【機器學習】【線性代數】正交基、標準正交基、正交矩陣,正交變換等數學知識點
1.正交向量組
直接給定義:歐式空間V的一組非零向量,如果他們倆倆向量正交,則稱是一個正交向量組。
(1)正交向量組 是 線性無關的
(2)n維歐式空間中倆倆正交的非零向量不會超過n個,即n維歐式空間中一個正交向量組最多n個向量
2.正交基
在n維歐式空間中,由n個非零向量組成的正交向量組稱為正交基
3.標準正交基
在n維歐式空間中,由n個單位向量組成的正交向量組稱為標準正交基
比如3維歐式空間中,
(1,0,0)、(0,1,0)、(0,0,1)是一個正交向量組,因為他們倆倆向量正交
(1,0,0)、(0,1,0)、(0,0,1)是一個正交基,因為此正交向量組由n個非零向量組成
(1,0,0)、(0,1,0)、(0,0,1)是一個標準正交基,因為每個向量都是單位向量
4.單位矩陣
如果一個矩陣滿足一下幾個條件,它就是一個單位矩陣,記作E或者I:
(1)是一個方陣
(2)主對角線上的元素都是1(主對角線是從左上到右下的對角線)
(3)除了主對角線,其他位置的元素都是0
如下就是一個3階單位矩陣
[[1 0 0]
[0 1 0]
[0 0 1]]
4.正交矩陣
The orthogonal matrix,正交矩陣,如果一個矩陣滿足以下幾個條件,則此矩陣就是正交矩陣:
(1)是一個方陣
(2)和自己的轉置矩陣的矩陣乘積 = 單位矩陣E
如果A為一個正交矩陣,則A滿足以下條件:
1) A的轉置矩陣也是正交矩陣
2)(E為單位矩陣)
3) A的各行是單位向量且兩兩正交
4) A的各列是單位向量且兩兩正交
5) (Ax,Ay)=(x,y) x,y∈R
6) |A| = 1或-1
7) ,A的轉置矩陣等於A的逆矩陣
5.正交變換
內積定義:u,v的內積=|u||v|cos<u,v>
線上性代數中,正交變換是線性變換的一種,它從實內積空間V對映到V自身,且保證變換前後內積不變。
因為向量的模長與夾角都是用內積定義的,所以正交變換前後一對向量各自的模長和他們的夾角都不變。
特別地:標準正交基經正交變換後仍為標準正交基。
歐式空間V中的正交變換隻包含:
(1)旋轉
(2)反射
(3)旋轉+反射的組合(即瑕旋轉)
正交變換T的性質
(1)正交變換 不會改變向量間的正交性,如果 和 正交,則 和 亦為正交。(2)如果 和 皆為正交矩陣,則 亦為正交矩陣。(3)如果原矩陣A:
[[1 2 3]
[4 5 6]
[7 8 9]]
正交變換T:
[[2 0 0]
[0 3 0]
[0 0 4]]
A經過T變換的矩陣TA:
[[ 2 4 6]
[12 15 18]
[28 32 36]]
可知
[2,0,0]中的2是將A中[1,2,3]向量"拉長"一倍得到[2,4,6]
[0,3,0]中的3是將A中[4,5,6]向量"拉長"三倍得到[12, 15, 18]
[0,0,4]中的4是將A中[7,8,9]向量"拉長"四倍得到[28, 32, 36]
這個是拉伸,如果T中主對角線上的值是小數,則表示將A中對應向量“縮小”一定比例
如果T中主對角線位置外的其他位置上的元素不為0,則表示對A進行一定方向的旋轉
這些概念在影象處理裡面顯得更為重要,可以看看OpenCV中的幾何變換,就是用變換矩陣乘上原矩陣得到目標矩陣。
(end)