我是靠谱客的博主 腼腆绿草,最近开发中收集的这篇文章主要介绍正交变换定义,觉得挺不错的,现在分享给大家,希望可以做个参考。

概述

定义

如果对于任意向量 u {u} u v {v} v,其内积等于转换后向量 T ( u ) T({u}) T(u) T ( v ) T({v}) T(v)的内积,则该转换称之为正交变换

即: ⟨ u , v ⟩ = ⟨ T ( u ) , T ( v ) ⟩ langle{u}, {v}rangle=langle T({u}), T({v})rangle u,v=T(u),T(v)

∥ x ∥ |{x}| x 在空间 R n R^{n} Rn内, n n n 表示维度:

⟨ u , v ⟩ = ⟨ T ( u ) , T ( v ) ⟩ = ∑ i = 0 n − 1 u [ i ] v [ i ] langle{u}, {v}rangle=langle T({u}), T({v})rangle=sum_{i=0}^{n-1} u[i] v[i] u,v=T(u),T(v)=i=0n1u[i]v[i]

u [ i ] u[i] u[i] v [ i ] v[i] v[i] 分别为 u {u} u v {v} v 中的元素

性质

按照向量模长的定义,可知正交转换后的向量模长与转换前的模长相同: ∥ T ( x ) ∥ = ∥ x ∥ |T({x})|=|{x}| T(x)=x

证明:

∥ x ∥ = ( ∑ i = 0 n − 1 x [ i ] 2 ) 1 / 2 = ⟨ x , x ⟩ |{x}| =(sum_{i=0}^{n-1} x[i]^2)^{1/2} = langle{x}, {x}rangle x=(i=0n1x[i]2)1/2=x,x

∥ T ( x ) ∥ = ( ∑ i = 0 n − 1 T ( x ) [ i ] 2 ) 1 / 2 = ⟨ T ( x ) , T ( x ) ⟩ |T({x})|=(sum_{i=0}^{n-1} T({x})[i]^2)^{1/2}=langle T({x}), T({x})rangle T(x)=(i=0n1T(x)[i]2)1/2=T(x),T(x)

因为: ⟨ x , x ⟩ = ⟨ T ( x ) , T ( x ) ⟩ langle{x}, {x}rangle =langle T({x}), T({x})rangle x,x=T(x),T(x)

所以: ∥ T ( x ) ∥ = ∥ x ∥ |T({x})|=|{x}| T(x)=x

正交变换不影响转换前后向量间的内积和模长,由此可得,正交变换也不影响转换前后两个向量的夹角

若用矩阵表示 T ( x ) = A x T({x})={A} {x} T(x)=Ax 为正交变换, 则 A {A} A为 正交矩阵

在线性代数中,正交变换是线性变换的一种

参考

正交变换

最后

以上就是腼腆绿草为你收集整理的正交变换定义的全部内容,希望文章能够帮你解决正交变换定义所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错,欢迎将靠谱客网站推荐给程序员好友。

本图文内容来源于网友提供,作为学习参考使用,或来自网络收集整理,版权属于原作者所有。
点赞(53)

评论列表共有 0 条评论

立即
投稿
返回
顶部