打开主菜单
首页
随机
登录
设置
关于集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
免责声明
集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
搜索
更改
←上一编辑
下一编辑→
正交归一化
(查看源代码)
2024年12月22日 (日) 15:33的版本
删除3字节
、
昨天15:33
无编辑摘要
第9行:
第9行:
保持第一个向量不变:<math>u_1 = v_1</math>
保持第一个向量不变:<math>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:
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>u_2 = v_2 - \text{proj}{u_1}(v_2)</math>
+
* <math>u_2 = v_2 - \text{proj}{u_1}(v_2)</math>
−
*
* <math>u_3 = v_3 - \text{proj}{u_1}(v_3) - \text{proj}_{u_2}(v_3)</math>
+
* <math>u_3 = v_3 - \text{proj}{u_1}(v_3) - \text{proj}_{u_2}(v_3)</math>
−
*
* 以此类推
+
* 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:
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>e_i = \frac{u_i}{|u_i|}</math>
:<math>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>{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。
经过这两个步骤,我们就得到了一组标准正交基<math>{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。
相信未来
2,981
个编辑