【线性代数】正交投影

简介:        我们在初中就应该学过投影,那么什么是投影呢?形象点说,就是将你需要投影的东西上的每一点向你要投影的平面作垂线,垂线与平面的交点的集合就是你的投影。
       我们在初中就应该学过投影,那么什么是投影呢?形象点说,就是将你需要投影的东西上的每一点向你要投影的平面作垂线,垂线与平面的交点的集合就是你的投影。注意这里我们的投影是向量的投影,几何的投影(并不一定是垂直投影的)可见度娘百科。同样的,我们从简单的二维投影来开始讨论。

   1、二维投影


上图表示的是,向量b在向量a上的投影。显然有如下表达式:


其中,P为投影矩阵,由P的表达式可以看出,它具有如下性质:


2、三维投影

       三维投影,就是将一个向量投影到一个平面上。同上面一样,假设是将b向量投影到平面上的p向量,则有表达式:

e是垂直与平面的向量。由于p向量在平面上,则p向量可以由该平面的2个线性无关向量(正如,在xy平面的任何向量都可以由x轴,y轴表示)表示:

由于e垂直平面,则e向量垂直与平面中的任意向量,则有:


将上式化简求得x:


又因为p=Ax,Pb=p,则得到投影矩阵为:


由P的表达式可以看出,它具有如下性质:


上面的投影矩阵是通式,当投影在一维情况时,A即为直线上的任意一个向量a,投影矩阵为:


注意:一个数值的逆是它的倒数。

3、举例说明

下面以一个实例来说明:

如上图,假设我们要将向量b投影到水平面上,其投影为p,a1,a2为水平面的两个线性无关向量,它们的参数分别为:


那么A=[a1 a2]即:


由上面我们求得的通式,可得投影矩阵P:


知道投影矩阵P后,我们可以得到b在水平面上的投影p为:


显然,p与我们图中所示的结果相同。这里我们是以三维情况进行举例的,更高维情况,我们无法用图像来描述,但是通式也是成立的。

三维图的matlab程序如下:

clear all
clc
 
a1=[1 0 0];
a2=[0 1 0];
b=[1 1 1];
p=[1 1 0];
e=b-p;
quiver3(0,0,0,a1(1),a1(2),a1(3),1,'color','r')
hold on
quiver3(0,0,0,a2(1),a2(2),a2(3),1,'color','r')
hold on
quiver3(0,0,0,b(1),b(2),b(3),1,'color','g')
hold on
quiver3(0,0,0,p(1),p(2),p(3),1,'color','g')
hold on
quiver3(p(1),p(2),p(3),e(1),e(2),e(3),1,'color','b')

原文:http://blog.csdn.net/tengweitw/article/details/41174555

作者:nineheadedbird




目录
相关文章
|
5月前
线性代数介绍和矩阵运算
线性代数介绍和矩阵运算
|
4月前
|
C++
C++解决线性代数矩阵转置 小实践
【6月更文挑战第3天】C++解决线性代数矩阵转置
45 2
|
人工智能 索引
|
人工智能 Python
学习笔记: 线性代数-线性系统
线性代数个人学习笔记
134 0
|
机器学习/深度学习 人工智能 数据可视化
学习笔记: 线性代数-行列式
线性代数个人学习笔记
135 0
学习笔记: 线性代数-矩阵对角化
线性代数个人学习笔记
103 0
|
机器学习/深度学习 算法 图形学
矩阵和线性代数的应用
矩阵和线性代数是数学中重要的概念,它们被广泛应用于物理、工程、计算机科学、经济学等众多领域。本文将讨论矩阵和线性代数的一些基本概念以及它们在实际应用中的重要性和影响。
279 0