空间正交和向量投影

4个子空间:

  1. 行空间,0空间
  2. 列空间,A转置的0空间。

什么是正交向量?两个向量夹角是90度。

直角意味着:x + y 所得到的新向量 = x + y

|x|^2 + |y|^2 = |x+y|^2

怎么证明呢?

x’*x + y’*y = (x+y)’*(x+y)

= (x’+y’)*(x+y)

=x*x’ + y*y’+x’*y+x*y’

推出x‘*y=0

所以x与y垂直。

subspace,子空间。子空间正交是指,S中的任意向量与T中任意向量正交。

竖着的墙面和地面并不正交,因为他们有一条交线。两个空间如果正交,只能相交于0点。所以行空间和0空间是正交的。因为AX=0,其中A是行空间,X是0空间的向量。

而且他们的基的个数加起来恰好等于n,所以他们是互补的。

-----------

再看两个两个向量正交的例子:

其中a和b是两个向量,x是一个数字,x*a是b在a上的投影。

可以得到a’* ( b – x * a) = 0

进而得到 a’*b – a’*x*a=0由于x是常数,所以

a’ * b = a’*a*x

两边同时乘 1/a *1/a’,注意到a和a’的顺序颠倒了。

得到x = a’*b/(a*a’)。

时间: 2024-10-12 18:47:27

空间正交和向量投影的相关文章

投影矩阵与正交化向量的实现

因为我这里的帖子基本上是写给自己回忆的,所以原理公式什么的就没写出来了,想了解的同学可以去看网易公开课的线性代数关于投影和正交矩阵那几集 我这里给出来matlab代码,大家如果有题目要做,直接将相应的矩阵输入进去就行 function [ Xnew , Projection_Matrix] = ProJectin(Xold, Xbasis) %Xold是要投影的列向量 %Xbasis是投影空间的一组基 %Projection_Matrix是求得的投影矩阵 %Xnew 是求得的正交化向量,也就是与

漫步线性代数十六——投影和最小二乘

目前为止,我们已经知道Ax=b要么有解要么无解,如果b 不在列空间C(A) 里,那么这个系统就是矛盾的,高斯消元法就会失败.当有几个方程和一个未知量时失败完全可以确定: 2x3x4x===b1b2b3 当b1,b2,b3的比率是2:3:4时,上面的方程组才可解,也就是说只有b 和列a=(2,3,4)在一条直线上时x才会存在. 尽管他们无解,可是他们在实际中经常出现,他们必须有解!一种可能是用系统的一部分来确定x,其余部分忽略:如果所有的m个方程来源一样,这种方法就不合理.我们放弃这种一些方程没误

转载+整理 - 计算机图形学 - 模型视图矩阵和投影矩阵

出处:http://blog.csdn.net/qb371/article/details/8650094 根据原文,我将其中关于模型视矩阵和投影矩阵的比较重要的知识整理出来再加工一下,如果有什么地方看得不适合明白的话还是去看一下原文吧. 模型矩阵 我们必须考虑,当空间中点的位置会发生变化的时候,其坐标如何变化.考虑三种基本的变换:平移.旋转和缩放. “变换”的含义就是,将点的初始位置的坐标P映射到平移.旋转.缩放后的位置坐标P’,即: 平移变换是最简单的变换: 旋转变换有一些复杂,先看在二维平

转载——子空间投影的角度理解最小二乘

本文是Gilbert Strang的线性代数导论课程笔记.课程地址:http://v.163.com/special/opencourse/daishu.html 第十五课时:子空间投影 教授说要让这讲名垂青史,想必此讲是重中之重吧.讲投影.怎样投影,为什么要投影到其他子空间. 从一个简单例子看: 向量b到向量a的最短距离,b在a上的投影是p,a垂直于e,e就像误差e=b-p,p是a的某个倍数x,p=xa,它在a的一维子空间里,可得到一个方程,求解x,方程为:aT(b - xa) = 0.   

谈谈我对投影的理解

投影的数学意义 A projection is the transformation of points and lines in one plane onto another plane by connecting corresponding points on the two planes with parallel lines. 投影的概念很简单,就是投射的影子.好比黑暗屋子有一处光,投到你伟岸的身躯,墙上必然会有影子,这个影子就是你的身体对应这面墙的投影. 如上图, 求向量y到平面W的最

3.2 一般的哈尔空间Vj

例3.2给予我们继续往下面做的动力.很明显的我们对于g(t)的逼近还是太粗糙了.很自然的,我们会想到,如果继续细分我们的短点,比如每1/2取一个值,甚至每1/4取一个值,那么就会有更好的逼近效果. 不同分辨率的分段常函数 有没有一种能在“半整数”点和整数点间断的常整数分段函数?我们可以采用与这个类似的处于V0空间里的函数进行描述.对从门函数引出的Φ(t)进行缩放便可以达到我们的目的 可以看出,这个函数的支撑集是[0,1/2),那么对它进行尺度变换之后的函数是什么样子呢?由于.从高中的平移知识不难

(数学)最小二乘的几何意义及投影矩阵

主要内容: 什么是最小二乘 最小二乘的几何意义 正交投影矩阵 什么是最小二乘? 假设我们手上有n组成对的数据,{(xi,yi):i=1…n},为了探究y变量与x变量的关系,我们希望用一个多项式来匹配它,可是多项式中的系数怎么确定呢?拿来拼凑肯定是不行的,最小二乘法告诉我们,这个多项式的系数应该让每个点的误差的平方之和最小. (百度百科)最小二乘法(又称最小平方法)是一种数学优化技术.它通过最小化误差的平方和寻找数据的最佳函数匹配.利用最小二乘法可以简便地求得未知的数据,并使得这些求得的数据与实际

矩阵的四个子空间

对于任意一个矩阵A m×n,那么这个矩阵存在四个子空间: Column space, 记作 C(A). 矩阵A的列空间就是A的任意列向量的线性组合.可以看出矩阵列空间是属于Rm, 用数学的表达方式就是 C(A) = { v | v = Ax, where x is any vector of Rn } Null space of A,记作Ν(A),任意和矩阵相乘为0的向量(那些右乘A为0的向量就组成矩阵A的零空间向量,Ax=0的x),可以看出矩阵的零空间是属于Rn , 用数学的表达方式就是 N(

OpenGL教程翻译 第十三课 相机空间

OpenGL教程翻译 第十三课 相机空间 原文地址:http://ogldev.atspace.co.uk/(源码请从原文主页下载) Background 在上几节中我们看见两种类型的顶点变换.第一种类型的变换是改变对象的位置(平移),旋转,尺寸(放缩).这些变换允许我们在3D世界中把一个对象放在任何位置.第二种类型的变换是透视投影变换,把在3D世界坐标系下的顶点位置投影到2D世界坐标系下(比如一架飞机).一旦坐标变换为2D坐标,那么非常容易将这些2D坐标映射到屏幕空间坐标.这些坐标实际上被用来