三个正交方向是一致么_施密特正交归一化

最新推荐文章于 2022-01-13 15:28:36 发布
最新推荐文章于 2022-01-13 15:28:36 发布
阅读量664 收藏
点赞数
文章标签： 三个正交方向是一致么
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_35411487/article/details/112573904
版权

bd6655860f053da7b06480146ac2c0d6.png

（建议建议阅读原文）预备知识　正交归一基底
　　 若在

维矢量空间中任意给出
个线性无关的矢量， 如何得到一组正交归一化的基底呢？ 我们可以用
施密特正交归一化（Schmidt orthonormalization）． 先看一个二维的例子

例1　二维空间中的几何矢量
　　 已知两个几何矢量

坐标分别为
，
． 这两个矢量不共线， 说明它们线性无关． 但容易看出它们既不归一也不正交， 下面来进行施密特正交归一化．

　　 先把
归一化， 并记为

然后， 用内积来计算
在
方向的投影长度

所以
在平行于
方向的分量为

将
减去平行的分量， 就是垂直的分量

归一化并记为

现在可以验证， 基底
和
是正交归一的， 即
， 且
．

　　 若给出
维矢量空间中的
个（
）线性无关矢量
  1. 将第 1 个矢量归一化得到第 1 个基底
  2. 将第 2 个矢量分解为与第 1 个矢量平行和垂直的两个分量， 并将垂直分量归一化得到第 2 个基底
  3. 将第 3 个矢量分解为三个部分， 即分别平行于前两个基底的分量和一个垂直分量， 并将垂直分量归一化得到第 3 个基底
  4. 对第
    个基底重复该步骤， 得到第
    个基底

　　 用公式来表示这个过程， 就是：

习题1
　　 对三维空间中的矢量
，
和
进行施密特正交归一化．
推导
　　 这里来解释式 8 和式 9 ． 我们假设已经知道
个正交归一的矢量， 由于
维空间中必然存在
个正交归一基底， 我们可以设剩下
的也已经知道（或者可以任意取）． 于是
可以用基底展开为

式 8 得到前
项之和

所以式 9 就是第
项到第
项之和

所以对
， 都有
． 也就是说和已有的
个基底都正交．
文献工匠
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
向量的施密特正交化
RickyXE
07-13 1万+
标准的定义引自Wiki We define the projection operator by proju(v)=⟨v,u⟩⟨u,u⟩uproj_u(v) = \frac{ \langle v,u\rangle }{\langle u, u \rangle}u where ⟨v,u⟩\langle v, u \rangle denotes the inner product
施密特正交化(Gram-Schmidt Orthogonalization)
WZX_Hello的博客
08-21 2万+
关于施密特正交化的基础知识、算法细节，以及与LS方法的关联
漫步线性代数十八——正交基和格拉姆-施密特正交化(下)
蜗牛
09-08 6419
格拉姆-施密特声明：以后博主会把文章的pdf版本陆续发布到的网上，免费供大家下载 正交基和格拉姆-施密特正交化假设我们有是是三个无关向量a,b,ca,b,c，如果他们是正交的，那么会多问题都变得容易了。例如要计算vv到第一个向量的投影，只需计算(aTv)a(a^Tv)a，投影到前两个向量所在的平面只需相加即可(aTv)a+(bTv)b(a^Tv)a+(b^Tv)b，同样投影到三个向量组成的空间就是
施密特正交化（Schmidt）
oneslide
08-01 1万+
n维向量空间RnRnR^n中得出的一组线性无关的向量a1,a2,.....ana1,a2,.....ana_1,a_2,.....a_n 怎么确定一组两两正交的向量？使每一个在原坐标系中向量在新的正交基下确定的 坐标系中重新确定坐标？ 施密特正交化用于对向量空间中的一组线性无关的向量a1,a2,....ana1,a2,....ana_1,a_2,....a_n 确定一组正交基e1,e2,....
施密特正交化标准化（习题）
qulishemengren的博客
10-08 1万+
GS.rar_GS正交化方法_gs正交化_施密特正交化
07-15
3. **规范化**：将每个正交向量归一化，确保其长度为1，形成标准正交基。 在5*5、8*8和10*10的向量组中，施密特正交化方法的应用展示了其在不同规模问题上的适应性。对于更大的向量组，正交化可以帮助我们理解和...
Schmidt_orthogonalization_marketzco_Who_施密特正交化_
10-02
在IT领域，施密特正交化（Schmidt Orthogonalization），也称为格拉姆-施密特正交化（Gram-Schmidt Orthogonalization），是线性代数中的一个关键概念，尤其在量子力学、数值分析和数据分析等应用中扮演着重要角色。...
orth_norm.rar_orthonormal matrix_向量正交_正交化_矩阵正交化_规范化矩阵
07-15
- 归一化每个新得到的正交向量。 - 返回一个新的正交化矩阵，其列向量是正交的并具有单位长度。 测试脚本`test.m`可能创建了一个随机矩阵，然后调用`orth_norm.m`函数，验证结果是否符合预期，即输入矩阵的列向量被...
施密特正交化
09-08
描述中提到的是施密特正交化的MATLAB代码实现，这意味着我们有三个MATLAB脚本文件：laplacernd.m、laplacepdf.m和GSO.m。`laplacernd.m`可能用于生成拉普拉斯分布的随机数，这在模拟和数据分析中非常常见，因为...
施密特正交化C语言程序
07-03
在数值线性代数中，施密特正交化（也称为格拉姆-施密特正交化，简称GS正交化）是一个重要的过程，它在处理线性方程组、矩阵运算以及数据处理等方面有着广泛的应用。在这个C语言程序中，我们主要探讨的是如何用C编程...
自己动手写施密特正交化
panghaomingme的博客
03-09 1万+
import numpy as np A = np.array([[1,1,0],[0,1,1],[1,0,1]],dtype=float) Q = np.zeros_like(A) m = shape(Q)[0] n = shape(Q)[1] cnt = 0 for a in A.T: u = np.copy(a) for i in range(0, cnt):
施密特正交化（Gram–Schmidt process）
白马负金羁
11-18 1万+
在线性代数中，如果内积空间上的一组向量能够张成一个子空间，那么这一组向量就称为这个子空间的一个基。Gram-Schmidt正交化提供了一种方法，能够通过这一子空间上的一个基得出子空间的一个正交基，并可进一步求出对应的标准正交基
线性代数学习笔记——第七十讲——格拉姆—施密特（Gram-Schmidt）正交化方法
热门推荐
预见未来to50的专栏
09-09 3万+
1. 格拉姆—施密特（Gram-Schmidt）正交化方法详解 2.格拉姆—施密特（Gram-Schmidt）正交化示例
线性代数笔记19——格拉姆-施密特正交化
我是8位的
11-20 2万+
标准正交矩阵 标准正交向量 　　有一堆向量，q1,q2……qn，它们两两正交，这意味着这些向量满足： 　　一个向量没法和自己正交，在i = j时，让qiTqi = 1，这相当于qi模长等于1： 　　向量的转置乘以自身等于1，意味着这个向量是单位向量，所以我们称这堆向量q1,q2……qn是标准正交向量。 标准正交矩阵 　　现在把这些标准正交向量放入矩阵中： 　　QTQ最终得...
施密特正交化_百度百科
我终于懂了（没懂）博客
08-30 1825
https://baike.baidu.com/item/%E6%96%BD%E5%AF%86%E7%89%B9%E6%AD%A3%E4%BA%A4%E5%8C%96/756386?fr=kg_general
＜Zhuuu_ZZ＞HIVE(十一)函数
Zhuuu_ZZ的博客
09-22 2107
Hive内置函数一 Hive函数分类二 字符函数二 类型转换函数和数学函数三 日期函数四 集合函数五 条件函数六 聚合函数和表生成函数6.1 聚合函数6.2 表生成函数：输出可以作为表使用 一 Hive函数分类 从输入输出角度分类 标准函数：一行数据中的一列或多列为输入，结果为单一值 聚合函数：多行的零列到多列为输入，结果为单一值 表生成函数：零个或多个输入，结果为多列或多行 从实现方式分类 内置函数 自定义函数 UDF：自定义标准函数 UDAF：自定义聚合函数 UDTF：自定义表生成函数
正交矩阵和Gram-Schmidt正交化
android开发笔记
05-21 2218
今天我们学习一下正交向量（orthogonal vector）和正交矩阵（orthogonal matrix）。设有一组向量q1,q2…qn，如果任意的q都与其他的q正交，且每个q向量长度都为1，那么这组向量就是正交向量，用数学式子来表达就是： 注意准确说这组向量应该是标准正交向量（orthonormal vector），因为每个q向量长度都为1，即经过归一化的（normalization），但...
信号与系统研讨（二）归一化正交函数在匹配滤波器中的应用
ShadyPi的IT笔记
01-13 780
归一化正交函数在匹配滤波器中的应用
求完数及其因子
qq_48392484的博客
10-10 1850
在这里插入代码片 #include<stdio.h> int main() { double i,x;// i是10000以内某个数 ，x用来求因子 int a,b;// b是因子，a是因子相加 for(i=2;i<=1000;i++) { for(x=1,a=0;x<=i;x++) { if(int(i/x)==i/x&&i/x!=i) // 判断i/x是不是整数 { b=i/x; // 若i/x=b是个整数
编写一个c程序，展现施密特正交化
最新发布
09-09
#include <stdio.h> #include <stdlib.h> #include <math.h> #define N 3 void print_matrix(double matrix[][N], char* name); void schmidt_orthogonalization(double matrix[][N]); int main() { double matrix[N][N] = {{1, 2, 3}, {4, 5, 6}, {7, 8, 9}}; printf("Original matrix:\n"); print_matrix(matrix, "A"); schmidt_orthogonalization(matrix); printf("Matrix after Schmidt orthogonalization:\n"); print_matrix(matrix, "Q"); return 0; } void print_matrix(double matrix[][N], char* name) { printf("%s = \n", name); for (int i = 0; i < N; i++) { for (int j = 0; j < N; j++) { printf("%8.4f ", matrix[i][j]); } printf("\n"); } printf("\n"); } void schmidt_orthogonalization(double matrix[][N]) { double u[N][N]; // u vectors double v[N][N]; // v vectors double w[N][N]; // orthogonalized vectors double norm; // initialize u and v vectors for (int i = 0; i < N; i++) { for (int j = 0; j < N; j++) { u[i][j] = matrix[i][j]; v[i][j] = 0; w[i][j] = 0; } } // perform Schmidt orthogonalization for (int i = 0; i < N; i++) { for (int j = 0; j < i; j++) { norm = 0; for (int k = 0; k < N; k++) { norm += u[k][i] * w[k][j]; } for (int k = 0; k < N; k++) { w[k][i] -= (norm / pow(w[j][j], 2)) * w[k][j]; } } norm = 0; for (int k = 0; k < N; k++) { norm += u[k][i] * u[k][i]; } norm = sqrt(norm); for (int k = 0; k < N; k++) { w[k][i] += u[k][i] / norm; } } // copy orthogonalized vectors to original matrix for (int i = 0; i < N; i++) { for (int j = 0; j < N; j++) { matrix[i][j] = w[i][j]; } } }

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值