龙源期刊网
关于正交矩阵和正交变换新的引入方法
作者：李满 朱玉清
来源：《课程教育研究·上》2015年第11期
【摘要】本文运用实际生活中的例子引入正交矩阵和正交变换的课程内容，这可以有效的提高学生对知识点的兴趣，并且较好的学习正交矩阵和正交变换的基本概念和了解这个知识点的应用。
【关键词】正交矩阵 ;正交变换 ;向量组
【中图分类号】TP391.41 【文献标识码】A 【文章编号】2095-3089（2015）11-0108-01
1.引言
正交变换是欧氏空间中的一种重要的变换，是保持内积及长度不变的线性变换，因而不会改变曲线或曲面的形状。正交变换不仅在高等代数、数学分析及其它数学分支中起着独到的作用，而且在自动化技术、计算机技术、物理等领域都有十分广泛的应用。
2.正交矩阵和正交变换
理解正交矩阵和正交变换概念，会判断一个矩阵是否为正交矩阵，了解正交变换的分类。
定义1：如果n阶方阵A满足AAT=E，则称是A正交矩阵，也可简称为正交阵。由AA-1=E，即AT=A-1。
定理：A为正交矩阵的充分必要条件为A的列（行）向量组为正交单位向量组。
这个定理主要用来判断一个矩阵是否为正交矩阵，例如判断下面两个矩阵是否是正交矩阵。
例：（1）A=-1 0 ;00 ; 1 ;00 ; 0 ;1 ; ; ; （2）A=cosθ ;-sinθ ;0sinθ ; cosθ ; 00 ; ; ; 0 ; ; ;1
解：（1）把A按列分块A=（a1，a2，a3），由于每个向量是单位向量，且任意两向量正交，a1，a2，a3为正交单位向量组，即A为正交矩阵。 同样的可得（2）也是正交矩阵。
性质：如果A，B为正交矩阵，AT也是正交矩阵，A-1=AT也是正交矩阵;AB也是正交矩阵;|A|=1，|A|=-1。
正交矩阵运算法则
正交矩阵是线性代数中的一种重要概念，它在许多领域中都有广泛的应用。在本文中，我们将介绍正交矩阵的定义和性质，并探讨如何使用正交矩阵进行运算。
一、正交矩阵的定义
正交矩阵是指满足以下条件的方阵：其转置矩阵等于其逆矩阵。换句话说，对于一个n阶正交矩阵A，有A^T * A = I，其中I是单位矩阵。
二、正交矩阵的性质
1. 正交矩阵的行列式的绝对值等于1。这是由于行列式的性质以及正交矩阵的逆矩阵等于其转置矩阵。
2. 正交矩阵的行（列）向量是单位向量且两两正交。这是由于正交矩阵的定义以及其转置矩阵等于其逆矩阵。
3. 正交矩阵的行（列）向量构成一组正交归一基。这是由于正交矩阵的定义以及其行（列）向量是单位向量且两两正交。
4. 正交矩阵的转置矩阵也是正交矩阵。这是由于正交矩阵的定义以及转置矩阵的转置等于原矩阵。
5. 两个正交矩阵的乘积仍然是正交矩阵。这是由于正交矩阵的定义以及矩阵乘法的性质。
三、正交矩阵的运算法则 1. 正交矩阵与向量的乘积
对于一个n阶正交矩阵A和一个n维列向量x，它们的乘积Ax表示将向量x绕原点进行旋转和伸缩的变换。由于正交矩阵的行（列）向量是单位向量且两两正交，所以乘积Ax后的向量也是单位向量。同时，由于正交矩阵的逆矩阵等于其转置矩阵，所以可以通过A^T
* Ax = x来恢复原始向量x。
2. 正交矩阵的乘法
两个正交矩阵的乘积仍然是正交矩阵。这是由于正交矩阵的定义以及矩阵乘法的性质。例如，设A和B都是n阶正交矩阵，则有(A *
B)^T * (A * B) = B^T * A^T * A * B = B^T * B = I。这说明了两个正交矩阵的乘积仍然是正交矩阵。
3. 正交矩阵的转置
正交矩阵的转置矩阵也是正交矩阵。这是由于正交矩阵的定义以及转置矩阵的转置等于原矩阵。例如，设A是一个n阶正交矩阵，则有(A^T)^T * A^T = A * A^T = I。这说明了正交矩阵的转置矩阵也是正交矩阵。
指导教师: 赵峰
2012年 4 月 25 日
原创性声明
本人郑重声明: 所提交的学位论文是本人在导师指导下,
独立进行研究取得的成果. 除文中已经注明引用的内容外,
论文中不含其他人已经发表或撰写过的研究成果, 也不包含为获得聊城大学或其他教育机构的学位证明书而使用过的材料. 对本文的研究做出重要贡献的个人和集体, 均已在文中以明确方式标明. 本人承担本声明的相应责任.
学位论文作者签名: 日期
指 导 教 师 签 名: 日期
目 录
引 言 ................................................... 1
1 正交变换的定义 ......................................... 1
2 正交变换的性质 ......................................... 2
3正交变换法化二次标准型 .................................. 2
3.1 正交变换化二次标准型的步骤 ...................................................................................................... 3
3.2 正交变换在二次标准型中的应用 .................................................................................................. 3
4 正交变换在积分中的应用 ................................. 7
4.1 在多元积分学中的应用 .................................................................................................................. 7
正交变换 特征值
正交变换是线性代数中的一个重要概念，其作用是改变向量的方向和长度，但不改变向量间的夹角和向量的长度比。而特征值则是指某个线性变换在某个向量空间中具有的一些特殊性质。在这篇文章中，我们将会探讨正交变换和特征值之间的关系，以及它们在实际应用中的意义。
1. 正交变换的定义和性质
正交变换是指一个矩阵满足其列向量组成的向量组是一个正交基。换句话说，正交变换保持向量的正交性质。以下是正交变换的一些性质：
- 正交变换不会改变向量间的夹角和向量的长度比。
- 正交变换的逆矩阵等于它的转置矩阵。
2. 特征值的定义和性质
特征值是指某个线性变换在某个向量空间中具有的一些特殊性质。特征值通常被表示为 λ，对应着特征向量 v。
对于一个 n 阶线性方程组 Ax= λx， 如果解向量 x 不为零向量，则
λ 被称为 A 的特征值，x 被称为 A 的特征向量。以下是特征值的一些性质：
- 特征值与特征向量成比例，即 λx = Ax。
- 矩阵的特征值等于其特征多项式的根。
3. 正交变换和特征值的关系
在矩阵的特征值和特征向量求解中，正交变换起到了重要作用。
对于正交矩阵 Q，如果它作用在一个向量上使其变为 v，那么它对应的变换矩阵就是 Q。而对于一个矩阵 A，如果它作用在向量 v 上使其变为 w，那么矩阵 A 对应的变换矩阵就是 [w] = A [v]。
如果将一个矩阵 A 乘以一个正交矩阵 Q，即 AQ，那么该变换保持向量长度比和角度不变，因此变换后的矩阵 A 的特征跟之前是相同的。这就意味着，如果我们想要改变一个矩阵的特征值，就需要用到非正交变换。
4. 正交变换和特征值在实际应用中的意义
在一些实际应用中，正交变换和特征值有着重要的应用。例如，正交变换可以用于图像处理中的图像旋转和镜像，可以用于实现数字信号的压缩和编码，以及刻画分形和混沌现象等。
特征值则可以用于求解线性微分方程，以及在机器学习和数据分析中进行降维和主成分分析等。通过求解特征值和特征向量，我们可以将高维数据压缩成低维数据，并保留原有数据的主要信息。这在机器学习和数据分析领域中非常有用。
