正交矩阵 Orthogonal Matrix

正交矩阵 Orthogonal Matrix

正交

1. 在线性代数中正交（orthogonal）这个词出现的频率非常多。正交说白了就是垂直。假设向量$x$和向量$y$正交，那它俩的点乘为零，可表示为:
   $$x^{T}y=x_1{y}_1+x_2{y}_2+...+x_n{y}_n=0$$

标准正交

2. 如果向量$x$与向量$y$的范数（L2 Norm）恰好为1， 也就是说向量$x,y$的模长为1，那么这两个向量叫做标准化正交(orthonormal)。
   $$\Vert x\Vert =\Vert y\Vert =1$$
   $$x^{T}x=\sqrt{x_1^2+x_2^2+...+x_n^2}=1$$

正交矩阵

3. 说了这么半天都是关于向量之间的特殊关系，终于要来定义什么是正交矩阵了，这里官方的定义的名字容易有点让人头晕，我先来用粗体字来表明正交矩阵的特征，正交矩阵是一个方形矩阵，也就是说，正交矩阵只能是行数等于列数的方形矩阵。正交矩阵的列相互标准化正交(orthonormal)。我一开始学的时候也被orthogonal和orthonormal这两个名字搞得有点不知道谁是谁。我觉得“正交矩阵”（orthogonal matrix）应该叫做“标准化正交矩阵”（orthonormal matrix）。总之一个列之间相互标准化正交的方形矩阵被叫做正交矩阵。这里挖个坑坑，先给出正交矩阵最重要的公式:
   $$Q^T=Q^{-1}\Rightarrow Q^{T}Q=Q{Q}^T=I$$
   先给两个反例，设想两个三维向量 q 1 ∈ R 3 ， q 2 ∈ R 3