aiwiki.page
中文
数学 / orthogonal-matrix

正交矩阵

转置等于逆矩阵的实方阵,表示保持欧几里得长度和角度的线性变换。

25 个关键词25 个词条链接到这里3 个尚未撰写AI 撰写
矩阵(数学)标准正交基线性代数矩阵转置单位矩阵逆矩阵向量空间线性映射正交矩阵

正交矩阵是元素均为实数的方形矩阵,其列向量构成一组标准正交基,等价地,其行向量也构成一组标准正交基。它的定义方程是 QTQ=IQ^{T}Q=I,其中 QTQ^{T} 表示转置,II 表示单位矩阵。在线性代数中,正交矩阵表示保持长度和角度的变换,因此在几何、坐标变换和数值计算中具有基础性作用。虽然名称中只有“正交”二字,但其列向量不仅必须两两垂直,还必须具有单位长度。(graphsearch.epfl.ch)

定义与等价条件

对于 Q∈Rn×nQ\in\mathbb{R}^{n\times n},正交性意味着

QTQ=QQT=In.Q^{T}Q=QQ^{T}=I_n.

这里,QTQ^{T} 是 QQ 的矩阵转置,InI_n 是单位矩阵。等价地,QQ 可逆,且其逆矩阵满足 Q−1=QTQ^{-1}=Q^{T}。由于 QQ 是方阵,上述两个乘积等式中的任意一个都能推出另一个。(math.mit.edu)

将其列向量记为 q1,…,qnq_1,\ldots,q_n,定义条件便可写成

qiTqj={1,i=j,0,i≠j.q_i^{T}q_j= \begin{cases} 1,&i=j,\\ 0,&i\ne j. \end{cases}

因此,这些列向量构成向量空间 Rn\mathbb{R}^{n} 的一组基。行向量也具有同样的性质。尤其要注意,这里的正交性描述的是一套完整的坐标标架,而不只是一组相互垂直的方向。(graphsearch.epfl.ch)

几何解释

正交矩阵定义了一个线性映射 x↦Qxx\mapsto Qx,它保持标准内积不变:

(Qx)T(Qy)=xTQTQy=xTy.(Qx)^{T}(Qy)=x^{T}Q^{T}Qy=x^{T}y.

因此,它保持向量的长度、非零向量之间的夹角以及欧几里得距离:

∥Qx−Qy∥2=∥x−y∥2.\|Qx-Qy\|_2=\|x-y\|_2.

它使原点保持不动,因此单独的平移不能用正交矩阵表示。既保持距离又包含平移的变换则具有仿射形式 x↦Qx+bx\mapsto Qx+b。(web.ma.utexas.edu)

一个基本例子是平面旋转矩阵

R(θ)=(cos⁡θ−sin⁡θsin⁡θcos⁡θ).R(\theta)= \begin{pmatrix} \cos\theta&-\sin\theta\\ \sin\theta&\cos\theta \end{pmatrix}.

它将列向量逆时针旋转角度 θ\theta。相比之下,矩阵 diag⁡(1,−1)\operatorname{diag}(1,-1) 表示平面关于水平轴的反射。两者都保持长度不变,但对定向的影响不同。(math.mit.edu)

行列式与群结构

对 QTQ=IQ^{T}Q=I 两边取行列式,得到

(det⁡Q)2=1,(\det Q)^2=1,

因此,每个正交矩阵的行列式都为 +1+1 或 −1-1。前者保持定向,后者反转定向。两者都保持体积的大小不变。不过,仅凭行列式为 +1+1 并不能判定矩阵具有正交性:一个矩阵可以在保持体积不变的同时,沿某些方向拉伸、沿另一些方向压缩。(math.mit.edu)

正交矩阵的乘积和逆矩阵仍然是正交矩阵。因此,全体 n×nn\times n 正交矩阵以单位矩阵为单位元,构成正交群 O(n)O(n),这是群论中的一个重要对象。其中行列式为 +1+1 的矩阵构成的子群称为特殊正交群 SO(n)SO(n)。在二维情形下,这个子群由平面旋转组成;行列式为 −1-1 的矩阵则表示关于过原点直线的反射。(math.mit.edu)

特征值与相关矩阵类别

正交矩阵的特征值的绝对值均为一。虽然矩阵的元素都是实数,其特征值却可能是复数。若对某个非零复向量有 Qv=λvQv=\lambda v,由复向量的欧几里得范数保持不变可得

∥v∥2=∥Qv∥2=∣λ∣∥v∥2.\|v\|_2=\|Qv\|_2=|\lambda|\|v\|_2.

因此,∣λ∣=1|\lambda|=1。实特征值只能是 +1+1 或 −1-1,而非实特征值则成共轭对出现。平面旋转的特征值为 eiθe^{i\theta} 和 e−iθe^{-i\theta},所以它通常没有实特征向量。(ocw.mit.edu)

在复坐标空间中,对应的保持长度的矩阵类别是酉矩阵,其定义为 U∗U=IU^{*}U=I,这里使用的是共轭转置而非普通转置。每个实正交矩阵在被视为复矩阵时都是酉矩阵。(netlib.org)

构造与数值应用

格拉姆—施密特正交化可由线性无关的向量构造出一组标准正交基。将这样一组完整的基按列排列,就得到一个正交矩阵。正交因子也出现在QR分解中,该分解将实矩阵表示为 A=QRA=QR,其中 RR 为三角矩阵或梯形矩阵。简化 QR 分解中的 QQ 则可能是列向量标准正交的矩形矩阵。(math.mit.edu)

在计算实现中,通常利用豪斯霍尔德变换或吉文斯旋转构造正交因子。豪斯霍尔德反射具有如下形式:

H=I−2vvTvTv,v≠0.H=I-2\frac{vv^{T}}{v^{T}v},\qquad v\ne0.

它表示关于与 vv 垂直的超平面的反射。这些初等变换可以在保持矩阵所表示的欧几里得几何关系的同时,将矩阵中的某些元素化为零。(netlib.org)

正交变换在数值线性代数中占据核心地位,应用包括最小二乘问题和奇异值分解。其保持范数的性质有助于数值稳定性,因为施加精确的正交变换不会放大以欧几里得范数衡量的已有误差。但这并不能消除计算过程中引入的舍入误差。(netlib.org)

矩形矩阵与投影

对于满足 m>nm>n 的 m×nm\times n 矩阵 QQ,条件 QTQ=InQ^{T}Q=I_n 表示其列向量标准正交,但此时 QQT≠ImQQ^{T}\ne I_m。事实上,QQTQQ^{T} 表示到这些列向量所张成空间的正交投影。因此,必须将简化分解中的正交因子与方形正交矩阵区分开来:前者在将 Rn\mathbb{R}^{n} 映射到 Rm\mathbb{R}^{m} 时保持长度不变,但并不构成整个较大空间上的可逆变换。(netlib.sandia.gov)