正交向量组

1.正交向量组

链接：https://blog.csdn.net/u012421852/article/details/80475497
直接给定义：欧式空间V的一组非零向量，如果他们俩俩向量正交，则称是一个正交向量组。

（1）正交向量组 是 线性无关的

（2）n维欧式空间中俩俩正交的非零向量不会超过n个，即n维欧式空间中一个正交向量组最多n个向量

2.正交基

在n维欧式空间中，由n个非零向量组成的正交向量组称为正交基

3.标准正交基

在n维欧式空间中，由n个单位向量组成的正交向量组称为标准正交基

比如3维欧式空间中，

(1,0,0)、(0,1,0)、(0,0,1)是一个正交向量组，因为他们俩俩向量正交

(1,0,0)、(0,1,0)、(0,0,1)是一个正交基，因为此正交向量组由n个非零向量组成

(1,0,0)、(0,1,0)、(0,0,1)是一个标准正交基，因为每个向量都是单位向量

4.单位矩阵

如果一个矩阵满足一下几个条件，它就是一个单位矩阵，记作E或者I:

（1）是一个方阵

（2）主对角线上的元素都是1（主对角线是从左上到右下的对角线）

（3）除了主对角线，其他位置的元素都是0

如下就是一个3阶单位矩阵

[[1 0 0]
[0 1 0]
[0 0 1]]

4.正交矩阵

The orthogonal matrix，正交矩阵，如果一个矩阵满足以下几个条件，则此矩阵就是正交矩阵：

（1）是一个方阵

（2）和自己的转置矩阵的矩阵乘积 = 单位矩阵E

如果A为一个正交矩阵，则A满足以下条件：

1. A的转置矩阵也是正交矩阵

2. $A{A}^T=A^{T}A=E$ （E为单位矩阵）

3. A的各行是单位向量且两两正交

4. A的各列是单位向量且两两正交

5. (Ax,Ay)=(x,y) x,y∈R

6. |A| = 1或-1

7. $A^T=A^{-1}$，A的转置矩阵等于A的逆矩阵

5.正交变换

内积定义：u，v的内积=|u||v|cos<u,v>

在线性代数中，正交变换是线性变换的一种，它从实内积空间V映射到V自身，且保证变换前后内积不变。

因为向量的模长与夹角都是用内积定义的，所以正交变换前后一对向量各自的模长和他们的夹角都不变。

特别地：标准正交基经正交变换后仍为标准正交基。

欧式空间V中的正交变换只包含：

（1）旋转

（2）反射

（3）旋转+反射的组合（即瑕旋转）