请教一点关于求向量在规范正交基中的坐标公式的疑问
教材中给出定义:若e1,e2,...,er是V中的一个规范正交基,那么V中任一向量a应能由e1,..,er线性表出,设表示式为a=λ1e1+λ2e2+...+λrer,为...
教材中给出定义:
若e1,e2,...,er是V中的一个规范正交基,那么V中任一向量a应能由e1,..,er线性表出,设表示式为 a=λ1e1+λ2e2+...+ λrer,
为求其中的系数 λi(i=1,...,r),可用ei^T(格式限制,ei的转置的意思)左乘上式,有(ei^T)a= λi(ei^T)ei= λi
即 λi=(ei^T)a=[a,ei]
这就是向量在规范正交基中的坐标公式
疑问:
按照向量的内积公式:[x,y]=(x^T)y,那么最后的公式中为什么不是 λi=[a,ei^T]或者 λi=[ei^T,a]呢?明明ei^T 跟ei是不相等的呀?
恳请高手能指点其中缘由,万分感谢O(∩_∩)O~ 展开
若e1,e2,...,er是V中的一个规范正交基,那么V中任一向量a应能由e1,..,er线性表出,设表示式为 a=λ1e1+λ2e2+...+ λrer,
为求其中的系数 λi(i=1,...,r),可用ei^T(格式限制,ei的转置的意思)左乘上式,有(ei^T)a= λi(ei^T)ei= λi
即 λi=(ei^T)a=[a,ei]
这就是向量在规范正交基中的坐标公式
疑问:
按照向量的内积公式:[x,y]=(x^T)y,那么最后的公式中为什么不是 λi=[a,ei^T]或者 λi=[ei^T,a]呢?明明ei^T 跟ei是不相等的呀?
恳请高手能指点其中缘由,万分感谢O(∩_∩)O~ 展开
3个回答
展开全部
你的误区在于把向量运算,和向量表示在矩阵下的运算搞混了。。
对向量运算而言,ei^T 就是ei,准确的说,内积符号[x,y]里面不应该使用T,也就是转置,因为转置这个玩意是在矩阵下定义的,你如果给向量加了个转置,那么就意味着你把它当矩阵看了,
它接下来参与的运算就应该是矩阵运算了,而在纯碎的向量运算里,你转不转都是同一个向量,比如内积。
对矩阵运算而言,ei^T 不是ei,ei^T 一般情况下表示行向量(1*n的矩阵),ei表示列向量(n*1的矩阵)。
我们来看内积的公式:
[x,y]=(x^T)y
上式中[x,y]的结果是个数,(x^T)y的结果是个矩阵,为什么能够相等?
因为默认情况下我们将左边的向量x,y,在矩阵运算下都表示成列向量,因此转置后右边是个1*n的矩阵与n*1的矩阵的乘积,因此右边结果是个1*1的矩阵,我们“令”左边这个数和右边这个1*1的矩阵“相等”。
思考一下,如果你把左边的向量x,y,在矩阵运算下都表示成行向量,或者一个行向量,一个列向量,上面这个内积公式还成立么?
当然不成立,右边要么乘出来是n*n的矩阵,要么不满足矩阵相乘的条件。
所以 λi=(ei^T)a=[a,ei] ,当且仅当前面ei和a在矩阵下表示为列向量时是成立的,习惯上也是如此,但并非完全如此,也有把向量看成某个矩阵的行向量的情况,书写上会有区别(比如括号的位置就是 上 和 下,然后向量竖排写表示一个矩阵),具体问题具体分析。
而像λi=[a,ei^T]或者 λi=[ei^T,a]这样写有点不伦不类,加了转置就说明把向量表示成矩阵了,就应该参与矩阵运算,然而却把矩阵放在向量运算里做内积,那意思是ei^T这个矩阵又反过头来看成向量?在纯粹的向量运算里(不涉及矩阵的概念),不管你怎么转都是一个向量,ei^T=ei,因为向量运算里就没定义过转置。
所以对于上面的公式你非要加上转置的话,那么完全可以写成
λi=(ei^T)a=[a,ei] =[ei,a]=[a,ei^T]=[ei^T,a]
对向量运算而言,ei^T 就是ei,准确的说,内积符号[x,y]里面不应该使用T,也就是转置,因为转置这个玩意是在矩阵下定义的,你如果给向量加了个转置,那么就意味着你把它当矩阵看了,
它接下来参与的运算就应该是矩阵运算了,而在纯碎的向量运算里,你转不转都是同一个向量,比如内积。
对矩阵运算而言,ei^T 不是ei,ei^T 一般情况下表示行向量(1*n的矩阵),ei表示列向量(n*1的矩阵)。
我们来看内积的公式:
[x,y]=(x^T)y
上式中[x,y]的结果是个数,(x^T)y的结果是个矩阵,为什么能够相等?
因为默认情况下我们将左边的向量x,y,在矩阵运算下都表示成列向量,因此转置后右边是个1*n的矩阵与n*1的矩阵的乘积,因此右边结果是个1*1的矩阵,我们“令”左边这个数和右边这个1*1的矩阵“相等”。
思考一下,如果你把左边的向量x,y,在矩阵运算下都表示成行向量,或者一个行向量,一个列向量,上面这个内积公式还成立么?
当然不成立,右边要么乘出来是n*n的矩阵,要么不满足矩阵相乘的条件。
所以 λi=(ei^T)a=[a,ei] ,当且仅当前面ei和a在矩阵下表示为列向量时是成立的,习惯上也是如此,但并非完全如此,也有把向量看成某个矩阵的行向量的情况,书写上会有区别(比如括号的位置就是 上 和 下,然后向量竖排写表示一个矩阵),具体问题具体分析。
而像λi=[a,ei^T]或者 λi=[ei^T,a]这样写有点不伦不类,加了转置就说明把向量表示成矩阵了,就应该参与矩阵运算,然而却把矩阵放在向量运算里做内积,那意思是ei^T这个矩阵又反过头来看成向量?在纯粹的向量运算里(不涉及矩阵的概念),不管你怎么转都是一个向量,ei^T=ei,因为向量运算里就没定义过转置。
所以对于上面的公式你非要加上转置的话,那么完全可以写成
λi=(ei^T)a=[a,ei] =[ei,a]=[a,ei^T]=[ei^T,a]
追问
是不是说当不按矩阵的运算规则进行运算时,行向量与列向量是相同的?没有本质的区别,只是表现形式的不同而已?所以在两个向量的运算中,ei^T与ei是相同的?
追答
是的,行向量与列向量只是你的某一个向量在矩阵下的表现形式,我还可以表现成任何形式,比如我令我的向量在矩阵下表示成该矩阵的主对角线。
之所以向量在矩阵下表现成不同形式,是出于不同的计算目的,是为了利用矩阵这个”工具“帮我们计算向量或得出性质,离开矩阵,回到向量运算里,它们就是单纯的向量。
你可以这么理解,向量的概念是独立于矩阵的,没有矩阵,或者你从来没定义过转置的概念,我一样算内积,无非就是把各分量对应相乘然后相加,但是有了矩阵这个”工具“,我就可以利用矩阵来帮我分析或计算向量了。
最典型的就是这个公式,[x,y]=(x^T)y
我居然可以利用矩阵的乘法来帮我计算 仅仅定义在向量下的 内积 运算了。。。
再比如向量组的等价,线性表示,线性相关,无关,极大无关组,向量组的秩等等纯粹的只存在于向量下的概念,我都可以利用矩阵这个“工具”帮我判定,或者求得结果。。。。我只需要把我的向量们按一定的规则摆成一个矩阵,然后做相应的矩阵运算就好。。。
展开全部
e1,e2,...,er是V中的一个规范正交基,认为是一组列向量.
a是V中任意向量,必然也是列向量。
ei^T就是行向量。
向量内积的定义: 设有n维向量x=(x1,x2,...,xn)T,y=(y1,y2,...,yn)T(表示为列向量),
[x,y]=x1y1+x2y2+...+xnyn就定义为内积。
是两个列向量的表示。
λi=(ei^T)a,是矩阵乘法的表示,不是内积的定义。
ei^T是行向量,a是列向量,根据矩阵乘法运算,就是等于[a,ei]
内积有如下运算规律:
[a,ei]=[ei,a]
λi=[a,ei^T],ei^T是行向量,不满足上述内积的定义。
你的课本中应该采用的就是上述定义。为了使得写法满足定义,所以不能采用ei^T
newmanhero 2015年8月12日10:05:06
希望对你有所帮助,望采纳。
a是V中任意向量,必然也是列向量。
ei^T就是行向量。
向量内积的定义: 设有n维向量x=(x1,x2,...,xn)T,y=(y1,y2,...,yn)T(表示为列向量),
[x,y]=x1y1+x2y2+...+xnyn就定义为内积。
是两个列向量的表示。
λi=(ei^T)a,是矩阵乘法的表示,不是内积的定义。
ei^T是行向量,a是列向量,根据矩阵乘法运算,就是等于[a,ei]
内积有如下运算规律:
[a,ei]=[ei,a]
λi=[a,ei^T],ei^T是行向量,不满足上述内积的定义。
你的课本中应该采用的就是上述定义。为了使得写法满足定义,所以不能采用ei^T
newmanhero 2015年8月12日10:05:06
希望对你有所帮助,望采纳。
来自:求助得到的回答
已赞过
已踩过<
评论
收起
你对这个回答的评价是?
推荐律师服务:
若未解决您的问题,请您详细描述您的问题,通过百度律临进行免费专业咨询