首先给大家分享一个巨牛巨牛的人工智能教程,是我无意中发现的。教程不仅零基础,通俗易懂,而且非常风趣幽默,还时不时有内涵段子,像看小说一样,哈哈~我正在学习中,觉得太牛了,所以分享给大家!点这里可以跳转到教程
1. 定义
正交矩阵: Orthogonal Matrix (必为方阵)
2. 特征
1) 所有的列向量都是单位正交向量
2) 所有的行向量都是单位正交向量
3)detA = +1 或detA =-1
4)若detA =1,则A为n维旋转矩阵 (),旋转矩阵X旋转矩阵=旋转矩阵
5)向量X的范数(Norm) 或欧拉长度(Euclidean Length ):
6)正交矩阵对向量进行正交变换,且正交变换不改变向量的长度(范数):
设X的正交变换为AX,则AX的范数为:,由此可见AX的范数与X的范数相等
3. 应用
3.1 矩阵RQ分解
1)定义:A = RQ 即A可以分解为R(上三角阵)与Q(旋转矩阵)
下面以A是3x3矩阵为例进行算法分析:
(1) 分为为绕X、Y、Z轴旋转的旋转矩阵,且其旋转角度分别为:
(2) 分解步骤思想:在A右乘绕坐标轴的旋转矩阵,使得AQ为上三角矩阵,即对角线以下的元素为0
Step1: AQx:使A32 = 0
Step2: AQxQy:使A31 = 0,且A31保持不变
Step3: AQxQyQz:使用A21 = 0, 且A31、A32保持不变,则AQxQyQz为上三角矩阵。
转载自原文链接, 如需删除请联系管理员。
原文链接:正交矩阵(Orthogonal Matrix),转载请注明来源!