1. 正交(Orthogonality)
如果两个向量
和
的内积为0,我们说向量
和
正交。在二维平面中,两个向量正交就是它们的夹角为
。
如果矩阵
满足
,其中
是单位矩阵,则
是正交矩阵。
若
是正交矩阵,则有:
是正交矩阵;
的各行是单位向量且两两正交;
的各列是单位向量且两两正交;
;
- 若
是正交矩阵,则
也是正交矩阵;
2. 线性变换(Linear Transformation)
我们有一个对角矩阵
考虑平面上任意一点(x, y)经
线性变换后得到新的点
变换后的效果如下图所示,平面在水平方向上被拉伸了3倍,在垂直方向没有改变:
当
时,变换效果如下
如果我们将第1个网络旋转
,再做相同的线性变换,会有下面的效果
我们发现,旋转后的网格与原来的网格发生了相同的变化,都是在一个方向上拉伸了3倍。
上面的例子比较特殊,因为
是一个2x2的对称矩阵。事实上,对于任意的2x2的对称矩阵
,我们都可以通过把原始的网格旋转一定的角度,然后通过
做一个线性变换后,使其表现为一个方向或两个正交的方向上产生拉伸。
3. 特征值分解
更一般的,对于方阵
,如果存在标量
和非零列向量
,使得
则称向量
是方阵
的特征向量(eigenvector),而把
叫做方阵
的特征值(eigenvalue)。从几何学的角度讲,上式表示向量
在使用矩阵
进行变换后,只是发生了拉伸或收缩,而方向并没有改变。我们对上式做一个变换,可以得到
我们如果把
看作变量,则上式有非零解的充要条件是
通过解上述方程,可以得到方阵M的特征向量和特征值。
4. 奇异值分解
先看一个简单的例子,假设向量
和
是两个正交的单位向量,则
和
也正交
:
我们用向量
和
分别表示沿向量
和
方向的单位向量;
和
分别表示向量
和
的长度,则
和
分别分别描述了网格沿某个特定方向拉伸或收缩的数量,我们把
和
叫做矩阵
的奇异值(singular value)。因此我们有
对于任意向量
,由于
和
正交,可以得到
通常把
表示为
其中
的列向量是
;
是对角矩阵,对角线上的每一项分别是
对应的
;
的列向量是
。可以看到,奇异值分解把矩阵M分解为三个部分,
表示目标域中的一组正交基,
表示原始域中的一组正交基,
描述了
中的一组向量变换为
中的向量时拉伸或收缩的数量。
参考: