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:
-
A的转置矩阵也是正交矩阵
-
A A T = A T A = E AA^T=A^TA=E AAT=ATA=E (E为单位矩阵)
-
A的各行是单位向量且两两正交
-
A的各列是单位向量且两两正交
-
(Ax,Ay)=(x,y) x,y∈R
-
|A| = 1或-1
-
A T = A − 1 A^T=A^{-1} AT=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)