详解线性代数中的向量线性表示、线性相关性、基变换及过渡矩阵、Schmidt正交化

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 1.3k累计阅读 1.4k平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄10年

关注

原创最新推荐文章于 2026-06-22 16:43:34 发布 1.3k 阅读 AI 写同款· GEO 优化 ›

统计学同时被 3 个专栏收录

¥29.90 ¥99.00

59篇文章

订阅专栏

超级会员免费看

向量的基础知识及相关性质

1.有关向量组的线性表示
2.有关向量组的线性相关性
3.有关向量组的线性表示
4.向量组的秩与矩阵的秩之间的关系
5. $\mathbf{n}$ 维向量空间的基变换公式及过渡矩阵
6.坐标变换公式
7.向量的内积
8.Schmidt正交化
9.正交基及规范正交基

1.有关向量组的线性表示

(1) $\alpha_{1},\alpha_{2},\cdots,\alpha_{s}$

了解本专栏

订阅专栏解锁全文

超级会员免费看

收录于

线性代数

当前文章被收录于：

线性代数

8 篇文章 4 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

标签

#线性代数 #机器学习

线性代数学习笔记15 这里第十七课-正交矩阵和Gram-Schmidt正交化线性相关性与正交标准正交向量正交矩阵为什么要矩阵变换成列向量为标准正交向量Gram-Schmidt正交化求解思考，为什么Ax = b，可以考虑将A 的列向量转换为 Q(列向量为标准正交向量) 线性相关性与正交 1、相互正交的向量肯定是线性无关的 2、线性无关的向量不一定线性无关标准正交向量我们称一组互相垂直的单位向量为标准正交向量组，... 阅读详情

相关推荐

Gram-Schmidt与Householder正交化算法对比：原理、稳定性与工程选型

正交化是线性代数与数值计算中的核心概念，旨在将一组线性无关向量转换为标准正交基，以消除冗余信息并提升数值稳定性。其数学本质是QR分解，即将矩阵分解为正交矩阵Q与上三角矩阵R的乘积。正交化算法在科学计算与工程实践中具有重要价值，广泛应用于求解最小二乘问题、计算矩阵特征值（如QR算法）以及信号处理等领域。Gram-Schmidt算法通过直观的“投影相减”过程构造正交基，而Householder变换则利用镜像反射实现稳健的正交化。在工程实践中，选择何种算法需权衡数值稳定性、计算效率与场景需求。例如，在涉及“qr求

weixin_34242331的博客 511

Gram-Schmidt正交化在文本到图像一致性生成中的应用

文本到图像（T2I）扩散模型在多帧生成中面临视觉和语义一致性的挑战。传统方法通过简单拼接提示词来维持上下文，但容易导致颜色泄漏、背景混合和身份漂移等问题。Gram-Schmidt正交化作为一种线性代数技术，通过将提示词嵌入向量转化为正交基，显式降低帧间语义干扰，强化特定帧的语义表达，并稳定跨帧身份特征。结合奇异值重加权（SVR）和身份保持交叉注意力（IPCA）技术，该方法在无需修改模型结构的情况下，显著提升了生成结果的一致性。这一技术特别适用于动画分镜设计、电商场景生成等需要多帧视觉一致性的应用场景。

weixin_33603316的博客 341

线性代数必知必会：施密特正交化在机器学习特征工程中的3个典型应用

本文深入探讨了施密特正交化在机器学习特征工程中的核心应用。针对特征共线性导致的模型不稳定问题，施密特正交化通过构建正交基，为PCA降维提供了稳定的数学基础，有效提升了特征解耦后的模型可解释性，并为优化算法（如共轭梯度法）提供了更优的搜索方向构造思路。文章结合QR分解等概念，通过Python代码示例，展示了如何将这一线性代数工具应用于实际机器学习任务。

weixin_29044157的博客 273

Gram-Schmidt正交化在视觉目标跟踪中的应用与Matlab实现

在研究线性代数的多种课题时，正交化过程是一个极其重要的数学工具，它能够将一组线性无关的向量转换成一组标准正交向量集。Gram-Schmidt正交化过程就是这一转换过程中广为人知的一种算法。其基本原理是通过一系列的正交投影，将原始向量组转化为两两正交的向量组，再通过单位化将它们转变为标准正交向量集。这种方法不仅在理论上有着丰富的应用，更在计算机科学和工程领域中发挥着重要作用。

weixin_42594427的博客 1000

MATLAB实现改进的Gram-Schmidt正交化算法

在数值线性代数中，Gram-Schmidt正交化过程是一种将一组线性无关的向量转换成一组正交向量的方法。标准Gram-Schmidt (GS) 过程的算法步骤直观易懂，但它的数值稳定性较差，特别是当处理具有相似或接近相似向量时，容易导致显著的舍入误差累积。而修正的Gram-Schmidt (MGS) 过程是对标准Gram-Schmidt过程的一个改进，目的是减少数值计算中产生的舍入误差。

weixin_31974443的博客 1354

【工具】GitHub学生认证+PyCharm配置Copilot全流程指南

本文提供了一份详细的GitHub学生认证及在PyCharm中配置Copilot的完整指南。通过完成A2F认证、准备有效材料并使用干净网络环境，学生可免费获取GitHub Copilot Pro订阅，极大提升编程学习与开发效率。

w7x8y9z的博客 1454

SAP 财务快速记账之--科目分配模型（Account assignment model ）

SAP FICO 运维解决方案

lijinbao171022的博客 1764

红日-VulnStack靶场-ATT&CK（二）：从Weblogic漏洞到域控渗透实战

本文详细解析了红日安全团队VulnStack靶场中从Weblogic漏洞到域控渗透的完整攻击链。通过实战演示Weblogic反序列化漏洞利用、Cobalt Strike持久化控制、域内信息收集及PsExec横向移动等关键技术，复现了企业内网渗透的典型场景，并提供了防御建议。

tgb3456789的博客 934

从零开始的机械臂yolov5抓取gazebo仿真（一）

本文介绍了如何将机械臂模型导出为URDF

qq_48427527的博客 1万+

使用OpenCV进行3D重建：详细指南

3D重建是计算机视觉领域的一项关键技术，它能够从二维图像中恢复出场景的三维结构。这项技术在机器人视觉、增强现实和3D建模等多个领域都有广泛的应用。在本篇技术博客中，我们将详细介绍如何使用OpenCV这一流行的计算机视觉库来实现3D重建。我们将逐步探讨整个过程，包括相机标定、特征点提取与匹配、立体校正、深度图计算以及最终的三维重建。3D重建是一个复杂的过程，涉及多个步骤和多种算法。OpenCV提供了强大的工具来支持这一过程，从相机标定到特征点提取与匹配，再到立体校正和深度图计算，最后实现三维重建。

weixin_41544125的博客 1315

[工作流节点10] 获取多条数据并循环执行 —— 明道云批处理自动化实战

本文系统介绍了明道云工作流中"获取多条数据+循环执行"的批处理功能。该功能通过筛选数据集合并逐条处理，适用于批量通知、数据更新等场景。文章详细解析了功能配置方法，包括数据筛选、循环设置和异常处理，并提供了合同到期提醒等典型应用案例。同时强调了数据量控制、分批处理、错误处理等优化策略，帮助用户实现高效批量自动化。这一功能组合能将业务从单条处理升级为批量驱动，显著提升工作效率。

每日出拳老爷子的博客 453

使用 MATLAB/Simulink 进行锂电池SOC估算和等效电路建模

本文介绍了使用MATLAB/Simulink进行锂电池SOC估算与等效电路建模的方法。首先阐述了SOC估算和等效电路模型的背景及重要性，然后详细讲解了系统结构设计的主要组成部分，包括电池模块、SOC估算模块（采用卡尔曼滤波器算法）和等效电路模型等。文章重点分步说明了建模过程：从创建Simulink项目、搭建电池模块，到实现SOC估算算法（提供示例代码），构建等效电路模型（Thevenin模型示例），添加传感器模块，最后设置仿真参数。通过仿真运行分析关键指标（SOC估算误差、电压偏差等）来评估模型性能，为锂电

xiaoheshang_123的博客 263

包成功安装tiny-cuda-nn，记录安装过程中的问题解决，附带pytorch3d安装【踩坑指南】

该包可以显著提高NeRF训练速度，是和NeRFstudio等框架中，必须使用的。本文提供tiny-cuda-nn可以安装的完整包的下载链接，可以直接上传到项目中安装。附带笔者遇到的问题的解决方案。

zik的博客 7029

WINCC7.3破解文件

WINCC7.3硬件够破解文件，有需要的下载！WINCC7.3硬件够破解文件，有需要的下载！

OV9734 DATASHEET，完整规格书

OV9734完整规格书，包括电气参数，尺寸规格，寄存器配置表等

汉书HE8，好用的汇编代码编写工具

汉书HE8，好用的汇编代码编写工具早期编写汇编代码所用功能强大

android 蓝牙通讯demo

android 下蓝牙通讯demo，实现了发现蓝牙，使能蓝牙，通过蓝牙发送消息。