正交基 matlab,matlab基础学习（五）之映射和正交基

matlab基础学习(5)之映射和正交基

一、映射

在matlab中，矢量y正交映射到矢量x上的定义如下：

Px(y) = /(x^2)*x

对于长度为N的列矢量y映射到长度为N的列矢量x上的计算方法如下：

yx = (x' * y) * (x' * x) ^ (-1) * x

更一般的， 长度为N的列矢量y映射到M维的子空间的 N x M的矩阵x，计算方法如下：

yX = X * (X' * X)^(-1) * X' * y

正交映射，像任何的有限维线性操作符，可通过矩阵表示，对于N x M矩阵，计算方法为：

PX = X * (X' * X)^(-1) * X'

PX被称为映射矩阵。

子空间映射是一个例子，其中矩阵的功率线性代数记号非常重要。

代码实现如下：

>> X = [[1;2;3],[1;0;1]]

X =

1 1

2 0

3 1

>> PX = X*(X'*X)^(-1) * X'

PX =

0.66666666666667 -0.33333333333333 0.33333333333333

-0.33333333333333 0.66666666666667 0.33333333333333

0.33333333333333 0.33333333333333 0.66666666666667

>> y = [2; 4;6]

y =

2

4

6

>> yX= PX* y

yX =

2.00000000000000

4.00000000000000

6.00000000000000

>>

二、正交基

在matlab中，函数orth()对于给定的矢量集空间计算正交基。

在matlab中输入help orth查看orth的使用:

>> help orth

ORTH Orthogonalization.

Q = ORTH(A) is an orthonormal basis for the range of A.

That is, Q'*Q = I, the columns of Q span the same space as

the columns of A, and the number of columns of Q is the

rank of A.

Class support for input A:

float: double, single

See also svd, rank, null.

Reference page in Help browser

doc orth

>>

以下通过对N=3的线性独立的基利用orth()进行正交化。

>> v1 = [1;2;3]

v1 =

1

2

3

>> v2 = [1;-2;3]

v2 =

1

-2

3

>> v1' * v2

ans =

6

>> V=[v1,v2]

V =

1 1

2 -2

3 3

>> W= orth(V)

W =

-0.31622776601684 0.00000000000000

0.00000000000000 -1.00000000000000

-0.94868329805051 0.00000000000000

>> W= orth(V)

W =

-0.31622776601684 0.00000000000000

0.00000000000000 -1.00000000000000

-0.94868329805051 0.00000000000000

>> W1=W(:,1)

W1 =

-0.31622776601684

0.00000000000000

-0.94868329805051

>> W2=W(:,2)

W2 =

0.00000000000000

-1.00000000000000

0.00000000000000

>> W1' * W2

ans =

-3.157438761082832e-016

>> W1'*W1

ans =

1.00000000000000

>> W2'*W2

ans =

1

>> W'*W

ans =

1.00000000000000 -0.00000000000000

-0.00000000000000 1.00000000000000

>> x = 2 * v1 - 3 * v2

x =

-1

10

-3

>> c1 = x' * W1

c1 =

3.16227766016838

>> c2 = x' * W2

c2 =

-10

>> xw = c1 * W1 + c2 * W2

xw =

-1.00000000000000

10.00000000000000

-3.00000000000000

>> error = x - xw

error =

1.0e-014 *

0.13322676295502

0

0.08881784197001

>> norm(error)

ans =

1.601186416994689e-015

>> x = [1; 0; 0]

x =

1

0

0

>> ca = x' * W1

ca =

-0.31622776601684

>> c1 = x' * W1

c1 =

-0.31622776601684

>> c2 = x' * W2

c2 =

1.387778780781446e-016

>> xw = c1 * W1 + c2 * W2

xw =

0.10000000000000

-0.00000000000000

0.30000000000000

>> error = x - xw

error =

0.90000000000000

0.00000000000000

-0.30000000000000

>> norm(error)

ans =

0.94868329805051

>> W* error

??? Error using ==> mtimes

Inner matrix dimensions must agree.

>> W'* error

ans =

1.0e-015 *

-0.16653345369377

-0.09984698057522

>>