“正交归一化”的版本间的差异

来自集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
跳到导航 跳到搜索
(建立内容为“在线性代数中,如果内积空间中的两个向量既是单位向量又相互正交,我们就称这两个向量是标准正交的。所谓单位向量,…”的新页面)
(没有差异)

2024年12月22日 (日) 15:33的版本

在线性代数中,如果内积空间中的两个向量既是单位向量又相互正交,我们就称这两个向量是标准正交的。所谓单位向量,就是长度为1的向量,我们也称之为规范化向量。而所谓正交,则是指这些向量彼此垂直。

当一组向量中的所有向量都相互正交,并且每个向量都是单位向量时,我们就说这组向量构成了一个标准正交集。特别地,如果这样的标准正交集恰好构成一组基底,我们就称之为标准正交基(或规范正交基)。

为了将一组线性无关的向量转化为标准正交基,我们可以使用正交归一化过程,最常用的方法是格拉姆-施密特正交化法(Gram-Schmidt process)。这个过程分为两个步骤:正交化和归一化。

首先进行正交化。假设我们有一组线性无关的向量[math]\displaystyle{ {v_1, v_2, ..., v_n} }[/math],我们可以通过以下步骤将其转化为正交向量组[math]\displaystyle{ {u_1, u_2, ..., u_n} }[/math]

保持第一个向量不变:[math]\displaystyle{ u_1 = v_1 }[/math] 对于后续的每个向量,减去它在之前所有正交向量上的投影:

    • [math]\displaystyle{ u_2 = v_2 - \text{proj}{u_1}(v_2) }[/math]
    • [math]\displaystyle{ u_3 = v_3 - \text{proj}{u_1}(v_3) - \text{proj}_{u_2}(v_3) }[/math]
    • 以此类推

然后进行归一化。将每个正交向量除以其长度,得到单位向量:

[math]\displaystyle{ e_i = \frac{u_i}{|u_i|} }[/math]

经过这两个步骤,我们就得到了一组标准正交基[math]\displaystyle{ {e_1, e_2, ..., e_n} }[/math]。这组基保持了原向量组张成的空间不变,同时具有良好的正交性质,在许多计算和应用中都非常有用。