精华内容
下载资源
问答
  • 标准正交基

    2021-09-21 20:07:13
    标准正交基 1.标准正交基的定义 2.一维空间 R1R^1R1 的...4.三维空间 R3R^3R3 的标准正交基 下图来自:传送门 (1)绕 ZZZ 轴旋转 (2)绕 YYY 轴旋转 (3)绕 XXX 轴旋转 将以上推出的三个矩阵相乘得到最后结果 ...

    标准正交基

    1.标准正交基的定义

    2.一维空间 R 1 R^1 R1 的标准正交基

    3.二维空间 R 2 R^2 R2 的标准正交基


    下图来自:传送门

    4.三维空间 R 3 R^3 R3 的标准正交基


    下图来自:传送门

    (1)绕 Z Z Z 轴旋转

    (2)绕 Y Y Y 轴旋转

    (3)绕 X X X 轴旋转

    将以上推出的三个矩阵相乘得到最后结果

    展开全文
  • 求标准正交基的一种直观解释

    千次阅读 2019-05-31 22:39:13
    本文将要介绍的内容很简单,就是如何根据一组非线性相关的向量来计算一组标准正交基。但是与其他文章不同的是,本文将以一种非常直观的思路来,顺理成章的推导出如何计算标准正交基。 首先我们假设有一组非线性相关...

    UTF8gbsn

    本文将要介绍的内容很简单,就是如何根据一组非线性相关的向量来计算一组标准正交基。但是与其他文章不同的是,本文将以一种非常直观的思路来,顺理成章的推导出如何计算标准正交基。

    首先我们假设有一组非线性相关的基 v 1 , v 2 , . . . , v n ∈ V v_1,v_2,...,v_n\in V v1,v2,...,vnV,我们如何根据 v 1 , v 2 , . . . , v n v_1,v_2,...,v_n v1,v2,...,vn来计算 V V V空间的一组标准正交基?

    1. v 1 v_1 v1看做一个一维空间的基,那么自然计算一个标准基的算法为
      e 1 = v 1 ∣ v 1 ∣ e_1=\frac{v_1}{|v_1|} e1=v1v1

    2. 现在我们已经有一个标准基向量 e 1 e_1 e1,那么我们新加入 v 2 v_2 v2,他们会行成一个平面。假设 e 1 , e 2 e_1,e_2 e1,e2就是这个平面的一组标准正交基,那么 v 2 v_2 v2一定可以表示为, v 2 = ∣ v 2 ∣ [ c o s ( α ) e 1 + s i n ( α ) e 2 ] v_2=|v_2|[cos(\alpha)e_1+sin(\alpha)e_2] v2=v2[cos(α)e1+sin(α)e2],接下来反求 e 2 e_2 e2就可以了。
      故而下面的等式成立.这个是可以通过简单的几何画图直观上就可以看出来的。
      v 2 ∣ v 2 ∣ − c o s ( α ) e 1 = s i n ( α ) e 2 , c o s ( α ) = v 2 ⋅ e 1 ∣ v 2 ∣ \frac{v_2}{|v_2|}-cos(\alpha)e_1=sin(\alpha)e_2,cos(\alpha)=\frac{v_2\cdot e_1}{|v_2|} v2v2cos(α)e1=sin(α)e2,cos(α)=v2v2e1
      E 2 = v 2 − ( v 2 ⋅ e 1 ) e 1 ⇒ e 2 = E 2 ∣ E 2 ∣ E_2 = v_2-(v_2\cdot e_1)e_1\Rightarrow e_2 = \frac{E_2}{|E_2|} E2=v2(v2e1)e1e2=E2E2

    3. 同理在 e 1 , e 2 e_1,e_2 e1,e2所长成的二维空间上,加入新的 v 3 v_3 v3,可以张成一个三维空间。我们现在假定 e 1 , e 2 , e 3 e_1,e_2,e_3 e1,e2,e3张成了一个空间。那么现在我们有 v 3 ∣ v 3 ∣ = c o s ( α ) e 1 + c o s ( β ) e 2 + c o s ( γ ) e 3 \frac{v_3}{|v_3|}=cos(\alpha)e_1+cos(\beta)e_2+cos(\gamma)e_3 v3v3=cos(α)e1+cos(β)e2+cos(γ)e3,
      其中 α , β , γ \alpha,\beta,\gamma α,β,γ分别是 v 3 v_3 v3与三个基向量之间的夹角。
      E 3 = v 3 − ( v 3 ⋅ e 2 ) e 2 − ( v 3 ⋅ e 1 ) e 1 ⇒ e 3 = E 3 ∣ E 3 ∣ E_3=v_3-(v_3\cdot e_2)e_2-(v_3\cdot e_1)e_1\Rightarrow e_3=\frac{E_3}{|E_3|} E3=v3(v3e2)e2(v3e1)e1e3=E3E3

    4. 同理我们可以求出 e n e_n en
      E n = v n − ∑ k = 1 n − 1 ( v n ⋅ e k ) e k ⇒ e n = E n ∣ E n ∣ E_n=v_n-\sum_{k=1}^{n-1}(v_n\cdot e_k)e_k\Rightarrow e_n=\frac{E_n}{|E_n|} En=vnk=1n1(vnek)eken=EnEn

    来总结一下,也就是每一次假设引入一个标准基向量 e k e_k ek,和前面求出来的标准基向量 e 1 , e 2 , . . . , e k e_1,e_2,...,e_k e1,e2,...,ek来组成一个空间。这一组新的标准正交基可以组合为新加入的 v k v_k vk,饭后根据 v k v_k vk e 1 , e 2 , . . . , e k e_1,e_2,...,e_k e1,e2,...,ek之间的夹角关系求出 e k e_k ek,因为夹角很好求,是 v k ⋅ e j ∣ v k ∣ , j ∈ ( 1 , 2 , . . . , k ) \frac{v_k\cdot e_j}{|v_k|},j\in (1,2,...,k) vkvkej,j(1,2,...,k),所以很好求出 e k e_k ek,其实这里面只是利用了一个向量加法而已。

    展开全文
  • 正交性、标准正交基和投影正交基与标准正交基一维投影高维投影和Gram-Schmidt过程三维空间四维及以上空间实现Gram-Schmidt过程相关话题标准正交基的性质 正交基与标准正交基 一个nnn维空间中任何一组线性无关的向量...

    正交基与标准正交基

    一个 n n n维空间中任何一组线性无关的向量,都是这个 n n n维空间的一组基。当这组基的向量两两垂直,则称为正交基。而标准正交基只是将正交基又添加了一个条件,模长为1。一个空间可以有无数组基向量,正交基和标准正交基也同样是有无数组的。

    正交基的好处在于可以很方便地表示空间中的点,用数学语言表示为,两个向量 u ⃗ \vec{u} u v ⃗ \vec{v} v 的乘积,
    u ⃗ ⋅ v ⃗ = u 1 ⋅ v 1 + u 2 ⋅ v 2 + . . . + u n ⋅ v n = ∣ ∣ u ⃗ ∣ ∣ ⋅ ∣ ∣ v ⃗ ∣ ∣ ⋅ c o s θ \vec{u}\cdot\vec{v}=u_1\cdot v_1+u_2\cdot v_2+...+u_n\cdot v_n=||\vec{u}||\cdot ||\vec{v}||\cdot cos\theta u v =u1v1+u2v2+...+unvn=u v cosθ
    θ = 90 ° \theta=90° θ=90°时, c o s θ = 0 cos\theta=0 cosθ=0,相应的 u ⃗ ⋅ v ⃗ = 0 \vec{u}\cdot\vec{v}=0 u v =0,称这两个向量相互垂直或相互正交。

    正交向量组则是一组向量,任意两个向量都满足正交的关系,则称为正交向量组。正交向量组的一个很好的性质是,正交非零向量组一定线性无关。这一性质的证明并不复杂,
    在这里插入图片描述
    回顾之前的知识, n n n维空间中,任意 n n n个线性无关的向量一定是n维空间的基。同理, n n n个非零正交向量一定 n n n维空间的基。

    一维投影

    一维投影相当于把一个向量投影到另一个向量,可以进一步求取正交基,如下图中两个不共线的向量 u ⃗ \vec{u} u v ⃗ \vec{v} v (也可以直接理解为二维空间的一组基),向量 v ⃗ \vec{v} v u ⃗ \vec{u} u 做投影得到向量 p ⃗ \vec{p} p ,通过向量 p ⃗ \vec{p} p 可以计算出与向量 u ⃗ \vec{u} u 正交的向量 v ⃗ − p ⃗ \vec{v}-\vec{p} v p
    在这里插入图片描述
    知道了 p ⃗ \vec{p} p 的方向和大小就可以得到向量 p ⃗ \vec{p} p 的表示,
    在这里插入图片描述
    求出向量 p ⃗ \vec{p} p 后,进一步求取向量 v ⃗ − p ⃗ \vec{v}-\vec{p} v p 是十分容易的,这就解决了在二维空间中求取一组正交基的问题。随着空间维度的上升,求取的过程会变得复杂,但是求取正交基依旧是能找到特定方法的过程。

    高维投影和Gram-Schmidt过程

    通过任意维度的一组基构造空间的正交基的算法。

    三维空间

    以三维向量为例,假设存在一组三维向量,需要求出这三个向量所在空间的正交基,其中两个已经处理得到相互正交的向量 p 1 ⃗ \vec{p_1} p1 p 2 ⃗ \vec{p_2} p2 。此时空间的基为 w ⃗ 、 p 1 ⃗ 和 p 2 ⃗ \vec{w}、\vec{p_1}和\vec{p_2} w p1 p2
    在这里插入图片描述
    进一步需要做的就是做 w ⃗ \vec{w} w 向量在 p 1 ⃗ 和 p 2 ⃗ \vec{p_1}和\vec{p_2} p1 p2 构成的空间中的投影 p ⃗ \vec{p} p w ⃗ − p ⃗ \vec{w}-\vec{p} w p 的向量就是所要求的正交向量,
    在这里插入图片描述
    问题就转化为如何求取 w ⃗ \vec{w} w p 1 ⃗ 和 p 2 ⃗ \vec{p_1}和\vec{p_2} p1 p2 上的投影 p ⃗ \vec{p} p ,进行如下转换,
    在这里插入图片描述
    依据之前二维空间中的投影计算公式,可以得到 a ⃗ \vec{a} a b ⃗ \vec{b} b 的向量,得到如下公式
    在这里插入图片描述
    三维空间求正交基的整个过程可以看做是先求出相应的二维空间的正交基,进一步求取三维空间正交基。

    四维及以上空间

    四维以上的空间是无法可视化的,但是与三维空间相似,可以先求取低维度空间的正交基,在其基础上进行高一维度正交基的求取。
    在这里插入图片描述
    给出任何一组 n n n维空间的基,正交基的过程都可以通过逐一维度的计算得到。任何一个维度的向量都减去它在低维度空间中已经正交的向量的投影,这一过程就是Gram-Schmidt过程

    实现Gram-Schmidt过程

    # -*- coding: utf-8 -*-
    from .Vector import Vector
    from .Matrix import Matrix
    from .LinearSystem import rank
    
    
    def gram_schmidt_process(basis):
    	"""
    	:param basis: 一组基向量
    	"""
    	# 下面两行可以视为对传入的向量进行Gauss-Jordan消元法,确保没有零行,即线性无关
    	matrix = Matrix(basis)
        assert rank(matrix) == len(basis)
    
    	# 所有互相正交的向量存放在 res这个列表中
        res = [basis[0]]
        for i in range(1, len(basis)):
        	# 下面的三行代码是上方加粗语句过程的实现
            p = basis[i]
            for r in res:
                p = p - basis[i].dot(r) / r.dot(r) * r
            res.append(p)
    
    	return res
    
    
    if __name__ == "__main__":
        basis1 = [Vector([2, 1]), Vector([1, 1])]
        res1 = gram_schmidt_process(basis1)
        for row in res1:
            print(row)    # 返回 (2, 1)  (-0.2, 0.4)
    
        print(res1[0].dot(res[1]))    # 返回0,即二者正交
    
        # 求取标准正交基
        res1 = [row / row.norm() for row in res1]
        
    

    相关话题

    将投影与线性系统联系起来,
    在这里插入图片描述
    这实际上是最小二乘法的思路,得到近似解。

    标准正交基的性质

    空间的基可以排列成一个矩阵,矩阵的每一列就是这组基中的一个基向量。

    n n n n n n维的标准正交基可以按照相同的方式排列成一个矩阵(方阵),称为标准正交矩阵,表示为 Q Q Q

    1. 性质1
      Q T ⋅ Q = I Q^T\cdot Q=I QTQ=I
      在这里插入图片描述
      除了主对角线的元素,其余都是相互正交的两个向量的点乘,结果为0。主对角线实际上是标准正交向量的模,为1。
    2. 性质2
      标准正交矩阵是可逆的。
      标准正交矩阵的各列都是线性无关的,这与矩阵可逆的等价命题是相同的,回顾矩阵可逆的等价命题,
      在这里插入图片描述
      Q T Q^T QT Q Q Q的左逆,则 Q T Q^T QT也一定是 Q Q Q的右逆。即 Q T Q^T QT是Q的逆,所以得到标准正交矩阵的一个重要性质,对于标准正交矩阵而言, Q T = Q − 1 Q^T = Q^{-1} QT=Q1

    上面的这一重要性质在机器学习中是PCA算法的原理,实际上是将一个高维空间映射到低维空间中,同时也是从低维空间映射回高维空间的过程。

    展开全文
  • 标准正交基_百度百科

    千次阅读 2020-08-29 14:02:41
    https://m.baidu.com/sf_bk/item/%E5%9F%BA/16246650?bk_fr=chain_summary&timestamp=1592576502534

    https://m.baidu.com/sf_bk/item/%E5%9F%BA/16246650?bk_fr=chain_summary&timestamp=1592576502534

    展开全文
  • 空间的基,自然基,标准正交基

    万次阅读 多人点赞 2018-12-17 10:43:31
    总以为三维空间的是垂直的x轴,y轴和z轴 解析: 以二维空间为例,不光只有垂直的两个向量才能表示整个空间。 如上图所示,垂直的两个向量能表示整个平面自不必多说。 下图中两个不垂直的向量,也可以表示...
  • 欧几里得空间——标准正交基

    千次阅读 2019-06-09 17:41:33
    定义5 欧氏空间V中一组非零的向量,如果它们两两正交,就称为一正交向量组。 1.由单个非零向量所成的向量组也是正交向量组。...一组基为标准正交基的充要条件是:它的度量矩阵为单位矩阵。因为度量矩阵是正...
  • 长此以往,我们的大脑习惯了标准正交基上建立的直观,因此我们自己分析问题时,有时尽管不涉及长度和角度概念,我们也往往自然而然的建立标准正交基下的坐标系,从而进一步固化加强我们对标准正交基的直观和依赖。...
  • 正交向量 在我的博文程序员的自我修养之数学基础02中介绍了向量内积的概念。我们知道,对于 n维向量,其内积为: 仔细观察一下这个表达式,我们不难得出向量内积与矩阵乘法之间...在二维或三维尺度上,我们非常...
  • 正交基和标准正交基: 前言: 经过上一次线性代数学习之向量空间,维度,和四大子空间的学习,对于空间的概念已经有了非常深刻的认识了,而描述空间很重要的方式除了维度以外,那就是空间的基了,而如小标题所示...
  • 本节介绍正交的概念,以及将基变为正交基的格拉姆-施密特(Gram-Schmidt)方法 ...2 标准正交基 设X是具有欧几里得结构的有限线性空间 则称这组基是标准正交的(orthonormal) 3 格拉姆-施密特方法 具有欧
  • 正交基函数

    千次阅读 2019-08-29 23:07:05
    SH光照论文需要知道函数(basis functions)知识。函数就是小片的信号,可以被缩放、组合来产生原函数的近似,计算多少函数需要被加到结果中的过程被称为投影(projection)。通过函数估计原函数,需要找一...
  • 文章目录写在前面正交基与投影高维投影和Gram-Schmidt过程三维空间四维及以上空间Gram-Schmidt过程构造标准正交基后记Section 4.1中的应用Section 5.2中的应用题外话两个定理微分方程求解 写在前面 之所以想要写这篇...
  • 先看对于两者的一个通俗解释: 正交基与普通基之间的差别是很大的,首先要理解基是什么意思,其实基就像是坐标系,正交基就是指正交的坐标系,普通基就是非正交的坐标系,我们大家都非常熟悉笛卡尔坐标系,大家就...
  • 读ARToolKit源码,有一个函数始终不解,论文中也未提及,如下所示该函数算法流程,请问能否知道该算法的名字,或者能否简单描述下该算法,让我有个思路。谢谢了。 ![图片说明]...!...!...
  • 2、函数参数[python] view plain copyx_norm=np.linalg.norm(x, ord=None, axis=None, keepdims=False) ①x: 表示矩阵(也可以是一)②ord:范数类型向量的范数:矩阵的范数:ord=1:列和的最大值ord=2:|λ...
  • 泛函分析 内积空间 希尔伯特空间 正交基 正交列的完备性
  • 三维中三个向量符合这个条件也构成标准正交基 全局模型储存在的坐标系:全局坐标系 另外的原点p,标准正交基不同的坐标系,我们就要显示储存这些向量。这样的坐标系我们称为参考坐标系。 例如:飞机模拟器 我们有一...
  • 我们还可以进一步改善:每个向量除以它的长度得到单位向量,这样的话正交基变成了标准正交基:16、如果 qTiqj={01i≠j,给出正交性i=j,给出归一性 q_i^Tq_j= \begin{cases} 0&i\neq j,\text{给出正交性}\\ 1&i=j,\...
  • 是nnn个标准正交基 是列向量哦!   那么 α1α1T+α2α2T+...+αnαnT\alpha_1\alpha_1^T + \alpha_2\alpha_2^T+...+\alpha_n\alpha_n^Tα1​α1T​+α2​α2T​+...+αn​αnT​ 是单位矩阵!   咋证明 ...
  • 文章目录正交变换正交正交投影参考 正交变换 约定 :V: V:V 是 nnn 欧氏空间. 正交变换: 线性变换 A\mathcal{A}A 满足 (Aα,Aβ)=(α,β),∀α,β∈V.(\mathcal{A} \alpha, \mathcal{A} \beta)=(\alpha, \beta), ...
  • 三维坐标变换算法的比较第 卷 第 期 大 地 测 量 与 地 球 动 力 学年 月文章编号三维坐标变换算法的比较吕...个方面比较三维坐标变换的迭代法和解析法结果表明迭代法中的正交矩阵形式计算精度最高各种算法对退化到...
  • 点击上方“3D视觉工坊”,选择“星标”干货第一时间送达今天分享的是:深度学习领域基于图像的三维物体重建最新方法及未来趋势综述。原文:Image-based 3D Object Recon...
  • ▼3.3 施密特正交化:寻找最佳投影在本章的前面两个小节里,我们通过向指定子空间进行投影,探索到了如何寻找“最近距离”的有效途径,通过理论分析和推导,成功得出了一组描述投影向量p和投影矩阵P的计算公式...
  • (3)正交变换与正交矩阵 (4)对称变换与对称矩阵 欧氏空间 欧氏空间即是实内积空间 定义:(1)欧氏空间:实数域上的 V 定义两向量到实数的映射 (x,y),满足交换律、分配率、齐次性、非负性,称为内积,V 称为内...
  • 施密特正交

    千次阅读 2021-07-31 09:40:02
    施密特正交化(Schmidt orthogonalization)是欧氏空间正交基的一种方法。从欧氏空间任意线性无关的向量组α1,α2,……,αm出发,求得正交向量组β1,β2,……,βm,使由α1,α2,……,αm与向量组β1,β2...
  • 基于图像的人脸三维重建在人脸分析与娱乐领域里有巨大的应用场景,同时它也可以用于提升人脸关键点检测,人脸识别,人脸编辑等很多任务。本文重点介绍其中基于3DMM模型的核心技术及其研究进展。 作者&编辑 | 言...
  • 参考资料:视觉SLAM十四讲 ...概念梳理 刚体在三维空间中的运动可以通过如下四种方式描述: 旋转矩阵,旋转向量,欧拉角和四元数。...假若,一个正交基的基向量的模长都是单位长度1,则称为正交基为标准正交基。 正交矩...
  • 本发明属于虚拟现实领域,具体涉及一种基于深度学习从单幅照片恢复出场景基本三维结构的方法,其为通过对单幅图像进行图像语义分割、目标去除、图像修复及图像翻折等一系列操作,实现三维场景重建的方法。...
  • 概要:三维坐标系的变换,实质上则是原点以及正交基向量的变化,在空间中表现为平移和旋转。 如图所示的坐标系变换,可以用一个变换矩阵来表示。 虽然原理也比较简单,但是大一学的线性代数已经有点忘记了。=////...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 4,753
精华内容 1,901
关键字:

求三维标准正交基