python 施密特标准正交化 + 判断矩阵是否正交（亲测！）-Toy模板网

这篇具有很好参考价值的文章主要介绍了python 施密特标准正交化 + 判断矩阵是否正交（亲测！）。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

【线性代数】标准正交矩阵与Gram-Schmidt正交化_nineheaded_bird的博客-CSDN博客_标准正交矩阵

什么是施密特标准正交化？

标准正交向量组定义：任一向量的模为1（向量标准化），且任意两个向量的乘积为0（向量正交化），可通过施密特标准正交化实现。

线性无关向量组未必是正交向量组，但正交向量组又是重要的！如何从一个线性无关向量组出发，构造出一个标准正交向量组，并且使向量组和等价呢？那就是通过施密特(标准)正交化方法实现！

施密特(标准)正交化(Schmidt orthogonalization): 是求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出发，求得正交向量组，使由与向量组等价，再将正交向量组中每个向量经过单位化，就得到一个标准正交向量组，这种方法称为施密特正交化。

python矩阵正交化,算法,人工智能

施密特正交化的python实现

python3 的 sympy 包实现了GramSchmidt （施密特正交化）方法如下：

from sympy.matrices import Matrix, GramSchmidt
l = [Matrix([3,2,-1]), Matrix([1,3,2]), Matrix([4,1,0])]
# 注意：将数据转为Matrix格式，否则调用GramSchmidt函数会报错！
# 返回未单位化结果
o1 = GramSchmidt(l) # 注意：orthonormal默认为False，不执行单位化操作
print(o1)
# 返回单位化结果
o2 = GramSchmidt(l,orthonormal=True) # 注意：orthonormal设为True，执行单位化操作
print(o2)

计算结果如下：

# 未单位化结果
[Matrix([
 [ 3],
 [ 2],
 [-1]]),
 Matrix([
 [-1/2],
 [   2],
 [ 5/2]]),
 Matrix([
 [ 1],
 [-1],
 [ 1]])]
# 单位化结果
[Matrix([
 [3*sqrt(14)/14],
 [   sqrt(14)/7],
 [ -sqrt(14)/14]]),
 Matrix([
 [ -sqrt(42)/42],
 [2*sqrt(42)/21],
 [5*sqrt(42)/42]]),
 Matrix([
 [ sqrt(3)/3],
 [-sqrt(3)/3],
 [ sqrt(3)/3]])]

sympy.Matrix 与 Numpy 的互操作：

from sympy.matrices import Matrix, GramSchmidt
l = [Matrix([3,2,-1]), Matrix([1,3,2]), Matrix([4,1,0])]
# 返回单位化结果
o2 = GramSchmidt(l,orthonormal=True) # 注意：orthonormal设为True，执行单位化操作
m = np.array(o2)
# 内积计算，验证施密特正交化结果
print('任意两向量乘积为：',(m[0] * m[1]).sum())
print('任一向量的模为：',(m[1] * m[1]).sum())

判断矩阵是否正交

如果（E为单位矩阵，AT表示“矩阵A的转置矩阵”。）或，则n阶实矩阵A称为正交矩阵.文章来源地址https://www.toymoban.com/news/detail-780288.html

import numpy as np
rot_matrix = np.asarray([[ 0., -1.,  0.],
       [ 1.,  0.,  0.],
       [ 0.,  0.,  1.]])
# 判断矩阵是否正交
print(rot_matrix @ rot_matrix.T) # 方法1
print(np.dot(rot_matrix,rot_matrix.T)) # 方法2

#输出结果：
#[[1. 0. 0.]
# [0. 1. 0.]
# [0. 0. 1.]]

#[[1. 0. 0.]
# [0. 1. 0.]
# [0. 0. 1.]]

到了这里，关于python 施密特标准正交化 + 判断矩阵是否正交（亲测！）的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！