【何谓正交矩阵】正交矩阵是线性代数中的一个重要概念，广泛应用于数学、物理、工程和计算机科学等领域。它在变换、投影、坐标系转换等方面具有重要作用。正交矩阵的定义及其性质决定了其在实际应用中的独特优势。
一、正交矩阵的定义
正交矩阵（Orthogonal Matrix）是指一个实数方阵，满足以下条件：
$$
A^T A = I
$$
其中，$ A $ 是一个 $ n \times n $ 的矩阵，$ A^T $ 是它的转置矩阵，$ I $ 是单位矩阵。换句话说，正交矩阵的转置等于它的逆矩阵，即：
$$
A^{-1} = A^T
$$
这意味着，正交矩阵的列向量（或行向量）构成一组标准正交基，即每个向量长度为1，并且任意两个向量之间的点积为0。
二、正交矩阵的性质总结
| 属性 | 描述 | ||||
| 定义 | 满足 $ A^T A = I $ 的实数方阵 | ||||
| 转置与逆 | 转置等于逆矩阵，即 $ A^T = A^{-1} $ | ||||
| 行列式 | 行列式的值为 ±1 | ||||
| 正交性 | 列向量（或行向量）两两正交，且模长为1 | ||||
| 保持内积 | 对任意向量 $ x, y $，有 $ (Ax)^T(Ay) = x^T y $ | ||||
| 保持长度 | 对任意向量 $ x $，有 $ \ | Ax\ | = \ | x\ | $ |
| 可逆性 | 正交矩阵一定是可逆的 |
三、正交矩阵的应用
正交矩阵在多个领域中都有重要应用，例如：
- 坐标变换：在三维几何中，用于旋转和反射操作。
- 信号处理：如傅里叶变换、小波变换等。
- 数值分析：用于构造稳定的数值方法。
- 机器学习：在特征降维、数据预处理中使用。
四、示例
下面是一个简单的 2×2 正交矩阵示例：
$$
A = \begin{bmatrix}
\cos\theta & -\sin\theta \\
\sin\theta & \cos\theta
\end{bmatrix}
$$
该矩阵表示一个绕原点的旋转矩阵，显然满足 $ A^T A = I $，因此是正交矩阵。
五、总结
正交矩阵是一种特殊的方阵，其核心特征在于转置等于逆矩阵，并且列向量之间正交且单位化。它在数学和工程中有着广泛应用，尤其是在涉及旋转、投影和保持距离的问题中表现尤为突出。
通过理解正交矩阵的定义和性质，可以更好地掌握其在实际问题中的应用价值。