_64是一组两两正交的非零向量

所以【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_75与其他向量都正交

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_76

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_77

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_78

因为【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_75是非零向量

所以

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_80

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_81

同理可证

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_82

由左乘【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_83改为左乘【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_84就可以证明其他【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_85

综上

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_86

所以【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_64线性无关

证明完成!

规范正交基

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python维向量【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_89是向量空间【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_90的一个基,如果【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_89两两正交,且都是单位向量,则称【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_89【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_93的一个规范正交基

规范正交基需要符合三个条件

  • 首先得是向量空间的一个基
  • 基中向量两两正交
  • 基中所有向量都是单位向量

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_94【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_93的一个规范正交基,那么【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_93中任一向量【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_97都可以由【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_94线性表示,其表达式为:

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_99

假设我们需要求其中的一个【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_100

同定理1中的证明方式一样

还是等式的左右两边同时左乘【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_101

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_102

因为【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_94【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_93的一个规范正交基

所以【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_105

除了【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_106外,其余都为0

得到

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_107

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_108是单位向量,所以【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_109

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_110

Ps: 【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_111都是列向量,【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_112本质就是两个向量中对应元素两两相乘再累加,其实就是两个向量的内积
使用这个公式可以方便地求出向量的坐标
所以在给向量空间取基的时常常取规范正交基

施密特正交化

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_64是向量空间【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_93的一个基,若我们需要求【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_93的一个规范正交基,也就是要找一组两两正交单位向量【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_89,使得【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_89【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_64等价

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_64【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_89称为对【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_64这个基进行规范正交化

施密特正交化则是实现对一个向量空间中的一个基转换为一个规范正交基

具体方法过程如下:

假设我们需要将【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_64进行规范正交化

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_123

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_124

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_125

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_126

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_127两两正交

然后再对其分别单位化,得

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_128

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_129

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_130

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_131

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_94就是【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_93中的一个规范正交基

正交阵

如果【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python阶矩阵【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_135满足

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_136

那么称【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_135为正交矩阵,简称正交阵


【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_138

说明

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_139

其中

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_140

也就是说

只有【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_141【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_142),其余都为0

因为【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_141,得到【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_144为单位向量

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_145
说明【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_146
所以【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_69为单位向量

综上:方阵【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_135为正交阵的充分必要条件是【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_135的列向量都是单位向量,且两两正交

n阶正交阵A的n个列(行)向量构成向量空间【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_150的一个规范正交基


正交阵具有的一些性质:

  • 【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_151为正交阵,则【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_152也是正交阵,且【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_153
  • 【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_151【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_155都是正交阵,则【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_156也是正交阵

正交变换

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_157为正交矩阵,则线性变换【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_158称为正交变换


【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_158为正交变换,其中【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_157为正交矩阵

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_161

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_162

说明经过正交变换y的长度保持不变(正交变换的特性!)

举例

例1

已知3维向量空间【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_163中两个向量

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_164

正交,求一个非零向量【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_165,使得【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_166两两正交

解答:


【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_167

方程【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_168的解【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_05其实就是【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_165

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_171

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_172
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_173
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_174【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_175【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_176正交

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_135进行初等行变换,得到行最简矩阵

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_178

得到

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_179

移项得

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_180

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_181

得到

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_182

所以【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_165可以取【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_184,满足题目要求

例2

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_185,试用施密特正交化过程把这组向量规范正交化

解答:

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_186

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_187

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_188

再对【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_189进行单位化

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_190

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_191

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_192

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_193即为【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_166规范正交化后的向量组

例3

已知【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_195,求一组非零向量【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_196,使【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_166两两正交

解答:

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_198

对方程【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_Machine_168进行求解

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_200

得到

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_201

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_202

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_203

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_python_204

得到基础解系

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_205

此时【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_206

但是并不满足【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_207(因为【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_166要两两正交)

还需要再对【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_209进行规范正交化(使用施密特正交化进行转换)

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_210

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_机器学习_211

综上:

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性_线性代数_212

答案并不惟一

结语

说明:

  • 参考于 课本《线性代数》第五版 同济大学数学系编
  • 配合书中概念讲解 结合了自己的一些理解及思考

文章仅作为学习笔记,记录从0到1的一个过程

希望对您有所帮助,如有错误欢迎小伙伴指正~

我是 海轰ଘ(੭ˊᵕˋ)੭

阿里云国内75折 回扣 微信号:monov8
阿里云国际,腾讯云国际,低至75折。AWS 93折 免费开户实名账号 代冲值 优惠多多 微信号:monov8 飞机:@monov6
标签: 机器学习