Bintou 我个人理解是，QR分解是一个很“一步一步”来的分解过程（也就是书上238页说的“Later q‘s are not involved）。直观上是我已经有了几个（一个）单位正交基，也就是我有了一个子空间，然后我需要找到下一个列向量垂直于这个子空间的那一部分分量，做法就是减去这个列向量在子空间内的投影…至于那个R的形式，其实我觉得说记录Gram-Schmidt过程好像也没错，我觉得R是在记录列向量在子空间中的分量。

      lego With product rules.

      ｜A｜｜D- CA-1 B｜=| A (D- CA-1 B) |=|AD - ACA-1 B|
      当AC=CA时 ACA-1 B = CAA-1 B = CB
      就得出上式了

      • lego 回复了此帖

          lego QR分解大致上表达是这样：
          [ a_1 a_2 a_3 ... a_n ] = [ q_1 q_2 ... q_n] * R, 其中a_i 是原始矩阵的列，q_i是正交规范向量，R是什么？
          我这样理解：
          1、a_i 是q_i 的线性组合；
          2、所以，a_i 可以表达为a_i投影到q_i 上的不同不同向量的组合；
          3、例如：a3 = q1* q1T a3 + q2* q2T a3 + q3* q3T a3；
          4、注意，比如，这里的q2*q2T a3，这是a3到q2的投影吗？看上去有点不像？其实是，因为q2T q2 = 1，这本应该出现的分母被忽略了;
          5、把第3步“ * ”后面的部分提取出来就是R。

          • lego 回复了此帖

              以下是一些第三章的题目。不知道是不是我的错觉，这一章“有意思”的题目并没有前面两章多，比较多计算题。

              • PS 3.1:
                T11:注意一下（a）、（b）的区别（感觉这种找matrix space的基的题目就是在找信息
                T24:C(AB) \in C(A)，经常用到的结论，🐎一下

              • PS 3.2:
                T59:N（AT A)=N(A)，也是常用结论，🐎一下

              • PS 3.4:
                T28:还是找matrix space的基的问题，这里需要多少信息呢

              • PS 3.5:
                Page 187讲了CR分解！可能第一次看的时候没把它当回事( ･᷄ὢ･᷅ )
                T10：random matrix的rank最有可能是多少？可能需要一些概率相关的知识……
                T20（b）：用A的ER分解来找左零空间的基，这个操作🐎一下

                lego N(AT A) = N(A)讲对称矩阵的时候用来证明A可逆iff AT A 可逆？

                • lego 回复了此帖

                    Bintou 是的，所以R里面第i列是记录了a_i在q_1到q_i里的分量，这点在R是个triangle也能体现出来

                      Bintou 任何矩阵都满足N（AT A)=N(A)吧。如果是对称矩阵的话，A的四大基本子空间和AT 的四大基本子空间相同，不用这个结论应该也能说明A可逆 iff AT 可逆 iff AT A可逆

                        更新第四章：

                        • P.S 4.1:
                          T7:Fredholm's Alternative，想表达的是如果b不在C(A)中，那么在N(AT )中总能找到一个与b内积为1的向量吗

                          T9:N(AT A)=N(A)的证明

                        • P.S 4.2:
                          page210:The left nullspace is important in projections，感觉这句话挺内涵，🐎一下

                          T33:Kalman filter

                          T34:如果P1、P2是投影矩阵，P1P2也是投影矩阵iff P1P2=P2P1

                        • P.S 4.3:
                          T21:关于e、p、x\hat的空间关系

                        • P.S 4.4:
                          T6:正交矩阵的乘积也是正交矩阵

                          T19:分解R=DU,可以证明AT A的pivots是R的对角线上元素的平方（Gram-schmidt on A corresponds to elimination on AT A),补充一个page513的fast orthogonalization，LU分解和QR分解的关系可能比我们想象中的要密切

                          T25:给出了2x2下的QR分解的公式，前提是det>0

                          T30:给出了一组wavelet但是没怎么深挖

                          T34:之前讲reflection的时候我讲错了！！Q=I-2uuT ,u不是mirror，u是垂直于mirror( ･᷄ὢ･᷅ )

                        越到期末人越浪……跑来更新第五章了嘿嘿嘿。虽然第五章里的很多题目都已经讨论过了
                        这一章提到了非常多类似于tridiagonal或者对角线上all-zero的矩阵以及它们的determinant的规律，主要集中在det的通项、周期性还有与fibonacci类似的性质吧。

                        • P.S 5.1:
                          T7: 给出了reflection matrix的其他形式

                          T14:GS老先生偏爱的tridiagonal里的-1，2，-1 matrix，可以推det的通项

                          T18:Vandermonde determinant，推通项的过程中要用到det的蛮多性质，挺有意思的

                        • P.S 5.2:
                          T15:tridiagonal 1，1，1 matrix，有周期性的determinant

                          T16:determinant有fibonacci性质的1，1，-1 tridiagonal matrix

                          T17:det有类似fibonacci性质的-1，2，-1 tridiagonal

                          T22:det有类似fibonacci性质的1，3，1 tridiagonal（131啊嘿嘿嘿

                        • P.S 5.3:
                          page279 cross product的定义

                          T20:Hadamard矩阵，传说这是一个很厉害的矩阵（逃

                          矩阵乘法等于Rank One矩阵的Summation, 如图所示：

                          lego 这位同学怎么说的？“不容易发现”。。。 GS老先生怎么说的？“Ifeel like a magician”...
                          如果我们把上图的a、d设为1，b设为0，c是某个负数比如-c，则看出，这次矩阵乘法只是一次Elimination。

                          再联系96页43题（Schur complement），这种消元的block操作。

                          结论，可能我们不容易发现，但我们不应该感觉到陌生。

                            Bintou 尴尬 我看成什么矩阵在对称的情况下必然有逆了……那应该是对称正交？？

                                lego 一个特例，看GSLA的P312. Strang老先生的书内涵太丰富。

                                  更新第六章：

                                  • P.S 6.1:
                                    T14:2x2 rotation matrix的eigenvalue通项

                                    T34:这个permutation的eigenvector matrix是4-point discrete Fourier transform matrix嘿嘿嘿

                                  • P.S 6.2:
                                    T28:对角化的唯一性

                                    T30、31:Cayley-Hamilton Theorem，将矩阵的多项式和eigenvalue的多项式联系在一起

                                    T34:rotation matrix的power

                                    T35:对角化的rank-one形式，这题还补充了个在eigenvector matrix X-1 的行空间的left eigenvectors

                                  • P.S 6.4:
                                    page339:给出了2x2对称矩阵的eigenvector的公式嘿嘿嘿

                                    page340:谱定理的rank-one decomposition

                                    page343:之前讲过的-1，2，-1矩阵和-1，1，-1矩阵的eigenvector matrix是sine和cosine matrix（虽然我也没懂这个为什么叫sine和cosine matrix，还有那个“discrete sine/cosine transform"

                                    T36:对称矩阵的congruent

                                  • P.S 6.5:
                                    page356:Hilbert matirx

                                    T35:postive definite的congruent也是positive definite:the crucial matrix in engineering

                                  我感觉线代考完之前我能更到第八章了嘻嘻嘻


                                    lego 厉害了！建议写某些有趣的题解出来分享。比列举很多题意义要大。不过，有空再说吧。

                                    • lego 回复了此帖

                                        Bintou 我觉得这些都很有趣啊，深挖下去内涵绝对不少的吧。现在只是在做挖坑的工作，填坑的话…考试周过了再说吧（说不定考试周过完我就被退学了[Tremble]

                                          © 2018-2025 0xFFFF