线性代数|正交矩阵与正交变换

前置性质 1  ∣ A B ∣ = ∣ A ∣ ∣ B ∣ |\boldsymbol{A} \boldsymbol{B}| = |\boldsymbol{A}| |\boldsymbol{B}| AB=A∣∣B

证明见 “矩阵的运算规则”。

前置性质 2  ∣ A T ∣ = ∣ A ∣ |\boldsymbol{A}^T| = |\boldsymbol{A}| AT=A

证明见 “矩阵的运算规则”。


定义 1(正交矩阵) 如果 n n n 阶矩阵 A \boldsymbol{A} A 满足
A T A = E (即 A − 1 = A T ) (1) \boldsymbol{A}^T \boldsymbol{A} = \boldsymbol{E} \hspace{1em} (即 \boldsymbol{A}^{-1} = \boldsymbol{A}^T) \tag{1} ATA=E(即A1=AT(1)
那么称 A \boldsymbol{A} A正交矩阵,简称 正交阵

性质 1 方阵 A \boldsymbol{A} A 为正交矩阵的充分必要条件是 A \boldsymbol{A} A 的列向量都是单位向量,且两两正交。

证明 将式 ( 1 ) (1) (1) A \boldsymbol{A} A 的列向量表示,即是
( a 1 T a 2 T ⋮ a n T ) ( a 1 , a 2 , ⋯   , a n ) = E \begin{pmatrix} \boldsymbol{a}_1^T \\ \boldsymbol{a}_2^T \\ \vdots \\ \boldsymbol{a}_n^T \\ \end{pmatrix} (\boldsymbol{a}_1, \boldsymbol{a}_2, \cdots, \boldsymbol{a}_n \\) = \boldsymbol{E} a1Ta2TanT (a1,a2,,an)=E
也就是 n 2 n^2 n2 个关系式
a i T a j = { 1 ,  当 i = j 0 ,  当 i ≠ j ( i , j = 1 , 2 , ⋯   , n ) \boldsymbol{a}^T_i \boldsymbol{a}_j = \begin{cases} 1, \ 当 i = j \\ 0, \ 当 i \ne j \end{cases} \hspace{1em} (i,j=1,2,\cdots,n) aiTaj={1, i=j0, i=j(i,j=1,2,,n)
A \boldsymbol{A} A 的列向量都是单位向量,且两两正交。

性质 2 方阵 A \boldsymbol{A} A 为正交矩阵的充分必要条件是 A \boldsymbol{A} A 的行向量都是单位向量,且两两正交。

证明 因为 ( A A T ) T = A T A = E (\boldsymbol{A} \boldsymbol{A}^T)^T = \boldsymbol{A}^T \boldsymbol{A} = \boldsymbol{E} (AAT)T=ATA=E,所以 A A T = E \boldsymbol{A} \boldsymbol{A}^T = \boldsymbol{E} AAT=E。类似性质 1 可证性质 1 对于行向量仍然成立。

由此可见, n n n 阶正交矩阵 A \boldsymbol{A} A n n n 个列(行)向量是构成向量空间 R n \R^n Rn 的一个标准正交基。

性质 3 若 A \boldsymbol{A} A 为正交矩阵,则 A − 1 = A T \boldsymbol{A}^{-1} = \boldsymbol{A}^T A1=AT 也是正交矩阵。

证明 因为 ( A A T ) T = A T A = E (\boldsymbol{A} \boldsymbol{A}^T)^T = \boldsymbol{A}^T \boldsymbol{A} = \boldsymbol{E} (AAT)T=ATA=E,所以 A A T = E \boldsymbol{A} \boldsymbol{A}^T = \boldsymbol{E} AAT=E,从而 A − 1 = A T \boldsymbol{A}^{-1} = \boldsymbol{A}^T A1=AT 也是正交矩阵。

性质 4 若 A \boldsymbol{A} A 为正交矩阵,则 ∣ A ∣ = 1 |\boldsymbol{A}| = 1 A=1 − 1 -1 1

证明 因为 A T A = E \boldsymbol{A}^T \boldsymbol{A} = \boldsymbol{E} ATA=E,所以 ∣ A T A ∣ = ∣ E ∣ |\boldsymbol{A}^T \boldsymbol{A}| = |\boldsymbol{E}| ATA=E;根据前置性质 1,有 ∣ A T ∣ ∣ A ∣ = ∣ E ∣ |\boldsymbol{A}^T| |\boldsymbol{A}| = |\boldsymbol{E}| AT∣∣A=E;根据前置性质 2,有 ∣ A ∣ 2 = ∣ E ∣ = 1 |\boldsymbol{A}|^2 = |\boldsymbol{E}| = 1 A2=E=1,从而有 ∣ A ∣ = 1 |\boldsymbol{A}| = 1 A=1 − 1 -1 1。得证。

性质 5 若 A \boldsymbol{A} A B \boldsymbol{B} B 都是正交矩阵,则 A B \boldsymbol{A} \boldsymbol{B} AB 也是正交矩阵。

证明 因为 A \boldsymbol{A} A B \boldsymbol{B} B 是正交矩阵,所以有 A − 1 = A T \boldsymbol{A}^{-1} = \boldsymbol{A}^T A1=AT B − 1 = B T \boldsymbol{B}^{-1} = \boldsymbol{B}^T B1=BT。根据两式,有
( A B ) − 1 = B − 1 A − 1 = B T A T = ( A B ) T (\boldsymbol{A} \boldsymbol{B})^{-1} = \boldsymbol{B}^{-1} \boldsymbol{A}^{-1} = \boldsymbol{B}^T \boldsymbol{A}^T = (\boldsymbol{A} \boldsymbol{B})^T (AB)1=B1A1=BTAT=(AB)T
因此 A B \boldsymbol{A} \boldsymbol{B} AB 是正交矩阵。得证。

定义 2(正交变换) 若 P \boldsymbol{P} P 为正交矩阵,则线性变换 y = P x \boldsymbol{y} = \boldsymbol{P} \boldsymbol{x} y=Px 称为 正交变换

性质 6 设 y = P x \boldsymbol{y} = \boldsymbol{P} \boldsymbol{x} y=Px 为正交变换,则有 ∣ ∣ y ∣ ∣ = ∣ ∣ x ∣ ∣ ||\boldsymbol{y}|| = ||\boldsymbol{x}|| ∣∣y∣∣=∣∣x∣∣

证明  ∣ ∣ y ∣ ∣ = y T y = x T P T P x = x T x = ∣ ∣ x ∣ ∣ ||\boldsymbol{y}|| = \sqrt{\boldsymbol{y}^T \boldsymbol{y}} = \sqrt{\boldsymbol{x}^T \boldsymbol{P}^T \boldsymbol{P} \boldsymbol{x}} = \sqrt{\boldsymbol{x}^T \boldsymbol{x}} = ||\boldsymbol{x}|| ∣∣y∣∣=yTy =xTPTPx =xTx =∣∣x∣∣。得证。

由于 ∣ ∣ x ∣ ∣ ||\boldsymbol{x}|| ∣∣x∣∣ 表示向量的长度,相当于线段的长度,因此 ∣ ∣ y ∣ ∣ = ∣ ∣ x ∣ ∣ ||\boldsymbol{y}|| = ||\boldsymbol{x}|| ∣∣y∣∣=∣∣x∣∣ 说明经正交变换线段长度保持不变。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

长行

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值