跳到内容
返回探索
数学建模 / 英语

正交补

Educator.com · YouTube · 3:03

打开原视频
阅读与收藏

把讲解展开来看。

被收藏 0

已审核学习内容 · 视频分析 · 中文
阅读完整概览

本讲段落通过R4\mathbb{R}^4中的一个具体例子引入正交补概念。主讲人定义了一个2维子空间WW及其正交补W⊥W^\perp,并指出它们的直和等于R4\mathbb{R}^4。随后,对一个特定向量进行分解,将其表示为分别属于WW和W⊥W^\perp的两个分量,以此说明直和表示的唯一性。 这段23秒的片段是线性代数白板课中关于正交补的收尾部分。黑板上已展示了一个在R4\mathbb{R}^4中的具体例子:WW的基为{(1,0,0,0)T,(0,1,0,0)T}\{(1,0,0,0)^T,(0,1,0,0)^T\},W⊥W^{\perp}的基为{(0,0,1,0)T,(0,0,0,1)T}\{(0,0,1,0)^T,(0,0,0,1)^T\},讲师指出W⊕W⊥=R4W \oplus W^{\perp} = \mathbb{R}^4。一个一般向量(a,b,c,d)T(a,b,c,d)^T被分解为(a,b,0,0)T+(0,0,c,d)T(a,b,0,0)^T + (0,0,c,d)^T,旁边手写备注强调该表示法是唯一的。音频中,主讲人明确指出这种分解方式别无他法,随后总结道:这给出了正交补的基本概念,并结束本节课。

在学习检查器中查看要点和时刻,或切换阅读标签查看完整笔记。

章节

0:00子空间W与W⊥的定义1:00直和与向量分解示例2:20直和表示的唯一性2:40所展示分解的唯一性2:47正交补示例的收尾小结

学习解说文稿

依据视频画面与讲解整理,并非逐字语音转写。

我们首先在 WW 中定义一个特定的子空间 4维实向量空间 R4\mathbb{R}^4 中。我们为 WW 指定一组基,该基由前两个维度的标准单位向量组成:(1000)\begin{pmatrix} 1 \\ 0 \\ 0 \\ 0 \end{pmatrix} 和 (0100)\begin{pmatrix} 0 \\ 1 \\ 0 \\ 0 \end{pmatrix}。这使得 WW 成为一个 2维子空间。

接下来,我们定义WW的正交补,记作W⊥W^\perp。我们为其赋予剩余标准单位向量构成的一组基:(0010)\begin{pmatrix} 0 \\ 0 \\ 1 \\ 0 \end{pmatrix}和(0001)\begin{pmatrix} 0 \\ 0 \\ 0 \\ 1 \end{pmatrix}。由构造方式可知,WW中的每个向量都与W⊥W^\perp中的每个向量正交。

由于WW和W⊥W^\perp不包含任何非零的公共向量,且二者共同张成整个R4\mathbb{R}^4,因此它们的直和即为全空间:W⊕W⊥=R4W \oplus W^\perp = \mathbb{R}^4。这意味着R4\mathbb{R}^4中的任意向量均可唯一表示为一个属于WW的向量与一个属于W⊥W^\perp的向量之和。

为说明这一点,考虑任意向量(43−26)\begin{pmatrix} 4 \\ 3 \\ -2 \\ 6 \end{pmatrix}。我们可通过分离其对应于所选基的分量来对其进行分解:前两个分量构成WW中的一个向量:(4300)\begin{pmatrix} 4 \\ 3 \\ 0 \\ 0 \end{pmatrix};后两个分量构成W⊥W^\perp中的一个向量:(00−26)\begin{pmatrix} 0 \\ 0 \\ -2 \\ 6 \end{pmatrix}。

此处强调的关键性质是:该直和表示是唯一的。对于给定的R4\mathbb{R}^4中的任意向量,依据这些特定子空间,将其唯一地拆分为属于WW的一部分和属于W⊥W^\perp的一部分,仅有一种方式。

该片段以一块已完成的白板示例开场,标题为“正交补”。黑板已将环境空间确定为R4\mathbb{R}^4,将WW赋予基{(1,0,0,0)T,(0,1,0,0)T}\left\{(1,0,0,0)^T,(0,1,0,0)^T\right\},将W⊥W^{\perp}赋予基{(0,0,1,0)T,(0,0,0,1)T}\left\{(0,0,1,0)^T,(0,0,0,1)^T\right\}。其下方陈述了W⊕W⊥=R4W \oplus W^{\perp} = \mathbb{R}^4,并把一个一般向量(a,b,c,d)T(a,b,c,d)^T重写为(a,b,0,0)T+(0,0,c,d)T(a,b,0,0)^T + (0,0,c,d)^T。

此时讲师的关键口头要点是唯一性:当一个向量被表示为一个来自WW的元素与一个来自W⊥W^{\perp}的元素之和时,这种表示并非任意;他强调不存在其他写法,这与黑板上的手写注释“该表示法是唯一的”完全一致。

在强调这一点之后,该片段余下部分起的是总结收束作用,而非引入新的推导。主讲人表示,该示例给出了正交补的基本概念,并指出该主题将在后续课程中继续展开。

最后几秒钟仅包含课程结束语。未引入任何新公式、证明步骤或示例;黑板画面保持静止,讲师完成下课致意。

知识卡片

01

R4R^4中的子空间W

一个 2-维子空间R4\mathbb{R}^4 由基向量 (1000)\begin{pmatrix} 1 \\ 0 \\ 0 \\ 0 \end{pmatrix} 和 (0100)\begin{pmatrix} 0 \\ 1 \\ 0 \\ 0 \end{pmatrix} 所定义。WW 中的任意向量,其第三和第四分量均为零。

W=span{(1000),(0100)}W = \text{span}\left\{ \begin{pmatrix} 1 \\ 0 \\ 0 \\ 0 \end{pmatrix}, \begin{pmatrix} 0 \\ 1 \\ 0 \\ 0 \end{pmatrix} \right\}
02

正交补W^⊥

R4\mathbb{R}^4中所有与WW中每个向量都正交的向量构成的子空间。在此例中,它由(0010)\begin{pmatrix} 0 \\ 0 \\ 1 \\ 0 \end{pmatrix}和(0001)\begin{pmatrix} 0 \\ 0 \\ 0 \\ 1 \end{pmatrix}张成。W⊥W^\perp中的任意向量,其第一和第二分量均为零。

W⊥=span{(0010),(0001)}W^\perp = \text{span}\left\{ \begin{pmatrix} 0 \\ 0 \\ 1 \\ 0 \end{pmatrix}, \begin{pmatrix} 0 \\ 0 \\ 0 \\ 1 \end{pmatrix} \right\}
03

直和分解

等式W⊕W⊥=R4W \oplus W^\perp = \mathbb{R}^4表明:任意向量v∈R4v \in \mathbb{R}^4均可唯一地写成v=w+uv = w + u,其中w∈Ww \in W且u∈W⊥u \in W^\perp。对于向量(43−26)\begin{pmatrix} 4 \\ 3 \\ -2 \\ 6 \end{pmatrix},其分解为(4300)+(00−26)\begin{pmatrix} 4 \\ 3 \\ 0 \\ 0 \end{pmatrix} + \begin{pmatrix} 0 \\ 0 \\ -2 \\ 6 \end{pmatrix}。

(43−26)=(4300)+(00−26)\begin{pmatrix} 4 \\ 3 \\ -2 \\ 6 \end{pmatrix} = \begin{pmatrix} 4 \\ 3 \\ 0 \\ 0 \end{pmatrix} + \begin{pmatrix} 0 \\ 0 \\ -2 \\ 6 \end{pmatrix}
04

正交补在一个具体的R4\mathbb{R}^4示例中

黑板用前两个标准基向量定义了子空间 WW,它是 R4\mathbb{R}^4 的子空间,并用后两个标准基向量定义了 W⊥W^{\perp}。这是用于阐释正交补的具体设定。

W=span⁡{(1000),(0100)},W⊥=span⁡{(0010),(0001)}W = \operatorname{span}\left\{\begin{pmatrix}1\\0\\0\\0\end{pmatrix},\begin{pmatrix}0\\1\\0\\0\end{pmatrix}\right\},\quad W^{\perp} = \operatorname{span}\left\{\begin{pmatrix}0\\0\\1\\0\end{pmatrix},\begin{pmatrix}0\\0\\0\\1\end{pmatrix}\right\}
05

黑板上呈现的直和恒等式

在上述设定下,课程指出整个空间可分解为WW与其正交补的直和。

W⊕W⊥=R4W \oplus W^{\perp} = \mathbb{R}^4
06

一般向量的坐标分解

一个位于R4\mathbb{R}^4中的向量被分解为两部分:一部分仅在前两个坐标上非零,另一部分仅在后两个坐标上非零。第一部分属于WW,第二部分属于W⊥W^{\perp}。

(abcd)=(ab00)+(00cd)\begin{pmatrix}a\\b\\c\\d\end{pmatrix} = \begin{pmatrix}a\\b\\0\\0\end{pmatrix} + \begin{pmatrix}0\\0\\c\\d\end{pmatrix}
07

W⊕W⊥W \oplus W^{\perp}表示法的唯一性

主讲人特别强调,将该向量表示为一个WW中的元素与一个W⊥W^{\perp}中的元素之和的方式是唯一的。黑板上也以‘此表示法是唯一的’加以强调。

08

本片段的收尾作用

在强调唯一性之后,该片段起到课堂小结的作用:主讲人指出,这个例子给出了正交补的基本概念,并说明该主题将在下节课继续展开;最后几秒未引入任何新的数学内容。

详细学习笔记

按知识点查看条件、步骤和证据。补充解释与视频直接内容分别标明。

符号定义 · 10

R4\mathbb{R}^4

依据清楚
视频直接表达
来源依据
  1. 公式
    观察依据

    在黑板上写作R4\mathbb{R}^4。

  2. 声音
    观察依据

    读作‘R四’。

符号

R4\mathbb{R}^4

含义

所有4维实向量构成的向量空间。

适用范围

向量空间

W

依据清楚
视频直接表达
来源依据
  1. 公式
    观察依据

    在黑板上写作WW。

  2. 声音
    观察依据

    读作‘W’。

符号

W

含义

R4\mathbb{R}^4的一个子空间,其基为(1000),(0100)\begin{pmatrix} 1 \\ 0 \\ 0 \\ 0 \end{pmatrix}, \begin{pmatrix} 0 \\ 1 \\ 0 \\ 0 \end{pmatrix}。

适用范围

R4\mathbb{R}^4的子空间

W⊥W^\perp

依据清楚
视频直接表达
来源依据
  1. 公式
    观察依据

    在黑板上写作W⊥W^\perp。

  2. 声音
    观察依据

    读作‘W正交补’。

符号

W⊥W^\perp

含义

WW的正交补,它是R4\mathbb{R}^4的一个子空间,其基为(0010),(0001)\begin{pmatrix} 0 \\ 0 \\ 1 \\ 0 \end{pmatrix}, \begin{pmatrix} 0 \\ 0 \\ 0 \\ 1 \end{pmatrix}。

适用范围

R4\mathbb{R}^4的子空间

R4\mathbb{R}^4

依据清楚
视频直接表达
来源依据
  1. 公式
    观察依据

    白板上显示的环境空间为 R4\mathbb{R}^4在“我们取 R4\mathbb{R}^4”和“现在 W⊕W⊥=R4W \oplus W^{\perp} = \mathbb{R}^4”这两行中。

符号

R4\mathbb{R}^4

含义

用作本例环境空间的四维实向量空间。

适用范围

定义在R\mathbb{R}上的向量空间,维数为4。

W

依据清楚
视频直接表达
来源依据
  1. 公式
    观察依据

    白板上写着“设 WW 有一组基……”,之后在 WW 中使用了 W⊕W⊥=R4W \oplus W^{\perp} = \mathbb{R}^4。

符号

W

含义

R4\mathbb{R}^4的一个子空间,其展示出的基为{(1000),(0100)}\left\{\begin{pmatrix}1\\0\\0\\0\end{pmatrix},\begin{pmatrix}0\\1\\0\\0\end{pmatrix}\right\}。

适用范围

R4\mathbb{R}^4的一个子空间;在此例中,它是前两个标准坐标向量张成的子空间。

W⊥W^{\perp}

依据清楚
视频直接表达
来源依据
  1. 公式
    观察依据

    白板上写着“设 W⊥W^{\perp} 有一组基……”,之后在 W⊥W^{\perp} 中使用了 W⊕W⊥=R4W \oplus W^{\perp} = \mathbb{R}^4。

符号

W⊥W^{\perp}

含义

WW在R4\mathbb{R}^4中的正交补,其基显示为{(0010),(0001)}\left\{\begin{pmatrix}0\\0\\1\\0\end{pmatrix},\begin{pmatrix}0\\0\\0\\1\end{pmatrix}\right\}。

适用范围

R4\mathbb{R}^4的一个子空间;此处它是后两个标准坐标向量张成的子空间。

⊕\oplus

依据清楚
视频直接表达
来源依据
  1. 公式
    观察依据

    黑板上的方程为W⊕W⊥=R4W \oplus W^{\perp} = \mathbb{R}^4。

符号

⊕\oplus

含义

子空间的直和,表明环境空间中的每个向量均可唯一地表示为各子空间中一个向量的和。

适用范围

向量空间子空间上的一种运算。

(abcd)\begin{pmatrix}a\\b\\c\\d\end{pmatrix}

依据清楚
视频直接表达
来源依据
  1. 公式
    观察依据

    黑板上写着“R4=(abcd)\mathbb{R}^4 = \begin{pmatrix}a\\b\\c\\d\end{pmatrix}中的一个向量可表示为……”

符号

(abcd)\begin{pmatrix}a\\b\\c\\d\end{pmatrix}

含义

R4\mathbb{R}^4中具有标量坐标a,b,c,da,b,c,d的一般向量。

适用范围

对应的式子为:a,b,c,d∈Ra,b,c,d \in \mathbb{R}。

(ab00)\begin{pmatrix}a\\b\\0\\0\end{pmatrix}

依据清楚
视频直接表达
来源依据
  1. 公式
    观察依据

    分解线将第一个加项显示为(ab00)\begin{pmatrix}a\\b\\0\\0\end{pmatrix}。

符号

(ab00)\begin{pmatrix}a\\b\\0\\0\end{pmatrix}

含义

(a,b,c,d)T(a,b,c,d)^T中位于WW内的分量,通过保留前两个坐标、将后两个坐标置零而得到。

适用范围

W=span⁡{(1,0,0,0)T,(0,1,0,0)T}W = \operatorname{span}\{(1,0,0,0)^T,(0,1,0,0)^T\}的元素。

(00cd)\begin{pmatrix}0\\0\\c\\d\end{pmatrix}

依据清楚
视频直接表达
来源依据
  1. 公式
    观察依据

    分解线将第二个加项显示为(00cd)\begin{pmatrix}0\\0\\c\\d\end{pmatrix}。

符号

(00cd)\begin{pmatrix}0\\0\\c\\d\end{pmatrix}

含义

(a,b,c,d)T(a,b,c,d)^T中位于W⊥W^{\perp}内的分量,通过将前两个坐标置零、保留后两个坐标而得到。

适用范围

W⊥=span⁡{(0,0,1,0)T,(0,0,0,1)T}W^{\perp} = \operatorname{span}\{(0,0,1,0)^T,(0,0,0,1)^T\}的元素。

知识点 · 6

子空间的直和

依据清楚
视频直接表达
来源依据
  1. 公式
    观察依据

    在白板上写作W⊕W⊥=R4W \oplus W^\perp = \mathbb{R}^4。

  2. 声音
    观察依据

    读作‘W 直和 W 正交补,嗯,这等于 R 四’。

定义
解释

两个子空间UU和VV的直和,记为U⊕VU \oplus V,是指所有能唯一表示为一个属于UU的向量与一个属于VV的向量之和的向量所构成的集合。本例中,W⊕W⊥=R4W \oplus W^\perp = \mathbb{R}^4。

公式
W⊕W⊥=R4W \oplus W^\perp = \mathbb{R}^4
适用条件
  1. WW和W⊥W^\perp是R4\mathbb{R}^4的子空间

  2. 对应的式子为:W∩W⊥={0}W \cap W^\perp = \{\mathbf{0}\}

先修条目
  1. 子空间
  2. 正交补

子空间

依据清楚
视频直接表达
来源依据
  1. 声音
    观察依据

    读作‘假设 W 是以这两个向量为基的子空间’。

定义
解释

向量空间的一个子集,其在相同运算下自身也构成向量空间。此处,WW 是一个 2维子空间,属于 R4\mathbb{R}^4。

适用条件
  1. 对向量加法封闭

  2. 对标量乘法封闭

  3. 包含零向量

正交补

依据清楚
视频直接表达
来源依据
  1. 公式
    观察依据

    在黑板上写作W⊥W^\perp。

  2. 声音
    观察依据

    口述为‘我们令W的正交补具有基……’。

定义
解释

对于内积空间 WW 的一个子空间 VV,其正交补 W⊥W^\perp 是指 VV 中所有与 WW 中每个向量都正交的向量所构成的集合。

适用条件
  1. 定义于内积空间之内

先修条目
  1. 子空间

R4\mathbb{R}^4中的一对具体正交补。

依据清楚
视频直接表达
来源依据
  1. 公式
    观察依据

    白板标题为“正交补”,所展示的具体设定给出了WW和W⊥W^{\perp}在R4\mathbb{R}^4中的基。

  2. 声音
    观察依据

    讲师称这提供了“一个便于操作的正交补基本概念。”

定义
解释

该片段在R4\mathbb{R}^4中展示了一个具体例子:WW由前两个标准基向量张成,而W⊥W^{\perp}由后两个标准基向量张成。这说明了一个子空间与其正交补如何将环境空间分割为坐标块。

公式
W=span⁡{(1000),(0100)},W⊥=span⁡{(0010),(0001)}W = \operatorname{span}\left\{\begin{pmatrix}1\\0\\0\\0\end{pmatrix},\begin{pmatrix}0\\1\\0\\0\end{pmatrix}\right\},\quad W^{\perp} = \operatorname{span}\left\{\begin{pmatrix}0\\0\\1\\0\end{pmatrix},\begin{pmatrix}0\\0\\0\\1\end{pmatrix}\right\}
适用条件
  1. 环境空间是R4\mathbb{R}^4。

  2. 图中显示的基是黑板上已给出的。

向量在R4\mathbb{R}^4中的直和分解

依据清楚
视频直接表达
来源依据
  1. 公式
    观察依据

    黑板明确写出W⊕W⊥=R4W \oplus W^{\perp} = \mathbb{R}^4。

  2. 公式
    观察依据

    在其下方,一个一般向量(a,b,c,d)T(a,b,c,d)^T被重写为(a,b,0,0)T+(0,0,c,d)T(a,b,0,0)^T + (0,0,c,d)^T。

公式
解释

利用所选的子空间,R4\mathbb{R}^4中的每个向量都被分解为一个属于WW的部分和一个属于W⊥W^{\perp}的部分。第一个加项保留前两个坐标,第二个加项保留后两个坐标。

公式
(abcd)=(ab00)+(00cd)\begin{pmatrix}a\\b\\c\\d\end{pmatrix} = \begin{pmatrix}a\\b\\0\\0\end{pmatrix} + \begin{pmatrix}0\\0\\c\\d\end{pmatrix}
适用条件
  1. 对应的式子为:a,b,c,d∈Ra,b,c,d \in \mathbb{R}。

  2. WW和W⊥W^{\perp}是黑板上列出的子空间。

先修条目
  1. R4\mathbb{R}^4中的一对具体正交补。

W⊕W⊥W \oplus W^{\perp}表示法的唯一性

依据清楚
视频直接表达
来源依据
  1. 声音
    观察依据

    讲师说:“对于两个特定子空间,我这样写的表达方式是唯一的,不存在其他写法。”

  2. 公式
    观察依据

    黑板上在该分解式旁手写注明:“此表示法是唯一的。”

方法
解释

对于所展示的分解,讲师强调:将一个向量表示为WW中一个元素与W⊥W^{\perp}中一个元素之和的方式是唯一的;在此直和设定下,不存在另一对加项能生成相同的向量。

公式
适用条件
  1. 适用于黑板上所示与W⊕W⊥=R4W \oplus W^{\perp} = \mathbb{R}^4相关的分解。

先修条目
  1. 向量在R4\mathbb{R}^4中的直和分解
定理与条件 · 2

该例子满足W⊕W⊥=R4W \oplus W^{\perp} = \mathbb{R}^4。

依据清楚
视频直接表达
来源依据
  1. 公式
    观察依据

    黑板上写着“现在W⊕W⊥=R4W \oplus W^{\perp} = \mathbb{R}^4”。

命题
命题

对于黑板上展示的子空间,W⊕W⊥=R4W \oplus W^{\perp} = \mathbb{R}^4。

前提
  1. WW有一组基为{(1,0,0,0)T,(0,1,0,0)T}\left\{(1,0,0,0)^T,(0,1,0,0)^T\right\}。

  2. W⊥W^{\perp}有一组基为{(0,0,1,0)T,(0,0,0,1)T}\left\{(0,0,1,0)^T,(0,0,0,1)^T\right\}。

量词

一旦两个子空间固定,该性质对R4\mathbb{R}^4中的所有向量普遍成立。

所展示的分解是唯一的。

依据清楚
视频直接表达
来源依据
  1. 声音
    观察依据

    讲师指出,利用这两个子空间来表示该向量的方式是唯一的,且不存在其他表示方式。

  2. 公式
    观察依据

    黑板上的注记写道:“此表示法是唯一的。”

命题
命题

在将R4\mathbb{R}^4中的一个向量分解为一个WW-部分与一个W⊥W^{\perp}-部分的所示分解中,该表示是唯一的。

前提
  1. 该向量用黑板上列出的特定子空间WW和W⊥W^{\perp}来表示。

量词

对于R4\mathbb{R}^4中的每一个向量,相对于所展示的WW和W⊥W^{\perp},都存在唯一的一种分解方式。

推导与证明 · 2

直和分解

依据清楚
视频直接表达
来源依据
  1. 公式
    观察依据

    在黑板上写作(43−26)=(4300)+(00−26)\begin{pmatrix} 4 \\ 3 \\ -2 \\ 6 \end{pmatrix} = \begin{pmatrix} 4 \\ 3 \\ 0 \\ 0 \end{pmatrix} + \begin{pmatrix} 0 \\ 0 \\ -2 \\ 6 \end{pmatrix}。

  2. 声音
    观察依据

    口述为‘它可以写成来自该子空间的一个向量与来自该子空间的另一个向量之和’。

严格证明
步骤
  1. 公式
    (43−26)\begin{pmatrix} 4 \\ 3 \\ -2 \\ 6 \end{pmatrix}
    解释

    从R4\mathbb{R}^4中任取一个向量开始。

    步骤依据

    题目陈述中已给出。

    视频直接表达
  2. 公式
    =(4300)+(00−26)= \begin{pmatrix} 4 \\ 3 \\ 0 \\ 0 \end{pmatrix} + \begin{pmatrix} 0 \\ 0 \\ -2 \\ 6 \end{pmatrix}
    解释

    将该向量拆分为属于WW的部分(前两个分量)和属于W⊥W^\perp的部分(后两个分量)。

    步骤依据

    直和的定义,以及为WW和W⊥W^\perp所选取的具体基。

    视频直接表达
  3. 公式
    (4300)∈W\begin{pmatrix} 4 \\ 3 \\ 0 \\ 0 \end{pmatrix} \in W
    解释

    第一个向量是WW的基向量的线性组合:4(1000)+3(0100)4\begin{pmatrix} 1 \\ 0 \\ 0 \\ 0 \end{pmatrix} + 3\begin{pmatrix} 0 \\ 1 \\ 0 \\ 0 \end{pmatrix}。

    步骤依据

    生成集/基的定义。

    依据视频推导
  4. 公式
    (00−26)∈W⊥\begin{pmatrix} 0 \\ 0 \\ -2 \\ 6 \end{pmatrix} \in W^\perp
    解释

    第二个向量是W⊥W^\perp的基向量的线性组合:−2(0010)+6(0001)-2\begin{pmatrix} 0 \\ 0 \\ 1 \\ 0 \end{pmatrix} + 6\begin{pmatrix} 0 \\ 0 \\ 0 \\ 1 \end{pmatrix}。

    步骤依据

    生成集/基的定义。

    依据视频推导
结论

R4\mathbb{R}^4中的任意向量均可唯一地分解为一个属于WW的向量与一个属于W⊥W^\perp的向量之和。

推导所展示的、分解为WW和W⊥W^{\perp}两个分量的过程

依据清楚
视频直接表达
来源依据
  1. 公式
    观察依据

    黑板先写出一个一般向量(a,b,c,d)T(a,b,c,d)^T,再将其重写为(a,b,0,0)T+(0,0,c,d)T(a,b,0,0)^T + (0,0,c,d)^T。

直观解释
步骤
  1. 公式
    (abcd)\begin{pmatrix}a\\b\\c\\d\end{pmatrix}
    解释

    从R4\mathbb{R}^4中任取一个向量开始。

    步骤依据

    黑板上直接给出该对象作为待分解的目标。

    视频直接表达
  2. 公式
    (ab00)+(00cd)\begin{pmatrix}a\\b\\0\\0\end{pmatrix} + \begin{pmatrix}0\\0\\c\\d\end{pmatrix}
    解释

    将前两个坐标与后两个坐标分开。

    步骤依据

    按坐标逐项相加,恰好复原原始向量。

    视频直接表达
  3. 公式
    (ab00)∈W,(00cd)∈W⊥\begin{pmatrix}a\\b\\0\\0\end{pmatrix} \in W,\quad \begin{pmatrix}0\\0\\c\\d\end{pmatrix} \in W^{\perp}
    解释

    利用上方所示的基,识别出第一个加项属于WW,第二个加项属于W⊥W^{\perp}。

    步骤依据

    每个加项都是对应展示基向量的线性组合。

    依据视频推导
结论

该例题通过将坐标划分为两个正交块,直观地演示了分解R4=W⊕W⊥\mathbb{R}^4 = W \oplus W^{\perp}。

例题详解 · 2

在ℝ^4中分解一个向量

依据清楚
视频直接表达
来源依据
  1. 公式
    观察依据

    在黑板上写作(43−26)=(4300)+(00−26)\begin{pmatrix} 4 \\ 3 \\ -2 \\ 6 \end{pmatrix} = \begin{pmatrix} 4 \\ 3 \\ 0 \\ 0 \end{pmatrix} + \begin{pmatrix} 0 \\ 0 \\ -2 \\ 6 \end{pmatrix}。

  2. 声音
    观察依据

    口述为‘比如说……某个随机向量4,3,减去2,6’。

题目

将向量(43−26)\begin{pmatrix} 4 \\ 3 \\ -2 \\ 6 \end{pmatrix}写成一个属于WW的向量与一个属于W⊥W^\perp的向量之和。

已知条件
  1. 对应的式子为:W=span{(1000),(0100)}W = \text{span}\left\{ \begin{pmatrix} 1 \\ 0 \\ 0 \\ 0 \end{pmatrix}, \begin{pmatrix} 0 \\ 1 \\ 0 \\ 0 \end{pmatrix} \right\}

  2. 对应的式子为:W⊥=span{(0010),(0001)}W^\perp = \text{span}\left\{ \begin{pmatrix} 0 \\ 0 \\ 1 \\ 0 \end{pmatrix}, \begin{pmatrix} 0 \\ 0 \\ 0 \\ 1 \end{pmatrix} \right\}

  3. 目标向量:(43−26)\begin{pmatrix} 4 \\ 3 \\ -2 \\ 6 \end{pmatrix}

目标

求 w∈Ww \in W 和 v∈W⊥v \in W^\perp 使得 w+v=(43−26)w + v = \begin{pmatrix} 4 \\ 3 \\ -2 \\ 6 \end{pmatrix}。

步骤
  1. 公式
    (43−26)=(4300)+(00−26)\begin{pmatrix} 4 \\ 3 \\ -2 \\ 6 \end{pmatrix} = \begin{pmatrix} 4 \\ 3 \\ 0 \\ 0 \end{pmatrix} + \begin{pmatrix} 0 \\ 0 \\ -2 \\ 6 \end{pmatrix}
    解释

    分离对应于WW和W⊥W^\perp基底的各分量。

    步骤依据

    直和定义及所选基底。

    视频直接表达
结果

对应的式子为:w=(4300)w = \begin{pmatrix} 4 \\ 3 \\ 0 \\ 0 \end{pmatrix},v=(00−26)v = \begin{pmatrix} 0 \\ 0 \\ -2 \\ 6 \end{pmatrix}

检验

验证w∈Ww \in W、v∈W⊥v \in W^\perp与w+vw+v之和等于原向量。

例题:在 R4\mathbb{R}^4 中将一个向量分解为 WW 和 W⊥W^{\perp}

依据清楚
视频直接表达
来源依据
  1. 公式
    观察依据

    完整的板书内容给出了WW和W⊥W^{\perp}的基,陈述了W⊕W⊥=R4W \oplus W^{\perp} = \mathbb{R}^4,并分解了(a,b,c,d)T(a,b,c,d)^T。

  2. 声音
    观察依据

    讲师最后总结道,这给出了正交补空间的基本概念。

题目

展示如何将 R4\mathbb{R}^4 中的任意向量表示为一个来自 WW 的向量与一个来自 W⊥W^{\perp} 的向量之和,其中子空间如黑板所列。

已知条件
  1. 环境空间:R4\mathbb{R}^4。

  2. WW的一组基:{(1,0,0,0)T,(0,1,0,0)T}\left\{(1,0,0,0)^T,(0,1,0,0)^T\right\}。

  3. W⊥W^{\perp}的一组基:{(0,0,1,0)T,(0,0,0,1)T}\left\{(0,0,1,0)^T,(0,0,0,1)^T\right\}。

  4. 一般向量:(a,b,c,d)T(a,b,c,d)^T。

目标

写出明确的W⊕W⊥W \oplus W^{\perp}分解式,并说明该分解是否唯一。

步骤
  1. 公式
    (abcd)=(ab00)+(00cd)\begin{pmatrix}a\\b\\c\\d\end{pmatrix} = \begin{pmatrix}a\\b\\0\\0\end{pmatrix} + \begin{pmatrix}0\\0\\c\\d\end{pmatrix}
    解释

    将向量拆分为前两个坐标部分和后两个坐标部分。

    步骤依据

    直接按坐标相加。

    视频直接表达
  2. 公式
    (ab00)∈W,(00cd)∈W⊥\begin{pmatrix}a\\b\\0\\0\end{pmatrix} \in W,\quad \begin{pmatrix}0\\0\\c\\d\end{pmatrix} \in W^{\perp}
    解释

    识别出这两个加项分别属于黑板上所展示的子空间。

    步骤依据

    它们分别是黑板上所写各自基的线性组合。

    依据视频推导
  3. 公式
    解释

    得出该表示是唯一的结论。

    步骤依据

    讲师明确陈述并板书为“该表示是唯一的。”

    视频直接表达
结果

(a,b,c,d)T=(a,b,0,0)T+(0,0,c,d)T(a,b,c,d)^T = (a,b,0,0)^T + (0,0,c,d)^T,其中第一项属于WW,第二项属于W⊥W^{\perp},且该分解是唯一的。

检验

将屏幕上显示的两个加项按坐标逐项相加,即可复原(a,b,c,d)T(a,b,c,d)^T;其所属关系由黑板上所列基底得出。

图示与动画 · 3

书写基向量

依据清楚
视频直接表达
来源依据
  1. 动画
    观察依据

    教师在白板上写出WW和W⊥W^\perp的基向量。

图中对象
  1. 白板

  2. 记号笔

  3. WW的基向量

  4. W⊥W^\perp的基向量

变化过程
  1. 向量依次书写在黑板上。

不变量
  1. 向量的数学含义一旦写定,便保持不变。

数学含义

明确示例中所使用的特定子空间WW和W⊥W^\perp。

书写直和方程与向量分解式

依据清楚
视频直接表达
来源依据
  1. 动画
    观察依据

    教师写出方程W⊕W⊥=R4W \oplus W^\perp = \mathbb{R}^4,然后写出向量分解式。

图中对象
  1. 白板

  2. 记号笔

  3. 方程W⊕W⊥=R4W \oplus W^\perp = \mathbb{R}^4

  4. 向量分解方程

变化过程
  1. 书写这些方程是为了揭示各子空间之间的关系以及特定向量的分解方式。

不变量
  1. 直和性质所蕴含的基本数学事实。

数学含义

直观地演示了任意向量在R4\mathbb{R}^4中如何被分解为属于WW和W⊥W^\perp的分量。

正交补例题的静态总结板

依据清楚
视频直接表达
来源依据
  1. 图示
    观察依据

    屏幕保持静态白板布局,标题为“正交补”,包含子空间的基底、等式W⊕W⊥=R4W \oplus W^{\perp} = \mathbb{R}^4、分解式行以及注记“该表示是唯一的。”

  2. 动画
    观察依据

    该片段中未出现任何新增书写或图示变换,仅讲师在摄像头窗口中做出手势。

图中对象
  1. 标题“正交补”

  2. 定义WW与W⊥W^{\perp}基底的行式说明

  3. 等式W⊕W⊥=R4W \oplus W^{\perp} = \mathbb{R}^4

  4. (a,b,c,d)T(a,b,c,d)^T的分解

  5. 手写的唯一性注记

变化过程
  1. 在23秒的片段中,未添加或删除任何数学内容。

不变量
  1. 所展示的子空间、方程及分解在整个过程中保持不变。

  2. 唯一性陈述始终显示在分解旁边。

数学含义

该画面起到总结板的作用:它固定了示例,陈述了直和恒等式,并在讲师口头收尾时突出显示唯一性结论。

易错点 · 1

误将直和分解理解为一种非唯一的重写方式

依据清楚
视频直接表达
来源依据
  1. 声音
    观察依据

    讲师明确驳斥了存在其他分解方式的想法,说道:“这种写法没有别的可能。”

  2. 公式
    观察依据

    黑板上的注记写道:“该表示是唯一的。”

误区

人们可能认为一个向量可以以多种不同方式拆分为一个WW部分和一个W⊥W^{\perp}部分。

说明

在所展示的W⊕W⊥W \oplus W^{\perp}设定下,该分解是唯一的;讲师强调,使用这两个子空间来表示同一个向量,不存在其他写法。

概念关系 · 4

子空间的直和 → 子空间

依据清楚
视频直接表达
来源依据
  1. 声音
    观察依据

    口述为‘这就是直和的含义’。

应用
解释

直和的概念被应用于特定的子空间WW和W⊥W^\perp,以说明它们张成R4\mathbb{R}^4。

正交补 → 子空间

依据清楚
视频直接表达
来源依据
  1. 公式
    观察依据

    W⊥W^\perp是相对于WW定义的。

特例
解释

正交补是一种特殊的子空间,它通过正交性与另一个子空间相关联。

R4\mathbb{R}^4中的一对具体正交补。 → 向量在R4\mathbb{R}^4中的直和分解

依据清楚
视频直接表达
来源依据
  1. 公式
    观察依据

    WW与W⊥W^{\perp}的基被直接写在方程W⊕W⊥=R4W \oplus W^{\perp} = \mathbb{R}^4及坐标拆分的正上方。

应用
解释

对WW与W⊥W^{\perp}所作的具体基的选择,使得所展示的坐标分解成为可能。

向量在R4\mathbb{R}^4中的直和分解 → W⊕W⊥W \oplus W^{\perp}表示法的唯一性

依据清楚
视频直接表达
来源依据
  1. 声音
    观察依据

    关于刚刚写出的分解,讲师直接就其唯一性作出了说明。

  2. 公式
    观察依据

    注释‘该表示是唯一的。’位于分解线旁。

证明依赖
解释

唯一性声明针对黑板上所示直和分解所生成的特定表示。

问题定位 · 5

为什么一个向量在子空间直和下的表示是唯一的?

依据清楚
视频直接表达
来源依据
  1. 声音
    观察依据

    口述为:‘这种表示法的好处……在于其唯一性。’

涉及知识点
  1. 子空间的直和

如何将ℝ^4中的一个向量分解为属于W和W⊥的两个部分?

依据清楚
视频直接表达
来源依据
  1. 公式
    观察依据

    向量分解过程在黑板上展示。

涉及知识点
  1. 子空间的直和
  2. 在ℝ^4中分解一个向量

黑板上R4\mathbb{R}^4处展示的具体正交补示例是什么?

依据清楚
补充解释
来源依据
  1. 公式
    观察依据

    黑板上展示了一个完整写出的示例,包含WW、W⊥W^{\perp}以及一个在R4\mathbb{R}^4中的向量分解。

涉及知识点
  1. R4\mathbb{R}^4中的一对具体正交补。
  2. 向量在R4\mathbb{R}^4中的直和分解

讲师为何称该表示是唯一的?

依据清楚
补充解释
来源依据
  1. 声音
    观察依据

    讲师指出,用这两个子空间来表示该向量的方式是唯一的。

  2. 公式
    观察依据

    黑板上的注释写道:‘该表示是唯一的。’

涉及知识点
  1. W⊕W⊥W \oplus W^{\perp}表示法的唯一性

一般向量(a,b,c,d)T(a,b,c,d)^T如何被拆分为分别属于WW和W⊥W^{\perp}的两部分?

依据清楚
补充解释
来源依据
  1. 公式
    观察依据

    分解线明确地将(a,b,c,d)T(a,b,c,d)^T重写为(a,b,0,0)T+(0,0,c,d)T(a,b,0,0)^T + (0,0,c,d)^T。

涉及知识点
  1. 向量在R4\mathbb{R}^4中的直和分解
  2. 例题:在 R4\mathbb{R}^4 中将一个向量分解为 WW 和 W⊥W^{\perp}
覆盖情况与待核验内容

已覆盖 · 本节完整内容涵盖子空间W与W⊥的定义、它们的直和,以及一个向量分解的示例。

已覆盖 · 音频指出,使用这两个子空间进行的分解是唯一的;与此同时,黑板展示了完整示例及唯一性注释。

已覆盖 · 讲师总结道,这给出了正交补的基本概念,并在静态黑板持续可见的情况下结束本课。

已覆盖 · 最后的尾声秒段除同一静态总结片段的收尾外,不包含任何额外数学内容。

探索视频中的知识

打开视频知识图谱 →

  • 正交补 讲解定位 0:00
    查看关联依据

    已审核中文素材 v1:knowledge_item「正交补」出现在 0:00——对于内积空间 VV 的一个子空间 WW,其正交补 W⊥W^\perp 是指 VV 中所有与 WW 中每个向量都正交的向量所构成的集合。

    Reviewed English material v1: knowledge_item "Orthogonal Complement" at 0:00 至 2:40 — For a subspace WW of an inner product space VV, the orthogonal complement W⊥W^\perp is the set of all vectors in VV that are orthogonal to every vector in WW.

这个视频解答的问题

掌握方法

↗
理解原因

↗
理解原因

↗
掌握方法

↗
认识概念

↗