正交矩阵(Orthogonal Matrix)
2016-12-03 16:36
417 查看
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。
相关文章推荐
- openCV矩阵操作之——虚数矩阵. OpenCV complex Matrix Initializing.
- LeetCode2.1.20 @ Set Matrix Zeroes 矩阵部分元素置零 D3F5
- POJ - 3233 Matrix Power Series (矩阵等比二分求和)
- PAT甲题题解-1105. Spiral Matrix (25)-(模拟顺时针矩阵)
- Android的Matrix(矩阵)
- 【LeetCode】766. Toeplitz Matrix(Toeplitz矩阵)
- Matlab与线性代数--矩阵的正交分解
- HDU 5015 233 Matrix (数论——矩阵快速幂)
- uva 11149 - Power of Matrix(矩阵倍增)
- UVa 836 - Largest Submatrix ( 最大01矩阵)
- numpy中的matrix矩阵处理
- numpy中的matrix矩阵处理
- LeetCode 74. Search a 2D Matrix(搜索矩阵)
- hdu 5015 233 Matrix 2014 ACM/ICPC Asia Regional Xi'an Online 矩阵快速幂
- Power of Matrix UVA - 11149(矩阵倍增)
- 程序员能力矩阵 Programmer Competency Matrix
- 手机矩阵密保 DKEY Matrix
- POJ_3233_Matrix Power_矩阵快速幂/二分法
- LeetCode OJ:Set Matrix Zeroes(设置矩阵0元素)
- 理解CSS3 transform中的Matrix(矩阵)