论文_正交矩阵

合集下载

数学与应用数学毕业论文——正交矩阵及其应用

数学与应用数学毕业论文——正交矩阵及其应用

本科生毕业设计(论文)正交矩阵及其应用学院:专业:数学与应用数学学号:学生姓名:指导教师:二〇一一年六月摘要如果n阶实矩阵A满足,那么称A为正交矩阵.正交矩阵是由内积引出的.本文例举了正交矩阵在线性代数、化学和物理中的三个应用.在线性代数中,求标准正交基一般用Schimidt正交化方法.本文论证了一种特殊的正交矩阵——初等旋转矩阵——也可以求任一向量空间的标准正交基,并通过实例说明此方法的应用.在化学上,原子轨道的杂化,实际是由一组相互正交的单位基向量,通过线性变换转化为另一组相互正交的单位基向量.而线性代数中由一组标准正交基到另一组标准正交基的过渡矩阵是正交矩阵,因此可以利用正交矩阵的性质求原子轨道的杂化轨道式.在物理上,任一刚体运动都对应一个正交矩阵,本文证明了曲线作刚体运动时曲率和挠率是两个不变量.关键词:正交矩阵;初等旋转矩阵;标准正交基;原子轨道的杂化;曲率;挠率AbstractOrthogonal matrices and its applicationsIf a-dimensional real matrixsatisfies,we call it orthogonal matrix. Orthogonal matrix is extracted by inner product.This paper enumerats the applications of orthogonal matrix inlinear algebra, chemistry, and physics. Schimidt method is always used to find the standard orthogonal basis in linear algebra. A special kind of orthogonal matrix, namely elementary rotational matrix, is established to find the standard orthogonal basis in this paper. The orbital atom heterozygous is actually made by a team of mutually orthogonal unit basis vector, through linear transformation into another group of mutually orthogonal unit basis in linear algebra. Thetransition matrix of a group of standard orgthogonal basis to another group of standard orthogonal basis is an orthogonal matrix. Therefore, properties of orthogonal basis can be used to find the orbital atom heterozygous. In physics, any rigid motion corresponds with anorthogonal matrix. The curvature and torsion rate are proved to be two invariants when a curve is in rigid motion.Keywords:Orthogonal matrix; Elementary rotation matrix; Standard orthogonal basis; The orbital atom heterozygous; Curvature;Torsion rate目录1.引言 12.正交矩阵的基本知识 32.1正交矩阵的定义与判定 32.2 正交矩阵的性质 33.正交矩阵的应用 53.1 正交矩阵在线性代数中的应用 53.2正交矩阵在化学中的应用 113.3正交矩阵在物理学中的应用 14参考文献 18致谢 19正交矩阵及其应用姓名:学号:班级:1.引言因为行列式要求行数等于列数,排成的表总是正方形的,通过对它的研究又发现了矩阵的理论.矩阵也是由数排成行和列的数表,可以行数和烈数相等也可以不等.矩阵和行列式是两个完全不同的概念,行列式代表着一个数,而矩阵仅仅是一些数的有顺序的摆法.利用矩阵这个工具,可以把线性方程组中的系数组成向量空间中的向量;这样对于一个多元线性方程组的解的情况,以及不同解之间的关系等等一系列理论上的问题,就都可以得到彻底的解决.矩阵是数学中的一个重要的基本概念,是代数学的一个主要研究对象,也是数学研究和应用的一个重要工具.“矩阵”这个词是由西尔维斯特首先使用的,他是为了将数字的矩形阵列区别于行列式而发明了这个述语.而实际上,矩阵这个课题在诞生之前就已经发展的很好了.从行列式的大量工作中明显的表现出来,为了很多目的,不管行列式的值是否与问题有关,方阵本身都可以研究和使用,矩阵的许多基本性质也是在行列式的发展中建立起来的.在逻辑上,矩阵的概念应先于行列式的概念,然而在历史上次序正好相反.凯莱先把矩阵作为一个独立的数学概念提出来,同研究线性变换下的不变量相结合,首先引进矩阵以简化记号并发表了关于这个题目的一系列文章.1858年,他发表了关于这一课题的第一篇论文《矩阵论的研究报告》,系统地阐述了关于矩阵的理论.文中他定义了矩阵的相等、矩阵的运算法则、矩阵的转置以及矩阵的逆等一系列基本概念,指出了矩阵加法的可交换性与可结合性.另外,凯莱还给出了方阵的特征方程和特征根(特征值)以及有关矩阵的一些基本结果.凯莱出生于一个古老而有才能的英国家庭,剑桥大学三一学院大学毕业后留校讲授数学,三年后他转从律师职业,工作卓有成效,并利用业余时间研究数学,发表了大量的数学论文.1855年,埃米特(C.Hermite,1822~1901)证明了别的数学家发现的一些矩阵类的特征根的特殊性质,如现在称为埃米特矩阵的特征根性质等.后来,克莱伯施(A.Clebsch,1831.1872)、布克海姆(A.Buchheim)等证明了对称矩阵的特征根性质.泰伯(H.Taber)引入矩阵的迹的概念并给出了一些有关的结论.在矩阵论的发展史上,弗罗伯纽斯(G.Frobenius,1849~1917)的贡献是不可磨灭的.他讨论了最小多项式问题,引进了矩阵的秩、不变因子和初等因子、正交矩阵、矩阵的相似变换、合同矩阵等概念,以合乎逻辑的形式整理了不变因子和初等因子的理论,并讨论了正交矩阵与合同矩阵的一些重要性质.1854年,约当研究了矩阵化为标准型的问题.1892年,梅茨勒(H.Metzler)引进了矩阵的超越函数概念并将其写成矩阵的幂级数的形式.傅立叶、西尔和庞加莱的著作中还讨论了无限阶矩阵问题,这主要是适用方程发展的需要而开始的.矩阵本身所具有的性质依赖于元素的性质,矩阵由最初作为一种工具经过两个多世纪的发展,现在已成为独立的一门数学分支——矩阵论.而矩阵论又可分为矩阵方程论、矩阵分解论和广义逆矩阵论等矩阵的现代理论.矩阵的应用是多方面的,不仅在数学领域里,而且在化学、力学、物理、科技等方面都十分广泛的应用.本文主要介绍正交矩阵与其应用.我们把阶实数矩阵满足,称为正交矩阵.尽管我们在这里只考虑实数矩阵,但这个定义可用于其元素来自任何域的矩阵.正交矩阵是由内积自然引出的,要看出其与内积的联系,考虑在维实数内积空间中的关于正交基写出的向量.的长度的平方是.如果矩阵形式为的线性变换保持了向量长度,所以有限维线性等距同构,比如旋转、反射和它们的组合,都产生正交矩阵.本文例举了正交矩阵在线性代数、化学和物理中的三大应用.其中,在线性代数中,求标准正交基除了用Schimidt正交化方法外,本文论证了正交矩阵的其中一种矩阵...初等旋转矩阵也可以求任一矩阵的标准正交基,此法用实例与Schimidt 正交化方法对比;在化学上,根据原子轨道的杂化理论,杂化的原子都有其轨道杂化式,对于形成对阵的原子轨道杂化,利用正交矩阵的性质可以求解该原子杂化轨道的杂化轨道式;在物理上,任一刚体运动都对应一个正交矩阵, 三维空间一条曲线经过刚体运动,其曲率和挠率是不变的,本文考察了曲线做刚体运动时的不变量——曲率和挠率.2.正交矩阵的基本知识本节中在没有特别说明的情况下,都表示为正交矩阵,记矩阵的秩为,与为矩阵的第列与第列,表示矩阵的第行.表示行列式的值即=.2.1正交矩阵的定义与判定定义2.1.1[3]阶实数矩阵满足(或,或),则称为正交矩阵.判定2.1.2 矩阵是正交矩阵;判定2.1.3 矩阵是正交矩阵;判定2.1.4 矩阵是正交矩阵;备注:判定一个是方阵是否为正交矩阵往往用定义,即(或,或),也可以验证的行向量或列向量是否是两两正交的单位向量.当已知的正交矩阵求证其他的结论时,要用正交矩阵的定义及有关性质2.2 正交矩阵的性质若是正交矩阵,则有以下性质([3]):性质2.2.5,则可逆,且其逆也为正交矩阵.证明显然.所以也是正交矩阵.性质2.2.6,,也是正交矩阵, 即有:(1)当时,, 即;(2)当时,, 即证明若是正交矩阵,, 由性质2.2.5,为正交矩阵.因为,所以,当时,, 即;当时., 即.从而为正交矩阵.性质2.2.7是正交矩阵.证明因为,所以.因此,也是正交矩阵性质2.2.8是正交矩阵的充分必要条件是.证明必要性若是正交矩阵,则另一方面,一方面,于是,,;充分性因为是正交矩阵,若,显然也是正交矩阵.性质2.2.9 若也是正交矩阵, 则,,,都为正交矩阵.证明由可知,故为正交矩阵.同理推知,,,均为正交矩阵.正交矩阵的性质主要有以上几点, 还有例如它的特征值的模为1, 且属于不同特征值的特征向量相互正交; 如果是它的特征值, 那么也是它的特征值, 另外正交矩阵可以对角化, 即存在复可逆矩阵, 使,其中为的全部特征值, 即. 这些性质证明略.3.正交矩阵的应用3.1 正交矩阵在线性代数中的应用在线性代数中我们通常用施密特方法求标准正交基,现在可以用正交矩阵中的一种殊矩阵求标准正交基---初等旋转矩阵即Givens矩阵.定义3.1[1] 设向量则称阶矩阵为向量下的Givens矩阵或初等旋转矩阵,也可记作.下面给出Givens矩阵的三个性质[2],[10]性质3.1.1 Givens矩阵是正交矩阵.证明由,则,故是正交矩阵.性质3.1.2 设,则有.证明由的定义知,,且,即右乘向量,只改变向量第和第个元素,其他元素不变.性质3.1.3 任意矩阵右乘,只改变的第列和列元素; 任意矩阵左乘,只改变的第行和行元素.证明由性质3.1.2和矩阵乘法易得结论.引理3.1.4[2] 任何阶实非奇异矩阵 ,可通过左连乘初等旋转矩阵化为上三角矩阵, 且其对角线元素除最后一个外都是正的.定理3.1.5[10] 设是阶正交矩阵若, 则可表示成若干个初等旋转矩阵的乘积, 即;若, 则可以表示成若干个初等旋转矩阵的乘积再右乘以矩阵, 即, 其中是初等旋转矩阵.().证明由于是阶正交矩阵,根据引理3.1.4知存在初等旋转矩阵,使(这里是阶上三角阵),而且的主对角线上的元素除最后一个外都是正的,于是(3-11)注意到是正交矩阵,由(3-11)式得,,即(3-12)设=,其中,,则=.由上式得所以, (3-13)即,当时,;当时,.记,注意到是初等旋转矩阵,故定理1结论成立.引理3.1.6[1] 设其中是阶正交矩阵,是阶上三角阵,是零矩阵.定理3.1.7[10] 设,则可以通过左连乘初等旋转矩阵,把变为的形式,其中是阶上三角阵,是矩阵.证明由引理3.1.6知,其中是阶正交矩阵,是阶上三角阵.又根据定理1知:,则是初等旋转矩阵.(I)当时,;(II)当时,,则.显然,是阶上三角阵,当时,与除最后一行对应元素绝对相等、符号相反外,其余元素对应相等.当时时,.综上,知本定理的结论成立.设,,,是欧氏空间的子空间的一组基,记是秩为的的矩阵.若满足定理2的条件,则存在初等旋转矩阵,使(3-14)且所以(3-15)由(3-14)(3-15)两式知,对、做同样的旋转变换,在把化为的同时,就将化成了,而的前个列向量属于子空间.综上所述可得化欧氏空间的子空间的一组基为一组标准正交基的方法:(1)由已知基为列向量构成矩阵;(2)对矩阵施行初等旋转变换,化为,同时就被化为正交矩阵,这里是阶上三角阵;(3)取的前个列向量便可得的一组标准正交基.显然,上述方法是求子空间的一组标准正交基的另一种方法.下面,我们通过实例对比Schimidt正交化求标准正交基.例求以向量,,为基的向量空间的一组标准正交基.解方法一用Schimidt正交化把它们正交化:,,再把每个向量单位化,得,,.即,,,就是由,得到的的一组标准正交基.方法二(利用连乘初等旋转矩阵)设矩阵,对分块矩阵依次左乘,,,=,=,=,得=,则,,取,,.那么就是由,得到的的一组标准正交基.对比两者的解法,用Schimidt正交化把它们正交化需要的是记公式,若向量的维数比较多的,计算比较麻烦,而用初等旋转矩阵则可根据向量组成的矩阵的特点来求其标准正交基.3.2正交矩阵在化学中的应用原子轨道的杂化是在一个原子中不同原子轨道的线性组合.在结构化学原子轨道杂化理论中,原子中能级相近的几个原子轨道可以相互混合,从而产生新的原子轨道.杂化过程的数学表达式为,为新的杂化轨道,为参加杂化的旧轨道,为第个杂化轨道中的第个参加杂化轨道的组合系数[4].在杂化过程中,轨道数是守恒的,并且杂化轨道理论有三条基本原则[5]:(1)杂化轨道的归一性.杂化轨道满足;(2)杂化轨道的正交性.;(3)单位轨道贡献.每个参加杂化的单位轨道,在所有的新杂化轨道中该轨道成分之和必须为一个单位,即=1.由杂化轨道原理,原子轨道的杂化,实际是由一组相互正交的单位基向量,通过线性变换转化成为另一组相互正交的单位基向量.在线性代数中由一组标准正交基到另一组标准正交基的过渡矩阵是正交矩阵,那么原子轨道的杂化,就可以转化为求出正交矩阵,作线性变换的过程.(A)杂化轨道.以甲烷分子的结构为例,激发态碳原子的电子组态为,这样在形成分子时,激发态碳原子的一个2原子轨道和3个原子轨道进行杂化形成4个等同的杂化轨道.设在激发态碳原子中四个能量相近的原子轨道,,,是一组相互正交的基向量,再通过线性变换将它们转化成另一组相互正交的基向量,,,,那么线性变换系数矩阵A必为正交矩阵,即=.A为正交矩阵,分别是,,,在四个坐标轴的分量.在等性杂化中,四个基向量,,,在四个坐标轴上的分量是相等的,即由四个能量相近的原子轨道,,,进行杂化时形成四个等同的杂化轨道,在四个杂化轨道上,原子轨道和成份完全相同.根据这些理论,我们来求正交矩阵A.因为A 是正交矩阵,由定义可得,即,所以,得=(取正值).又因为是等性杂化轨道.有,=1,所以=(取正值).即得到.又因,,,取符合条件的,,.同理,,即,,得,,取,.又,,得,,.所以,.可以写出四个杂化轨道的杂化轨道式为,,.(B)杂化轨道一个和一个原子轨道杂化形成两个杂化轨道.同样,线性变换的系数矩阵是正交矩阵.根据等性杂化理论有,,,于是,,(取正值).又,,故,,即,.所以杂化轨道式为.3.3正交矩阵在物理学中的应用任意刚体运动都对应一个正交矩阵, 三维空间一条曲线经过刚体运动, 其曲率和挠率是不变的, 称它们为运动不变量.首先我们来简单认识曲率和挠率.曲线的曲率就是针对曲线上某个点的切线方向角对弧长的转动率,通过微分来定义,表明曲线偏离直线的程度.曲率越大,表示曲线的弯曲程度越大.(为角变量,为弧长)趋向于0的时候,定义就是曲率.即.而挠率,它的绝对值度量了曲线上邻近两点的次法向量之间的夹角对弧长的变化率.平面曲线是挠率恒为零的曲线.空间曲线如不是落在一平面上,则称为挠曲线,又由于挠率体现了密切平面的扭转状况,通常说它表示了曲线的扭曲程度.曲线在某点的挠率记为,=.下面, 我们来考察曲线作刚体运动时的不变量[6],[9].设曲线与曲线只差一个运动, 从曲线到曲线的变换为(3-21)其中,是三阶正交矩阵,是常数.对(3-21)两边求阶导数,得.从而有. (3-22)因为是正交矩阵, 所以也有. (3-23) 另一方面, 由一阶, 二阶, 三阶导数, 可作成矩阵.两边取行列式, 由,得.现在取可类似地讨论.因为, (3-24), (3-25)(3-22)代入(3-24)的右边,得=++. (3-26)因(3-24)与(3-25)右边相等, 有(3-25)右边与(3-26)式右边相等,得,,.由正交矩阵的性质2.2.6知,且由,将上面三式左右分别平方相加,=++=.写成矢量函数, 即得于是我们可推得,.这里的分别是曲线的曲率与挠率.参考文献:[1] 陈景良,陈向晖.《特殊矩阵》.第一版.清华大学出版社,2001:353-360[2] 程云鹏.《矩阵论》.第二版.西北工业大学出版社,1999:94.99,196-215[3] 王萼芳,石生明.《高等代数》.第三版.北京:高等教育出版设,2007:162-392[4] 周公度,段连运.《机构化学基础》.第4版.北京大学出版社,2009:79-187[4] 王立东主编《数学》.第一版.大连理工大学出版社,2008:63-74[5] 赵成大等《物质结构》.人民教育出版社. 1982:219-226[6] 强元棨,程嫁夫.《力学》上册.第一版.中国科学技术大学出版社:2005:332-53[7] 张焕玲等《一种求欧氏空间子空间的标准正交基的新方法》山东大学.1996.3.9卷(1)期:14-16[8] 刘钊南.《正交矩阵的作用》.湘潭师范学院学报.1987.11.16: 3[9] 陈少白.《空间曲线的刚体运动基不变量》. 武汉科技大学学报.2003.12.26卷(4)期:424-426[10] 刘国志.《欧氏空间子空间的标准正交基的全新方法—Givens变换法》.抚顺石油学院学报.1996.3.16卷(1)期:78-81致谢感谢父母,给了我生命,也让我懂得这世上什么是真情!当我们遇到困难的时候,会倾注所有一切来帮助我们的人是父母;当我们受到委屈的时候,能耐心听我们哭诉的人是父母.当我们犯错误时,能够毫不犹豫地原谅我们的人是父母;当我们取得成功的时候,会衷心为我们庆祝与我们分享成功的喜悦的,仍然是父母;而现在我们远在外地学习,依然牵挂着我们还是父母.感谢父母给予我爱,是您们让我感到骄傲与自豪!感谢老师,授予我知识!大学四年,不少老师给予我无微不至的关怀,这将成为我人生中难以忘怀的回忆.我不仅从您们身上学到许多专业知识,更多的是学到了为人处世的道理.在和您们的交流中,我对我的未来有了更好的规划.您们是我人生的航标,让我在迷茫时找到前进的方向;您们是我精神上的支柱,让我在困难时重新振作.大学四年,如果没有您们的博学知识,没有您们的倾注爱心,没有您们的谆谆善诱,我将不可能收获那么多.假如我能搏击蓝天,那是您们给了我腾飞的翅膀;假如我是击浪的勇士,那是您们给了我弄潮的力量;假如我是不灭的火炬,那是您们给了我青春的光亮!感谢帮助过我、教导过我的老师们,是您们,让我懂得给予与付出才是最重要的,是您们,让我明白做人就要不断进取,迎难而上,力争上游!本毕业论文是在我的导师XX的亲切关怀和悉心指导下完成的,她给我的论文提出了不少宝贵的意见;她严肃的科学态度,严谨的治学精神,精益求精的工作作风,深深地感染和激励着我.从课题的选择到项目的最终完成,XX老师都始终给予我细心的指导和不懈的支持,在此谨向XX老师致以诚挚的谢意和崇高的敬意.。

正交矩阵的性质以及在物理中的应用

正交矩阵的性质以及在物理中的应用

正交矩阵的性质以及在物理中的应用正交矩阵被广泛地应用在数学和物理学中。

正交矩阵是一种特殊的矩阵,它可以用来表示旋转或变形。

这种特殊的矩阵在多个领域中都有着重要的应用。

正交矩阵在旋转、变换、编码、谱分析等领域中都有广泛的应用。

特别是在物理学中,正交矩阵的应用非常广泛,下文就探讨正交矩阵的性质以及在物理中的应用。

正交矩阵的性质正交矩阵是一种特殊的矩阵,它有很多重要的性质。

首先,正交矩阵中的所有列和行都是单位向量。

其次,正交矩阵的行和列都是正交的。

另外,正交矩阵的行列式的值为 1 或 -1,这意味着对于任何一个正交矩阵,其行列式的值一定是 ±1。

正交矩阵还具有下面的性质:1. 正交矩阵的逆矩阵等于它的转置矩阵。

2. 任何两个相同大小的正交矩阵的乘积也是正交矩阵。

3. 对于任何一个正交矩阵,它的每个元素的平方加起来等于1。

正交矩阵在物理中的应用正交矩阵在物理中有着广泛的应用。

下面将介绍正交矩阵在物理中的应用。

1. 旋转变换正交矩阵最常见的应用是进行旋转变换。

在三维空间中,我们可以用一个 3x3 的正交矩阵来表示一个旋转变换。

对于任何一个旋转矩阵 Q,可以使用它来将一个向量 x 旋转一定的角度θ,公式如下:y = Qx其中,y 是旋转变换之后的向量,x 是原始向量,Q 是旋转矩阵。

2. 相对论物理学中的洛伦兹变换在相对论物理学中,一个参考系可以被视为是在另一个参考系下运动的坐标系。

当两个参考系的相对速度不同时,它们之间的关系可以用洛伦兹变换来描述。

洛伦兹变换可以被表示为一个特殊的正交矩阵。

3. 量子力学中的波函数量子力学中的波函数也可以用正交矩阵来表示。

在量子力学中,波函数是描述粒子在空间中的概率分布的函数。

为了计算波函数,我们需要将一个三维空间中的向量投影到一个称为 Hilbert 空间的无限维向量空间中。

这个过程可以用一个正交矩阵来实现。

4. 编码与解码在数字通信中,为了保证通信的可靠性和隐私性,我们需要对数据进行编码和解码。

正交矩阵的定义

正交矩阵的定义

正交矩阵的定义正交矩阵是线性代数中一个重要的概念,它在许多领域,如几何学、物理学和计算机图形学中都有广泛的应用。

正交矩阵是一种特殊的方阵,具有一些特殊的性质和特征。

在本文中,我们将详细介绍正交矩阵的定义及其性质。

首先,我们来定义正交矩阵。

一个n阶方阵A被称为正交矩阵,当且仅当它的转置矩阵与自身的乘积等于单位矩阵I。

换句话说,如果满足条件A^T * A = I,那么矩阵A就是正交矩阵。

其中,A^T表示矩阵A的转置。

正交矩阵的一个重要性质是,它的每一列都是单位向量,并且两两正交。

也就是说,如果A是一个n阶正交矩阵,那么它的每一列向量都是单位向量,并且互相正交。

这可以通过矩阵乘法的定义进行证明。

设A的第j列为a_j,那么有a_i^T * a_j = 0 (i ≠ j),并且a_i^T * a_i = 1,其中a_i^T表示向量a_i的转置。

这个性质可以用来解决一些几何问题,比如判断向量的正交性。

另一个重要的性质是正交矩阵的逆矩阵等于其转置矩阵。

即,如果A是一个n阶正交矩阵,那么A的逆矩阵等于其转置矩阵,即A^(-1) = A^T。

这个性质可以通过正交矩阵定义的等式A^T * A = I推导得出。

首先,我们可以将等式两边同时乘以A^(-1),得到A^(-1)*A^T * A = A^(-1) * I,即A^(-1) * A^T * A = I。

由于A^(-1) * A = I,所以有A^(-1) * I = I,进一步得到A^(-1) = A^T。

这个性质非常有用,可以简化正交矩阵的求逆运算。

正交矩阵还有一个重要的性质是它的行列式的绝对值等于1。

即,如果A是一个n阶正交矩阵,那么|det(A)| = 1,其中|det(A)|表示矩阵A的行列式的绝对值。

这个性质也可以通过正交矩阵定义的等式A^T * A = I推导得出。

首先,我们可以将等式两边同时求行列式,得到det(A^T * A) = det(I),即det(A^T) * det(A) = det(I)。

正交矩阵的例子(一)

正交矩阵的例子(一)

正交矩阵的例子(一)正交矩阵正交矩阵是线性代数中的一个重要概念,它在许多领域中都有着广泛的应用。

在本文中,我们将列举一些例子并详细讲解正交矩阵的定义和性质。

正交矩阵的定义正交矩阵是指满足以下条件的方阵矩阵:1.所有列向量(或行向量)都是单位向量。

2.列向量(或行向量)两两正交(即内积为0)。

一般地,一个n×n的矩阵A是正交矩阵,当且仅当满足以下等式:A^T * A = I 或 A * A^T = I其中,A^T是矩阵A的转置,I是单位矩阵。

正交矩阵的例子下面是一些常见的正交矩阵的例子:1. 二维平面上的旋转矩阵对于一个二维平面上的点(x, y),通过一个逆时针旋转θ角度后的点(x’, y’)可以通过以下公式表示:x’ = x * cos(θ) - y * sin(θ) y’ = x * sin(θ) + y * cos(θ)这个旋转可以通过一个2×2的矩阵表示:cos(θ) -sin(θ)sin(θ) cos(θ)这个矩阵是正交矩阵,它的每一列都是单位向量,并且两列向量互相正交。

2. 三维空间中的旋转矩阵在三维空间中,我们可以通过绕坐标轴进行旋转。

例如,绕x轴逆时针旋转θ角度的旋转矩阵可以表示为:1 0 00 cos(θ) -sin(θ)0 sin(θ) cos(θ)同样地,绕y轴和z轴的旋转矩阵也是正交矩阵。

3. Householder变换矩阵Householder变换是一种特殊的线性变换,可以将向量镜像到超平面上。

对于一个单位向量v,其对应的Householder变换矩阵可以表示为:H = I - 2 * v * v^T其中,I是单位矩阵,v^T是向量v的转置。

Householder变换矩阵也是正交矩阵。

正交矩阵的性质正交矩阵具有许多有用的性质,包括:1.正交矩阵的逆矩阵等于其转置矩阵,即 A^(-1) = A^T。

2.正交矩阵的行列式的绝对值为1,即|A| = ±1。

线性代数中的正交矩阵性质与使用注意事项

线性代数中的正交矩阵性质与使用注意事项

线性代数中的正交矩阵性质与使用注意事项线性代数是数学的一个重要分支,研究向量空间和线性映射的性质与结构。

在线性代数中,正交矩阵是一个非常重要的概念,它具有许多独特的性质和应用。

本文将探讨正交矩阵的性质以及在实际应用中的注意事项。

首先,正交矩阵是指一个方阵,其列向量两两正交且长度为1。

这意味着正交矩阵的转置等于其逆,即Q^T = Q^(-1)。

这个性质非常重要,因为它保证了正交矩阵的行列式值为1或-1。

这一性质在许多应用中起到了关键作用,例如在旋转变换中,正交矩阵可以用来保持向量的长度和夹角不变。

其次,正交矩阵的行向量和列向量都构成一个标准正交基。

标准正交基是指向量之间两两正交且长度为1的向量组。

正交矩阵的行向量和列向量都满足这一条件,因此它们可以作为一个标准正交基来表示向量空间中的向量。

这个性质在计算机图形学和信号处理等领域中得到了广泛应用,例如在三维空间中,可以使用正交矩阵来表示旋转和变换操作。

此外,正交矩阵具有保持向量长度和夹角不变的性质。

当一个向量与一个正交矩阵相乘时,其长度和夹角都不会发生改变。

这一性质在许多实际问题中非常有用,例如在图像处理中,可以使用正交矩阵来进行图像的旋转和缩放操作,而不会改变图像中物体的形状和大小。

然而,在使用正交矩阵时,也需要注意一些问题。

首先,正交矩阵的计算可能会涉及到复杂的数学运算,特别是在高维空间中。

因此,在实际应用中,需要使用适当的数值方法来计算正交矩阵,以避免计算误差和数值不稳定性。

其次,正交矩阵的乘法不满足交换律,即AB不一定等于BA。

这一性质需要在使用正交矩阵时予以注意,特别是在矩阵相乘的顺序对结果产生影响的情况下。

例如,在图像处理中,如果先进行旋转再进行缩放,与先进行缩放再进行旋转得到的结果可能会不同。

最后,正交矩阵的逆等于其转置,因此正交矩阵是可逆的。

这一性质在求解线性方程组和计算矩阵的特征值和特征向量时非常有用。

然而,需要注意的是,正交矩阵的逆可能会导致数值不稳定性,特别是在接近奇异矩阵的情况下。

矩阵分析小论文

矩阵分析小论文

浅谈正交矩阵与酉矩阵矩阵是数学中重要的基本概念,是高等代数的重要研究对象之一,也是数学与其它领域研究与应用的一个重要工具.矩阵是线性代数中的核心内容 ,而正交矩阵是一种较常用的矩阵 ,正交矩阵在矩阵论中占有重要地位,有着广泛的应用.对其本身的研究来说是富有创造性的领域.正交矩阵不仅在线性代数中,而且在理工各学科领域的数学方法中,如优化理论、计算方法、信息分析中都有着举足轻重的位置。

对矩阵性质的概括、改进和推广,以及对正交矩阵在数值分析中、矩阵分解中和对方程求解、数理统计中的应用的研究,对矩阵的理论研究有重要意义。

本文列举了正交矩阵与酉矩阵的一些常见的性质与定理,并对其应用进行了一些列举。

首先认识什么是正交矩阵,什么是酉矩阵。

酉矩阵的定义:n 阶复方阵U 的n 个列向量是U 空间的一个标准正交基,则U 是酉矩阵(Unitary Matrix)。

即若n 阶复矩阵A 满足条件:E A A AA H H ==(E 为单位矩阵,H A 表示“矩阵A 的共轭转置矩阵,即TH A A =”),则此时矩阵A 称为酉矩阵。

此时,容易验证,当矩阵A 、B 为酉矩阵时,则有如下的结论成立:(1)H A A =-1也为酉矩阵(2)1det =A(3)n n T U A ⨯∈,即T A 为酉矩阵(4)AB,BA 也均为酉矩阵正交矩阵的定义:正交矩阵是实数特殊化的酉矩阵。

如果实数矩阵A 满足E A A AA T T ==(E 为单位矩阵,T A 表示“矩阵A 的转置矩阵”),则n 阶实矩阵 A 称为正交矩阵。

此时,容易验证,当A 、B 为正交矩阵时,则有如下结论成立:(1)n n T E A A ⨯-∈=1,即1-A 、T A 均为正交矩阵(2)1det ±=A(3)AB,BA 也均为正交矩阵正交变换的定义:设A 是欧氏空间V 的一个线性变换,若A 保持向量的内积不变,即对于任意的α,β∈V 都有(A α,A β) = (α,β),则称A 为V 的正交变换。

正交矩阵的性质及其应用 2

正交矩阵的性质及其应用 2

学号 20090501050227密级兰州城市学院本科毕业论文正交矩阵的性质及应用学院名称:数学学院专业名称:数学与应用数学学生姓名:苏志升指导教师:宋雪梅二○一三年五月BACHELOR’S DEGREE THESISOF LANZHOU CITY UNIVERSITYProperties and Applications of OrthogonalMatrixCollege :Mathematics CollegeSubject :Mathematics and Applied MathematicsName :Su ZhishengDirected by :S ong XuemeiMay 2013郑重声明本人呈交的学位论文,是在导师的指导下,独立进行研究工作所取得的成果,所有数据、资料真实可靠。

尽我所知,除文中已经注明引用的内容外,本学位论文的研究成果不包含他人享有著作权的内容对本论文所涉及的研究工作做出贡献的其他个人和集体,均已在文中以明确的方式标明。

本学位论文的知识产权归属于培养单位。

本人签名:日期:摘要本文给出了正交矩阵的性质并列举了正交矩阵的多个性质。

研究正交矩阵在空间坐标旋转中的作用。

关键词:正交矩阵;性质;标准正交基;特征多项式;应用ABSTRACTOrthogonal matrix is made up of inner product lead. This paper illustrates several properties of orthogonal matrix and to give the proof. Study the role of orthogonal matrix in space coordinate rotation, and the matrix analysis of typical cases, and illustrates the application of matrix.Key words:orthogonal matrix; Rotation matrix; Orthonormal basis; Characteristic value; The application.目录第一章引言 (1)第二章正交矩阵及其性质 (2)2.1 正交矩阵的定义 (2)2.2 正交矩阵的性质 (2)2.3 正交矩阵的判定 (7)第三章正交矩阵的应用 (12)结论......................................................................................................... 错误!未定义书签。

正交矩阵 标准正交基

正交矩阵 标准正交基

正交矩阵标准正交基在线性代数中,正交矩阵和标准正交基是非常重要的概念,它们在矩阵和向量的运算中起着至关重要的作用。

本文将对正交矩阵和标准正交基进行详细的介绍,希望能够帮助大家更好地理解和运用这些概念。

首先,让我们来了解一下正交矩阵。

正交矩阵是指满足以下条件的实数方阵,其转置矩阵等于其逆矩阵,即满足条件$A^T A = I$,其中$I$为单位矩阵。

换句话说,正交矩阵的每一列都是单位向量,并且两两正交(即内积为0)。

正交矩阵具有许多重要的性质和应用,比如在旋转、镜像等几何变换中起着重要作用,同时在信号处理、图像处理等领域也有广泛的应用。

接下来,我们来介绍标准正交基。

在n维欧几里得空间中,如果一个基底中的向量组成正交矩阵,并且每个向量的模长为1,则称这个基底为标准正交基。

标准正交基在向量的表示、正交化、投影等问题中有着重要的作用,它能够简化向量运算的复杂度,同时也便于对向量空间进行分析和研究。

正交矩阵和标准正交基之间有着密切的联系。

事实上,正交矩阵的列向量就构成了一个标准正交基。

这是因为正交矩阵的列向量两两正交且模长为1,因此它们构成了一个标准正交基。

反之,任意一个标准正交基都可以通过正交化得到一个正交矩阵。

这种联系使得正交矩阵和标准正交基在理论和实践中都有着重要的地位。

在实际应用中,我们经常会遇到需要对矩阵进行正交化或者基底进行标准化的情况。

这时,我们可以利用正交矩阵和标准正交基的性质来简化计算,提高运算效率。

比如,在信号处理中,我们可以利用正交矩阵来进行信号的正交变换,从而简化信号的处理和分析;在机器学习中,我们可以利用标准正交基来表示特征向量,从而简化特征空间的计算和分析。

总之,正交矩阵和标准正交基是线性代数中非常重要的概念,它们在向量空间的表示、运算和分析中起着至关重要的作用。

通过深入理解和熟练运用这些概念,我们可以更好地解决实际问题,提高工作效率,同时也能够更深入地理解线性代数的理论和方法。

正交矩阵的性质及其应用

正交矩阵的性质及其应用

正交矩阵的性质及其应用正交矩阵是矩阵理论中一类非常重要的矩阵,它拥有许多优良的性质,并且在实际应用中也有着广泛的应用。

本文将针对正交矩阵的性质及其应用展开详细的讨论。

正交矩阵的定义正交矩阵是指一个方阵,满足其转置矩阵和其自身的乘积等于单位矩阵。

即:$A^TA=I$其中,A为正交矩阵,I为单位矩阵。

正交矩阵的性质正交矩阵作为一个特殊的矩阵,具有许多优良的性质:1、正交矩阵的列是一个规范正交基对于一个正交矩阵A,其列向量构成了一个规范正交基。

即,每个列向量都是一个长度为1的向量,且任意两个列向量之间的内积为0。

由于正交矩阵的列是一个规范正交基,因此可以将其用于线性变换。

例如,如果一个向量v乘以一个正交矩阵A,那么就相当于对v进行了一次线性变换,将v从一个坐标系转换到了另一个坐标系。

由于A的列是一个规范正交基,因此该变换可以保持向量的长度和夹角不变。

2、正交矩阵的行也是一个规范正交基和列向量类似,正交矩阵的行向量也构成了一个规范正交基。

具体来说,正交矩阵的每一行都是一个长度为1的向量,且任意两行向量之间的内积为0。

3、正交矩阵是一个保角映射由于正交矩阵会保持向量的长度和夹角不变,因此它是一个保角映射。

即,它保持任意两个向量的夹角不变。

4、正交矩阵的逆等于其转置正交矩阵的逆等于其转置矩阵。

即:$A^{-1}=A^T$这个公式也可以表示为:$AA^T=I$这个公式可以理解为,正交矩阵的行和列构成了一个完整的规范正交基,因此它的逆矩阵和转置矩阵相等。

正交矩阵的应用由于正交矩阵具有这些优良的性质,因此在许多实际应用中都有着广泛的应用。

1、理解相关矩阵的内积对于一个矩阵A和B,可以通过它们的内积来度量它们的相关性。

具体来说,它们的内积等于它们的元素对应相乘后的和。

例如:$A·B=\sum_{i,j}{A_{i,j}B_{i,j}}$如果A和B都是正交矩阵,那么它们的内积就非常有用了。

由于正交矩阵的列都是一个规范正交基,因此它们之间的内积都等于0或1。

正交矩阵在物理学中的应用

正交矩阵在物理学中的应用

正交矩阵在物理学中的应用正交矩阵是一种非常重要的数学工具,它在物理学中有着广泛的应用。

正交矩阵是指一个方阵,它的每一列都是单位向量,且每一列之间互相垂直。

在物理学中,正交矩阵被广泛应用于描述旋转、对称性和量子力学中的态矢量等方面。

旋转在物理学中,旋转是一种非常重要的现象。

正交矩阵可以用来描述旋转。

在三维空间中,一个旋转可以用一个3x3的正交矩阵来表示。

这个矩阵的每一列都是一个单位向量,它们分别表示旋转后的x、y、z轴的方向。

这个矩阵的转置矩阵就是它的逆矩阵,因为正交矩阵的每一列都是互相垂直的,所以它的逆矩阵就是它的转置矩阵。

对称性在物理学中,对称性是一种非常重要的概念。

正交矩阵可以用来描述对称性。

在三维空间中,一个对称性可以用一个3x3的正交矩阵来表示。

这个矩阵的每一列都是一个单位向量,它们分别表示对称后的x、y、z轴的方向。

这个矩阵的平方等于单位矩阵,因为对称性的平方等于恒等变换。

量子力学中的态矢量在量子力学中,态矢量是一种非常重要的概念。

正交矩阵可以用来描述态矢量。

在量子力学中,态矢量是一个复数向量,它描述了一个量子系统的状态。

正交矩阵可以用来描述态矢量的变换。

如果一个态矢量在一个正交矩阵的作用下发生了变换,那么这个态矢量的模长不变,但是它的相位会发生改变。

这个相位的改变可以用一个复数来表示,这个复数就是正交矩阵的行列式。

总结正交矩阵在物理学中有着广泛的应用。

它可以用来描述旋转、对称性和量子力学中的态矢量等方面。

正交矩阵的每一列都是单位向量,且每一列之间互相垂直。

正交矩阵的逆矩阵就是它的转置矩阵,因为正交矩阵的每一列都是互相垂直的。

在物理学中,正交矩阵是一种非常重要的数学工具,它为我们研究物理现象提供了有力的数学工具。

相关系数矩阵 正交矩阵

相关系数矩阵 正交矩阵

相关系数矩阵正交矩阵全文共四篇示例,供读者参考第一篇示例:相关系数矩阵和正交矩阵是数学领域里面非常重要的概念,在统计学、线性代数等领域都有广泛的应用。

本文将会针对这两个概念进行深入的探讨,希望能够带给读者更深入的了解。

我们来介绍一下相关系数矩阵。

相关系数矩阵是描述多个随机变量之间相关关系的一种矩阵形式,通常用于衡量不同变量之间的相关性强弱。

在统计学中,相关系数矩阵可以帮助我们了解不同变量之间的关联程度,从而进行更准确的分析和预测。

相关系数矩阵一般由协方差矩阵和标准差矩阵计算得到,其中协方差矩阵描述了变量之间的联合变化程度,而标准差矩阵则描述了各个变量的离散程度。

在实际应用中,相关系数矩阵可以帮助我们进行变量选择、降维分析、数据可视化等任务。

通过分析相关系数矩阵,我们可以发现不同变量之间的相关性,进而选择出对目标变量影响最大的变量进行建模和预测。

相关系数矩阵还可以帮助我们进行特征筛选和特征工程,提高机器学习模型的性能和准确性。

接下来,我们来讨论正交矩阵。

正交矩阵是指矩阵的转置矩阵等于它的逆矩阵的一种矩阵,也就是说,对于一个正交矩阵,其转置矩阵和逆矩阵是相等的。

正交矩阵在线性代数中有着重要的地位,由于其特殊的性质,可以简化很多运算和分析,也被广泛应用于信号处理、图像处理、密码学等领域。

正交矩阵的一个重要性质是其列向量是正交的,也就是说,任意两列向量的内积为0,而且这些列向量的模长都为1。

这个性质使得正交矩阵有着很多优秀的特性,比如说可以很方便地进行单位化处理、旋转变换等操作。

在实际应用中,正交矩阵通常用来描述旋转、平移等线性变换,也可以用来表示正交基、正交子空间等概念。

除了上述的性质,正交矩阵还有很多其他重要的特点,比如说正交矩阵的行列式为1或-1,正交矩阵的秩等于它的行数或列数等。

这些性质使得正交矩阵在线性代数理论中占据着非常重要的地位,也被广泛地运用于数学、物理、工程等领域。

总结一下,相关系数矩阵和正交矩阵是数学领域中非常重要的两个概念。

正交矩阵在物理学中的应用

正交矩阵在物理学中的应用

正交矩阵在物理学中的应用
正交矩阵在物理学中的应用
正交矩阵是指一种特殊的矩阵,其元素之间具有特殊的正交关系,它能够在多维空间中把复杂的坐标变换变得简单化。

在物理学中,正交矩阵有着广泛的应用,可以帮助科学家研究物理系统中的物理特性。

首先,正交矩阵被普遍用于坐标变换中。

正交矩阵可以用来描述从一个坐标系到另一个坐标系的变换关系,这样就可以方便地把在一种坐标系中的位置,速度和加速度等数据变换至另一种坐标系中,从而使得空间中物体状态变化的物理特征可以在新坐标系中表示出来。

正交矩阵还可以被用来求解物理方程。

此类方程通常描述的是多元坐标空间中物体状态的变化,其解也存在于多元空间中,正交矩阵可以把复杂的多元空间变换成新的坐标系中,这样物理方程的解就很容易被解出来了。

正交矩阵在物体质量分析中也有重要的作用。

由于物体的质量往往是因坐标系的不同而变化的,正交矩阵可以轻松地把物体的质量从一种坐标系转换到另一种坐标系,这样就可以很容易地获得物体在不同坐标系中的质量变化情况。

正交矩阵还可以用来处理向量和矩阵的运算。

通过正交矩阵,可以把复杂的多元向量变换为更简单的两维向量,而不用计算多个复杂的多元向量的矩阵运算,从而节约了运算时间,提高了运算效率。

正交矩阵也可以用来对矩阵求逆,这对于解决定向问题非常有用。

总之,正交矩阵在物理学中有着广泛的应用,它可以方便地处理
坐标变换、求解复杂的物理方程、分析物体质量变化、节约向量矩阵运算等。

关于正交矩阵性质的讨论

关于正交矩阵性质的讨论

关于正交矩阵性质的讨论尽管正交矩阵有着简单的结构,但它却具有复杂且深远的内涵。

正交矩阵是一类特殊的矩阵,具有独特的性质和性能,影响着众多数学问题的求解与计算。

因此,研究正交矩阵的性质具有极为重要的意义。

正交矩阵的结构是以变换的概念为基础的,因此它的性质更加特殊。

根据簇伦思特定理,一个任意的矩阵与它的转置矩阵的乘积称为它的伴随矩阵。

此外,如果一个矩阵和它的逆矩阵的乘积等于单位矩阵,则此矩阵称为可逆矩阵。

而正交矩阵既是它自身的伴随矩阵,又是可逆矩阵,并且它的行列式(determinant)总是非零值,因此它具有非常出色的矩阵性质。

另外,正交矩阵也可以保证它矩阵元素之间的相互独立性,也就是说每一个矩阵元素都与其他矩阵元素不相关。

此外,正交矩阵还斌扶与推广四元数的概念,四元数可以使用四元组的方式表示,该表达式可以用以描述三维空间中的三维向量,这些空间向量唯一由其矩阵表示而不会被改变。

此外,正交矩阵上的元素可以表示投影,如y=Ax和y=Bx(其中A和B分别是常数),可以分析出两组变量之间的关系,这充分体现了正交矩阵的强大功能。

另外,正交矩阵是一类特殊的方阵,它是满足不等式的一种阵列,可以在正交空间中对向量作线性转换。

它还具有一些特殊的性质,如其非零的特征值,可以被看作是正交矩阵的稳定性量度;另外,正交矩阵的特征向量也是相互正交的,可以揭示出矩阵变换带来的变形,因而深入了解了矩阵变换引入的各种解。

综上所述,正交矩阵具有复杂且深远的内涵,其性质对于深入理解数学方面的问题至关重要,它不仅可以贯彻变换概念,还可以保证变量元素相互独立,推动四元数概念的推广,甚至可以保持矩阵元素之间的稳定性。

因此,正交矩阵是数学研究中不可忽视的重要主题之一。

正交矩阵与正交变换的性质与应用

正交矩阵与正交变换的性质与应用

正交矩阵与正交变换的性质与应用正交矩阵是线性代数中一个重要的概念,它在几何和物理学等领域中具有广泛的应用。

正交矩阵的性质及其在正交变换中的应用使其成为了相关领域中必不可少的工具。

本文将从正交矩阵的定义开始,详细介绍正交矩阵的性质,并讨论其在几何变换以及信号处理领域中的应用。

正交矩阵是一个方阵,其列向量两两正交且长度为1。

用数学符号表示,如果一个方阵A满足A^T * A = I,那么A就是一个正交矩阵,其中A^T表示A的转置,I表示单位矩阵。

正交矩阵具有许多重要的性质。

首先,正交矩阵的逆矩阵是它的转置。

也就是说,对于一个正交矩阵A,A^T * A = A * A^T = I,则A的逆矩阵A^(-1) = A^T。

这一性质使得正交矩阵在求解线性方程组和计算矩阵的逆等问题中非常有用。

其次,正交矩阵的行向量和列向量都构成一组标准正交基。

这就意味着正交矩阵可以用来描述坐标系的旋转和反射变换。

正交变换是一种保持向量长度和角度不变的变换,它在几何学中有着广泛的应用。

例如,在计算机图形学中,正交矩阵被用来进行三维物体的旋转和放缩操作。

通过将对象的顶点坐标与正交矩阵相乘,可以得到旋转后的新坐标。

正交矩阵在信号处理领域也有着重要的应用。

例如,离散傅里叶变换(Discrete Fourier Transform,DFT)的计算通常使用快速傅里叶变换(Fast Fourier Transform,FFT)算法来加速运算。

而FFT算法的核心思想就是利用正交矩阵的性质,将O(n^2)的计算复杂度降低到O(nlogn)。

此外,正交矩阵还可以用于编码和解码的错误检测和纠正。

在通信系统中,为了保证传输的数据能够正确无误地到达接收端,常常需要使用一些冗余的编码技术。

而正交矩阵的性质使得其在错误检测和纠正方面有着良好的效果。

综上所述,正交矩阵具有重要的性质和广泛的应用。

它不仅可以用来进行几何变换和信号处理,还可以应用于编码和解码等领域。

正交矩阵研究的意义和价值

正交矩阵研究的意义和价值

正交矩阵研究的意义和价值正交矩阵是线性代数中的一个重要概念,具有广泛的应用领域和深远的意义。

研究正交矩阵不仅有助于深入理解线性代数的基本概念和性质,还能在实际问题中发挥重要作用,具有科学研究和工程应用的价值。

本文将从理论和应用两个方面探讨正交矩阵的意义和价值。

从理论角度来看,正交矩阵研究的意义主要体现在以下几个方面。

第一,正交矩阵是线性代数中的基础概念之一,它与向量的内积有着密切的联系。

正交矩阵的定义是指矩阵的转置与逆矩阵相等,也就是说,正交矩阵的每一列向量都是单位向量且两两正交。

通过研究正交矩阵的性质和特征,可以深入理解向量的内积运算以及其在几何空间中的几何意义,进而推导出许多重要的结论和定理,如勾股定理、傅里叶级数等。

第二,正交矩阵具有很多重要的性质和特点。

例如,正交矩阵的行列式的绝对值为1,这意味着正交矩阵不改变向量的长度,只对其进行旋转和反射。

正交矩阵的转置矩阵和逆矩阵都是其本身,这使得正交矩阵的运算具有很多简便性质。

正交矩阵还可以用来表示线性变换,通过研究正交矩阵的特征值和特征向量,可以得到线性变换的很多重要信息,如变换的旋转角度和旋转轴等。

第三,正交矩阵在解决实际问题中具有广泛的应用。

正交矩阵可以用来描述坐标系之间的转换关系,如欧几里得空间中的旋转、平移和镜像等变换。

在计算机图形学、计算机视觉和计算机动画等领域中,正交矩阵被广泛应用于三维模型的变换和渲染,以及图像处理和特征提取等方面。

此外,正交矩阵还在信号处理、通信系统和量子力学等领域中有着重要的应用。

从应用角度来看,正交矩阵研究的价值主要表现在以下几个方面。

正交矩阵在通信系统中具有重要作用。

在通信系统中,信号往往需要经过调制、解调、编码、解码等过程,其中涉及到信号的变换和处理。

正交矩阵可以用来描述信号的正交性和相互独立性,通过正交矩阵的变换,可以实现信号的高效传输和抗干扰能力。

正交矩阵在图像处理和模式识别中有着广泛的应用。

在图像处理中,正交矩阵可以用来进行图像的变换和特征提取,如傅里叶变换和小波变换等。

正交矩阵与其应用毕业论文初稿

正交矩阵与其应用毕业论文初稿

本科生毕业设计(论文)正交矩阵与其应用(The orthogonal matrix and its applicalion)学院:专业:学号:学生姓名:指导教师:二〇一年六月正交矩阵是实数特殊化的酉矩阵,因此总是正规矩阵。

尽管我们在这里只考虑实数矩阵,这个定义可用于其元素来自任何域的矩阵。

正交矩阵毕竟是从内积自然引出的,对于复数的矩阵这导致了归一要求。

要看出与内积的联系,考虑在n维实数内积空间中的关于正交基写出的向量v。

v的长度的平方是2v。

如果矩阵形式为Qv的线性变换保持了向量长度,所以有限维线性等距同构,比如旋转、反射和它们的组合,都产生正交矩阵。

反过来也成立:正交矩阵蕴涵了正交变换。

但是,线性代数包括了在既不是有限维的也不是同样维度的空间之间的正交变换,它们没有等价的正交矩阵。

有多种原由使正交矩阵对理论和实践是重要的。

nn⨯正交矩阵形成了一个群,即指示为O的正交群,它和它的子群广泛的用在数学和物理科学中。

使得它在不同的领域都有()n着广泛的作用,也推动了其它学科的发展。

本文从以下主要例举了正交矩阵的三大应用:正交矩阵在线性代数中的应用、正交矩阵在化学中的应用、正交矩阵在物理中的应用。

关键词: 正交矩阵;酉矩阵;正交群;正交变换The orthogonal matrix and its applicalion(作者英文名):WaidyOrthogonal matrix is a real specialization of the unitary matrix, it is always normal matrix. Although we here consider only real matrices, this definition can be used from any domain in its matrix elements. Orthogonal matrix , after all, the inner product of the natural leads, and the complex matrix that led to the normalization requirements. To see the link with the inner product, consider the n-dimensional real inner product space to write on the orthogonal basis vector v. v the length of the square is 2v. If the matrix form of linear transformation Qv maintained vector length, then Therefore finite-dimensional linear isometry, such as rotation, reflection, and their combination, have generated orthogonal matrix. In turn, set up: orthogonal matrix implies the orthogonal transformation. However, linear algebra, including finite-dimensional in neither the same nor is the dimension of the space between the orthogonal transformation, they are not equivalent orthogonal matrix. There are many Reasons to orthogonal matrix theory and practice is important. nn⨯orthogonal matrices form a group that is directed to the orthogonal group,which is indicated ()O,it and its subgroups widely used innmathematics and physical science. Making it in different areas have broad effect, also contributed to the development of other disciplines This article cites the following main three orthogonal matrix applications :orthogonal matrix in linear algebra, orthogonal matrix the application of chemistry, orthogonal matrix the application of physics..Key words: orthogonal matrix; unitary matrix; orthogonal group; orthogonal transformation目录1.引言 (1)2. 正交矩阵的定义与其基本性 (1)2.1正交矩阵的定义与判定 (2)2.2正交矩阵的性质与其证明 (3)3. 正交矩阵的应用 (3)3.1 正交矩阵在线性代数中的应用 (3)3.2正交矩阵在化学中的应用 (8)3.3正交矩阵在物理学中的应用 (13)参考文献 (15)致谢 (16)附录 (16)正交矩阵与其应用姓名: 学号: 班级:1引言正交矩阵是实数特殊化的酉矩阵,因此总是正规矩阵。

毕业论文正交矩阵及其应用

毕业论文正交矩阵及其应用

毕业论文正交矩阵及其应用编辑整理:尊敬的读者朋友们:这里是精品文档编辑中心,本文档内容是由我和我的同事精心编辑整理后发布的,发布之前我们对文中内容进行仔细校对,但是难免会有疏漏的地方,但是任然希望(毕业论文正交矩阵及其应用)的内容能够给您的工作和学习带来便利。

同时也真诚的希望收到您的建议和反馈,这将是我们进步的源泉,前进的动力。

本文可编辑可修改,如果觉得对您有帮助请收藏以便随时查阅,最后祝您生活愉快业绩进步,以下为毕业论文正交矩阵及其应用的全部内容。

正交矩阵及其应用The orthogonal matrix and its applicalion专业:数学与应用数学作者:指导老师:学校二○一摘要正交矩阵是数学研究中的一类重要的工具, 它的应用非常广泛. 本文从以下主要例举了正交矩阵的三大应用: 正交矩阵在线性代数中的应用、正交矩阵在拓扑和近世代数中的应用、正交矩阵在物理中的应用.关键词: 矩阵; 正交矩阵; 标准正交基; 集合; 特征根;行列式AbstractOrthogonal matrix is the mathematical study of an important class of tools, it is widely used。

This article cites the following main four orthogonal matrix applications :orthogonal matrix in linear algebra, Orthogonal matrix topology and Modem Algebra, orthogonal matrix the application of physics.Keywords: matrix; orthogonal matrix; orthonormal basis; a collection of eigenvalues; determinant目录摘要 (I)Abstract ...................................................... I I0 引言 (1)1 正交矩阵的定义及其简单性质 (1)1.1 正交矩阵的定义及其判定 (1)1.2 正交矩阵的性质 (1)2 正交矩阵的应用 (2)2。

正交矩阵及其性质-本科毕业论文【范本模板】

正交矩阵及其性质-本科毕业论文【范本模板】

本科毕业设计(论文)题目名称:正交矩阵及其性质学院:数学与统计学院专业年级:数学与应用数学学生姓名:班级学号:指导教师:二O一三年五月二十四日摘要正交矩阵是一种常用的特殊矩阵, 在矩阵论中占有重要地位, 有着非常好的性质, 并具有广泛的应用。

本文应用矩阵的行列式,特征值, 秩等概念, 深入研究了正交矩阵的相关性质,并利用这些性质解决实际问题.关键词: 矩阵; 正交矩阵;特征值;行列式; 秩AbstractOrthogonal matrix is a kind of commonly used matrix and plays an important role in matrix theory. Orthogonal matrix has many good properties. It is widely used。

In this paper, we depth study the related properties of orthogonal matrix by applying the concepts of determinant, eigenvalue,rank and so on in matrix,and using these properties solve some practical problems.Kerword:Matrix; Orthogonal matrix;Eigenvalue; Determinant; Rank目录摘要 (I)Abstract (II)目录 (III)1.引言 (1)2.正交矩阵的定义及其性质 (1)2。

1正交矩阵的定义 (1)2。

2正交矩阵的性质 (1)3.应用举例 (5)致谢 (7)参考文献 (8)1。

引 言矩阵是数学中一个重要的基本概念, 是代数学的重要研究对象之一。

矩阵是线性代数中的核心内容, 而正交矩阵作为一种特殊形式的矩阵, 在整个矩阵理论体系中占有重要地位, 有着非常好的性质[1-4], 并在各领域的数学方法中有着广泛的应用, 对其本身的研究来说是富有创造性的领域. 关于正交矩阵的研究, 如今已取得了丰富的成果, 文献[5]比较全面的分析了正交矩阵的性质; 文献[6]讨论了正交矩阵的特征值与行列式的关系;文献[7]阐述了2阶正交矩阵有哪些类型; 文献[8]利用欧式空间的理论得出了正交矩阵的子式的性质; 文献[9]应用正交矩阵的若干性质, 给出了正交矩阵特征多项式系数的规律; 文献[10]叙述了正交矩阵在近世代数中的应用.国内还有许多学者研究了正交矩阵的性质和应用, 为矩阵理论的发展做出了重大贡献, 对于研究学习高等代数有重大的理论意义. 但他们都是从正交矩阵的某个性质出发进行研究, 没有系统全面的讨论正交矩阵的性质, 所以, 在此基础上, 本文对正交矩阵进行了较为深入的研究, 得到了正交矩阵的一系列常用性质, 并对相关性质进行了概括, 改进和推广, 又研究了其子式与余子式的关系以及正交矩阵的应用。

正交矩阵——精选推荐

正交矩阵——精选推荐

正交矩阵 如果 AA⊤=E ( E 为单位矩阵, A⊤ 表⽰“矩阵 A 的转置矩阵") 或 A⊤A=E ,则 n 阶实矩阵 A 称为正交矩阵 。

正交矩阵是实数 特殊化的⾣矩阵,因此总是属于正规矩阵。

尽管我们在这⾥只考虑实数矩阵,但这个定义可⽤于其元素来⾃任何域的矩阵。

正交 矩阵毕竟是从内积⾃然引出的,所以对于复数的矩阵这导致了归⼀要求。

正交矩阵不⼀定是实矩阵。

实正交矩阵(即该正交矩阵 中所有元都是实数) 可以看做是⼀种特殊的⾣矩阵,但也存在⼀种复正交矩阵,这种复正交矩阵不是⾣矩阵。

定义 如果: AA⊤=E(E 为单位矩阵, A⊤ 表⽰“矩阵 A 的转置矩阵” ) 或 A⊤A=E,则 n 阶实矩阵 A 称为正交矩阵,若 A 为正交阵, 则满⾜以下条件:A⊤是正交矩阵(E为单位矩阵)A⊤的各⾏是单位向量⽬两两正交A⊤的各列是单位向量⽬两两正交(Ax,Ay)=(x,y)x,y∈R|A|=1 或 −1A T=A−1正交矩阵通常⽤字母Q表⽰。

举例: 若 A=r11r12r13;r21r22r23;r31r32r33 ,则有: r211+r221+r231=r212+r222+r232=r213+r223+r233=1 r11⋅r12+r21⋅r22+r31⋅r32=0 定理 在矩阵论中,实数正交矩阵是⽅块矩阵 Q,它的转置矩阵是它的逆矩阵,如果正交矩阵的⾏列式为 +1,则称之为特殊正交矩阵。

1.⽅阵 A 正交的充要条件是 A 的⾏(列)向量组是单位正交向量组; 2.⽅阵 A 正交的充要条件是 A 的 n 个⾏(列)向量是 n 维向量空间的⼀组标准正交基; 3.A 是正交矩阵的充要条件是:A 的⾏向量组两两正交且都是单位向量; 4.A 的列向量组也是正交单位向量组。

5.正交⽅阵是欧⽒空间中标准正交基到标准正交基的过渡矩阵。

[]Processing math: 100%。

相关主题
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

长沙学院信息与计算科学系本科生科研训练正交矩阵系(部):信息与计算科学专业:数学与应用数学学号: 2009031114学生姓名:曹悫成绩:2012 年6月正交矩阵曹悫长沙学院 信息与计算科学系 湖南长沙 410022摘要:正交矩阵是数学研究中的一类重要的工具, 它的应用非常广泛. 本文从以下主要例举了正交矩阵的三大应用: 正交矩阵在线性代数中的应用、正交矩阵在拓扑和近世代数中的应用、正交矩阵在物理中的应用.关键词: 矩阵,正交矩阵,标准正交基,集合,特征根,行列式1 正交矩阵的定义及其简单性质1.1 正交矩阵的的定义及其判定定义1.1[1] n 阶实矩阵A , 若满足E A A =', 则称A 为正交矩阵. 判定1 A 为正交矩阵1'-=⇔A A .判定2 A 为正交矩阵⇔'1,,,1,2,,0,,i j i j i j n i j αα=⎧==⎨≠⎩ . 判定3 A 为正交矩阵⇔'1,,1,2,...0,,i j i j i j n i j ββ=⎧===⎨≠⎩.1.2 正交矩阵的性质设A 为正交矩阵, 它有如下性质:性质1[5] 1A =±, 1A -存在, 并且1A -也为正交矩阵; 性质2[5] 'A ,*A 也是正交矩阵; 当1A =时, '*A A =, 即ij ij a A =; 当1A =-时. '*A A =-, 即ij ij a A =-.性质3[5] 若B 也是正交矩阵, 则''11,,,AB A B AB A B AB --都为正交矩阵. 证明 性质1 显然1A =±, ()()()'11''1A A A ---==所以1A -也是正交矩阵.性质2 '1A A -=, 显然'A 为正交矩阵.由*'11,A A A A A-=±==,当1A =时, '*A A =, 即ij ij a A =; 当1A =-时, '*A A =-, 即ij ij a A =-; 所以*A 为正交矩阵.性质3 由'1'1,A A B B --==可知()()'1''11AB B A B A AB ---===,故AB 为正交矩阵. 由性质1, 性质2推知''11,,,A B AB A B AB --均为正交矩阵.正交矩阵的性质主要有以上几点, 还有例如它的特征值的模为1, 且属于不同特征值的特征向量相互正交; 如果λ是它的特征值, 那么1λ也是它的特征值, 另外正交矩阵可以对角化, 即存在复可逆矩阵T , 使112A T T λλ-⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦其中1,...,n λλ为A 的全部特征值, 即()11,2,...,i i n λ==. 这些性质这里就不再证明了.2 正交矩阵的应用2.1 正交矩阵在线性代数中的应用在正交矩阵中,有一类初等旋转矩阵,我们也称它为Givens 矩阵. 这里, 我们将利用正交矩阵可以表示成若干初等旋转矩阵的乘积, 给出化欧空间的一组基为标准正交基的另一种方法.设向量()'21,n w w w W = , 令()i j w w s j i >+=22,sw d sw c ji==,, 则称n 阶矩阵行行j i c d d c T ij ⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡-=11 i 列 j 列 为初等旋转矩阵.初等旋转矩阵ij T , 是由向量W 的第j i ,两个元素定义的, 与单位矩阵只在第j i ,行和第j i ,列相应的四个元素上有差别.设ij T 是由向量W 定义的初等旋转矩阵()i j >, 则有如下的性质: <1> ij T 是正交矩阵;<2> 设()',21,,n ij u u u W T =, 则有()j i k w u u s u k k j i ,,0,≠===;<3> 用ij T 左乘任一矩阵A ,ij T A 只改变A 的第i 行和j 行元素(用ij T 右乘任一矩阵A ,A ij T 只改变A 的第i 列和j 列元素).证明 <1> ()122222=+=+sw wdc j i , 故E TT ijij=', ij T 是正交矩阵.<2> 由ij T 得定义知, 用ij T 左乘向量W , 只改变W 的第j i ,两个元素, 且22=+-=+-==+=+=sw w s w w cw dw u ss w s w dw cw u ji i j j i j ji j i i 所以ij T 左乘W , 使ij T W 的第i 个分量非负, 第j 个分量为0, 其余分量不变.<3> 根据 <2> 及矩阵乘法即可以得出结论.引理 2.1.1[7] 任何n 阶实非奇异矩阵()n n ij a A ⨯=, 可通过左连乘初等旋转矩阵化为上三角矩阵, 且其对角线元素除最后一个外都是正的.定理 2.1.1[7] 设P 是n 阶正交矩阵<1> 若1=P , 则P 可表示成若干个初等旋转矩阵的乘积, 即r P P P P 21=;<2> 若1-=P , 则P 可以表示成若干个初等旋转矩阵的乘积再右乘以矩阵n E -, 即n r E P P P P -= 21, 其中),2,1(r i P i =是初等旋转矩阵.nn nE ⨯-⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡-=1111证明 由于P 是n 阶正交矩阵, 根据引理1知存在初等旋转矩阵r S S S ,,21使R P S S S S r r =-121 这里R 是n 阶上三角阵, 而且R 得对角线上的元素除最后一个外都是正的, 所以有R S S S P r ''2'1 = (2.1)由P 是正交矩阵和(2.1)式得E R S S S S R P P r r ==''11'' 即 E R R =' (2.2)设 ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=nn n n r r r r r r R 22211211其中,()12,10-=>n i r ii ,则⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=1112221121121221211'nn n n nn nnr r r r r r r r r r r r R R由上式得⎪⎪⎩⎪⎪⎨⎧-===-===-==≠=1P 11P 11,2,1,;1;0且且n j i n j i n j i j i j i r ij所以⎩⎨⎧-===1P ,E 1P E R n-当,当 (2.3)于是由(2.1)(2.3)式得<1> 当1=P 时, ''2'1r S S S P =; <2> 当1-=P 时, n r E S S S P -=''2'1 . 记()r i S P i i ,,2,1' ==, i P 是初等旋转矩阵, 故定理1结论成立.引理 2.1.2[7] 设()m n ij a A ⨯=, 秩()m A =, 则A 可以通过左连乘初等旋转矩阵, 把'A 变为⎪⎪⎭⎫⎝⎛O R 的形式, 其中R 是m 阶上三角阵, O 是()m m n ⨯-矩阵.证明 由引理2知⎪⎪⎭⎫⎝⎛=O R P A 1, 其中P 是n 阶正交矩阵, 1R 是m 阶上三角阵, 又根据定理1知:⎩⎨⎧-===-1,1,11P E P P P P P P n r r 其中()r i P i ,2,1=是初等旋转矩阵.<1> 当1=P 时, ⎪⎪⎭⎫ ⎝⎛=O R P P P A r 121 令⎪⎪⎭⎫ ⎝⎛==O R A P P R R r '1'1, <2> 当1-=P 时, ⎪⎪⎭⎫⎝⎛=-O R E P P P A n r 121 于是有⎪⎪⎭⎫⎝⎛=⎪⎪⎭⎫ ⎝⎛=-O R O R E A P P n r1'1'显然, R 是m 阶上三角阵, 当m n =时R 与1R 除最后一行对应元素绝对值相等、符号相反外, 其余元素对应相等. 当m n >时,1R R =, 所以由<1>、<2>知本定理的结论成立.设⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=nm m m m n n a a a a a a a a a 21222122121111,,,ααα是欧式空间n R 的子空间m V 的一组基, 记()⎪⎪⎪⎪⎪⎭⎫⎝⎛==nm n n m m m a a a a a a a a a A 21222211121121ααα是秩为m 的m n ⨯矩阵.若()m n ij a A ⨯=满足定理2的条件, 则存在初等旋转矩阵r P P P 21使⎪⎪⎭⎫⎝⎛=O R A P P r'1' (2.4)且()()'1'2'21',,,,,,P P P P P P PP E r r ==所以''1'2''1'2'1'P P P P E P P P P r r r ==- (2.5)由(2.4)、(2.5)两式知, 对E A 、做同样的旋转变换, 在把A 化为⎪⎪⎭⎫⎝⎛O R 的同时,就将E 化成了'P , 而P 的前m 个列向量属于子空间m V .综上所述可得化欧式空间的子空间m V 的一组基:()()m i a a a ni i i i m ,,2,1,,,,,,'2121 ==αααα为一组标准正交基德方法为:<1> 由已知基m ααα ,,21为列向量构成矩阵()m n ij a A ⨯=;<2> 对矩阵()E A 施行初等旋转变换, 化A 为⎪⎪⎭⎫⎝⎛O R , 同时E 就被化为正交矩阵'P , 这里R 是m 阶上三角阵;<3> 取P 的前m 个列向量便可得m V 的一组标准正交基. 显然, 上述方法是求子空间m V 的一组标准正交基的另一种方法.下面, 我们通过实例说明此方法的应用.例 2.1.1 求以向量()()()'3'2'11,0,0,1,0,1,0,1,0,0,1,1-=-=-=ααα为基的向量空间3V 的一组标准正交基.解 矩阵()⎪⎪⎪⎪⎪⎭⎫ ⎝⎛---==100010001111321αααA对分块矩阵()E A 依次左乘342312,,T T T , 其中⎪⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛---=⎪⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛-=⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛---=21230023210000100001,10000313200323100001,1000100002222002222342312T T T 得()⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛----------=2121212100233213213213320002361616123000212121212122334 E A T T T 则⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛----------=⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛----------=21230021321320213216*********121,21212121233213213210326161002121'P P 取⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛---=⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛--=⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛-=23321321321,0326161,002121321P P P 则321,,P P P 就是由321,,ααα得到 的3V 的一组标准正交基.2.2 正交矩阵在拓扑和近世代数中的应用全体n 阶正交矩阵作成的集合, 记为()n O , 从代数和拓扑的角度来看, 我们可以证明它构成一拓扑群, 并且进一步证明它是不连通的紧致lie 群.(1) ()n O 构成拓扑群在证明()n O 构成拓扑群之前, 先介绍一下相关的概念.定义 2.2.1[3] 设G 是任一集合, R 是G 的子集构成的子集族, 且满足: 1、结合G 与空集φ属于R ; 2、R 中任意个集的并集属于R ; 3、R 中任意有穷个集的交集属于R ;称R 是G 上的一个拓扑, 集合G 上定义了拓扑R , 称G 是一个拓扑空间.定义 2.2.2[3] 如果G 是一个拓扑空间, 兵赋予群的机构, 使得群的乘法运算 :u G G G →⨯; 求逆运算 :v G G →;是连续映射, 就称G 为拓扑群.根据上面的定义, 我们分三步来实现证明全体n 阶正交矩阵作成的集合()n O 构成拓扑群.<1> 全体n 阶正交矩阵作成的集合()n O 构成一拓扑空间. <2> 全体n 阶正交矩阵作成的集合()n O 构成一群.<3> 全体n 阶正交矩阵作成的集合()n O 构成一拓扑群.证明 <1> 设M 表示所有具有实元素的n 阶矩阵作成的集合, 以()ij a A =表示M 的一个代表元素. 我们可以把M 等同于2n 维欧氏空间2n E , 也就是将()ij a A =对应于2nE 的点()nn n a a a a a a ,,,,,,312211211 .R 是点集2n E 的子集族, 则2n E 和φ都属于R ,R 中任意个集的并集属于R ,R 中有穷个集的交集也属于R , 可以验证2n E 构成一拓扑空间, 从而M 成为一拓扑空间. ()n O 是所有实元素的n 阶正交矩阵, 所以是M 的子集合, 于是由M 的拓扑可以诱导出这个子集合的拓扑, 从而()n O 构成M 的一个子拓扑空间.<2> 10 ()n O C B A ∈∀,,由于矩阵的乘法满足集合律, 所以()()BC A C AB → 20 ()st O E n n ,∈∃ ()A AE A E O A n n n ==∈∀,30 ()st A A O A n ,,'1=∃∈∀- E AA AA A A A A ====--'1'1所以正交矩阵作成的集合()n O 对于乘法运算可构成一群.<3> 对于<1>中的拓扑空间M 的拓扑, 定义矩阵乘法M M M m →⨯:设()()ij ij b B a A ==∀,, 则乘积()B A m ,的ij 个元素是∑=nk kj ik b a 1现在M 具有乘积空间111E E E ⨯⨯⨯ (2n 个因子)的拓扑, 对于任何满足n j i ≤≤,1的j i ,, 我们有投影映射1:E M M M m ij →→⨯π, 将A 和B 的乘积()B A m ,映为它的第ij 个元素. 现在()∑==nk kj ik ij b a B A m 1,π是A 和B 的元素的多项式, 因此m ij π连续, 投影映射ij π是连续的,从而证明映射m 是连续的. 因为()n O 具有M 的子空间拓扑, 是M 的一个子拓扑空间,且由正交矩阵的性质<3>及上面的讨论知, 映射()()()n n n O O O m →⨯:也是连续的.()n O 中的矩阵可逆,定义求逆映射()()n n O O f →:,()()1-=∈∀A A f O A n . 由于合成映射()()1:E O O f n n ij →→π, 将()n O A ∈∀映为1-A 的第ij 个元素, 由正交矩阵的性质<2>,AA A *'=, 所以A A a ji ji =, 即()A A A f ji ij =π, A 的行列式及A 的代数余子式都是A 内元素的多项式, 且0≠A , 所以f ij π为连续的, 而投影映射ij π为连续的, 所以求逆映射()()n n O O f →:为连续的.至此, ()n O 又是一个拓扑空间,并且构成群, 对群的乘法与求逆运算都是拓扑空间的连续映射, 因而所有n 阶正交矩阵作成的集合()n O 构成一拓扑群, 称它为正交群.(2) ()n O 是紧致lie 群在证明之前我们知道以下有关的定义和定理.定义 2.2.3[4] 设G 为拓扑群, G 的拓扑为n 维实(或复)解析流形, 且映射()12121,-→g g g g G g g ∈∀21, 为解析流形G G ⨯到G 上的解析映射, 则称G 为n 维lie群.定理 2.2.1[4] 欧氏空间内的有界闭集是紧致子集.证明 M A ∈∀(所有具有实元素的n 阶矩阵作成的集合), A 对应2n 维欧氏空间2n E 的点()nn n a a a a a a ,,,,,312111211α,M 可作为2n 维欧氏空间. A 的行列式A det 为元素nn n a a a a a a ,,,,,312111211的解析函数, {}0det =∈A M A 为M 中的开子集. 这时, 按诱导拓扑可以知道*M 为解析流形, 且关于矩阵的乘法和求逆运算均解析, 故*M 为2n 维lie 群. ()n O 为*M 的闭子集, 按诱导拓扑为子流形, ()n O 为lie 群.为了证明()n O 紧致, 根据定理内容, 只要证明M 等同于2n E 时, ()n O 相当于2n E 内的有界闭集. 设()n O A ∈∀, 由于E A A ='有∑==nj ik kjij ba 1δ n k i ≤≤,1对于任意的k i ,,定义映射E M f ik →: M A ∈∀ ()∑==nj kj ij ik b a A f 1则()n O 为系列各集合的交集()01-ik f n k i ≤≤,1 k i ≠()11-ii f n i ≤≤1由于()n k i f ik ≤≤,1都是连续映射, 所以上述每个集合都是闭集. 因此()n O 是M 的有界闭集, 这就证明了()n O 的紧致性.在拓扑结构上是紧致的lie 群, 我们称为紧lie 群, 所以()n O 是紧lie 群. (3) ()n O 是不连通的定义 2.2.4[3] 设X 是一个拓扑空间, X 中存在着两个非空的闭子集A 和B , 使X B A = 和φ=B A 成立, 则称X 是不连通的.证明 我们再设()n SO 是所有行列式为1的正交矩阵构成的集合, S 为所有行列式为-1的正交矩阵构成的集合. 因为()1:det E SO n →是连续映射, 而我们知道单点集{}1是1E 的闭集,()()1det 1-=n SO , 在连续映射下, 任何一个闭集的原象也是闭集, 所以()n SO 也为闭集,()n SO 为()n O 的闭集, 同理, 我们也可以证明S 是闭集, 因为()(),n n O S SO =()φ=S SO n ,而()n SO 和S 是闭集, 有不连通的定义我们可以直接证明()n O 是不连通的.2.3 正交矩阵在物理中的应用任意刚体运动都对应一个正交矩阵, 三维空间一条曲线经过刚体运动, 其曲率和挠率是不变的, 称它们为运动不变量. 下面, 我们来考察曲线作刚体运动时的量.设曲线()()()(){}1111r t x t y t z t = 与曲线()()()(){}r t x t y t z t = 只差一个运动, 从曲线()1r t到曲线()1r t的变换为111213x x b y A y b z z b ⎛⎫⎛⎫⎛⎫ ⎪ ⎪ ⎪=+ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭(2.6) 其中111213212223313233a a a A a a a a a a ⎛⎫ ⎪= ⎪ ⎪⎝⎭是三阶正交矩阵, 123,,b b b 是常数.对(2.6)两边求n 阶导数得()()()()()()111n n n n n n x x y A y z z ⎛⎫⎛⎫⎪ ⎪= ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭从而有111121312122231313233m m mmmm m m m mm m m m m x x a x a y a z y A y a xa y a z z z a x a y a z⎛⎫⎛⎫⎛⎫++ ⎪⎪ ⎪==++ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪++⎝⎭⎝⎭⎝⎭ (2.7) 因为A 是正交矩阵, 所以也有()()1r t r t =(2.8)另一方面, 由一阶, 二阶, 三阶导数, 可作成矩阵''''''111''''''''''''111''''''''''''''''''111T x y z x y z x y z x y z A x y z x y z ⎛⎫⎛⎫⎪ ⎪= ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭两边取行列式, 由det 1A =±得'''''''''111''''''''''''''''''111'''''''''''''''''''''''''''111T x y z x y z x y z x y z x y z A x y z x y z x y z x y z ==± 现在取()()()()()()()()111r t r t r t r t r t r t =可类似地讨论.因为'''111''''''''''''''''111111111111'''''''''''''''''''''111111111mx y z y z z x x y xy z x y z y z z x x y xy z =++ (2.9) '''''''''''''''''''''''''''''''''''''''''''''x y z y z z x x y xyz x yzyzzxxyx y z =++ (2.10)(2.7)代入(2.9)的右边得()()()''''''''''''''''''''''''111111111213212223313233''''''''''''111111mmmy z z x x y ax a y a za x a y a za x a y a zyz zx zy ++++++++'''''''''''''''111111112131''''''''''''111111y z z x x y a x a xa xy zzxx y ⎛⎫=+++ ⎪ ⎪⎝⎭''''''''''''111111122232''''''''''''111111m y z z x x y a y a ya yy z z x xy ⎛⎫+++ ⎪ ⎪⎝⎭'''''''''''''''111111132333''''''''''''111111y z z x x y a z a za zy zzxx y ⎛⎫++ ⎪ ⎪⎝⎭(2.11) 因(2.9)与(2.10)右边相等, 有(2.10)右边与(2.11)式右边相等得111131111121111111y y x x a x x z z a z z y y a z z y y ''''''+''''''+''''''='''''' 111132111122111112y y x x a x z x z a z z y y a x x z z ''''''+''''''+''''''='''''' 111132111122111112y y x x a x z x z a z z y y a x x z z ''''''+''''''+''''''=''''''由正交矩阵的性质2知, ij ij a A =且由1(,1,2,3)njikj jk i AA j k δ===∑将上面三式左右分别平方相加222y z z x x y y z z x x y ''''''++''''''''''''=21122211121311()y z A A A y z ''++''''+21122221222311()z x A A A z x ''++''''+21122231323311()x y A A A x y ''++''''=222111111111111z x x y y z z x x y y z ''''''++''''''''''''写成矢函数, 即得11()()()()r t r t r t r t →→→→''''''⨯=⨯于是我们可推得111331()()()()()()r t r t r t r t K K r t r t →→→→→→''''''⨯⨯===''11112211(()()())(()()())(()())(()())r t r t r t r t r t r t r t r t r t r t ττ→→→→→→→→→→''''''''''''===''''''⨯⨯这里的11,;,K K ττ分别是曲线1(),()r t r t →→的曲率与挠率.参考文献[1] 张凯院, 徐仲.矩阵论同步学习辅导[M]. 西安: 西北工业大学出版社, 2002. 10.160-164 [2] 赵大成等.物质机构[M].人民教育出版社 1982.9 219-226[3] 熊金城. 点集拓扑讲义[M]. 高等教育出版社, 1998.5 110-111, 193-195 [4] 严志达等. Lie 群及其lie 代数[M]. 高等教育出版社, 1985.10 16-17[5] 戴立辉. 正交矩阵的若干性质[M]. 华东地质学院学报, 2002.9 第25卷第31期 267-268 [6] 刘钊南.正交矩阵的作用[M]. 湘潭师范学院学报, 1987.11-16[7] 刘国志. 欧氏空间子空间的标准正交基德全新方法—Givens 变换法[J]. 抚顺石油学院学报, 1996.3 16卷1期 78-81[8] 张焕玲. 一种求欧氏空间子空间的标准正交基的新方法[J].山东科学,1996.3 9卷1期 14-16 [9] 陈少白. 空间曲线的刚体运动基不变量[J]. 武汉科技大学学报, 2003.12 26卷4期 424-426 [10] Fuzhen zhang , Matrix Theory , Springer , 1999.[11] Horn R A , Johnson C R. 1989. Matrix Analysis (矩阵分析), 杨奇. 天津:天津大学出版社 [12] D J Field What is the goal of sensory coding ?4(1994).[13] M Heiler . C Schnorr Learning sparse representations by non-negative matrix factorization Matrixfactorization and sequential cone programming7 (2006).。

相关文档
最新文档