Orta matrico

El Vikipedio, la libera enciklopedio

En lineara algebro, ortonormala matricoorta matricoperpendikulara matrico estas kvadrata matrico kun reelaj elementoj kies kolumnoj (aŭ linioj) estas perpendikularaj unuaj vektoroj (kio estas, ortonormalaj vektoroj), kio estas por n×n matricoj ke

kaj

por ĉiuj j, k, 1≤j≤n, 1≤k≤n, kie δjk estas delto de Kronecker.

Tiel ĝiaj kolumnoj formas ortonormalan bazon de la eŭklida spaco Rn kun la ordinara eŭklida skalara produto.

Ekvivalente, matrico Q estas ortonormala se ĝia transpono estas egala al ĝia inverso:

QT=Q-1

QTQ = QQT = I

Tiel ortonormala matrico estas ĉiam normala matrico.

Eblus supozi ke matrico kun perpendikularaj (sed ne nepre ortonormalaj) kolumnoj devus nomiĝi kiel orta matrico, sed ĉi tiaj matricoj ne estas de speciala intereso kaj ne havas specialan nomon; ili nur kontentigas MTM = D, kie D estas diagonala matrico.

Kiel lineara transformo, ortonormala matrico konservas la skalaran produton de vektoroj:

<Qx, Qy> = <x, y>

ĉar

<Qx, Qy> = (Qx)TQy = xTQTQy = xTIy = xTy = <x, y>

Kvadrato de longo de vektoro v estas ||v||2 = <v, v> = vTv , kiu estas egala al ||Qv||2 = <Qv, Qv>. Tiel, kiel lineara transformo, ortonormala matrico konservas longojn de vektoroj.

Tiel multipliko je ortonormala matrico agas kiel izometrio de eŭklida spaco, kiel turnadoreflekto. Tiel, ĝi prezentas unitan transformon.

La aro de n×n ortonormalaj matricoj formas grupon O(n), nomatan kiel la perpendikulara grupo. La ĝia subgrupo SO(n) konsistanta de ortonormalaj matricoj kun determinanto +1 estas nomata kiel la speciala perpendikulara grupo, kaj ĉiu el ĝiaj eroj estas speciala ortonormala matrico. Kiel lineara transformo, ĉiu speciala ortonormala matrico agas kiel turnado sed ne kiel reflekto.

Kvankam oni kutime konsideras nur reelan ortonormalajn matricoj, la difino povas esti uzita por matricoj kun elementoj de iu kampo.

Ortonormalaj matricoj aperas nature ĉe ena produtoj, kaj por matricoj de kompleksaj nombroj ĉi tio kondukas al konsidero de unitaj matricoj anstataŭ ortonormalaj.

Ekzemploj

Pli sube estas kelkaj ekzemploj de malgrandaj ortonormalaj matricoj kaj eblaj ekzegezoj.

  • Identa transformo
  • Turno je 16.26°
  • Reflekto tra x-akso

1×1 kaj 2×2 ortonormalaj matricoj

La nuraj 1×1 ortonormalaj matricoj estas la matricoj [1] kaj [-1] kiujn oni povas ekzegezi kiel la idento kaj reflekto de la reela linio tra la fonto.

La 2×2 matricoj havas formon

kaj ortonormaleco postulas kontentigon de tri ekvacioj

p2+q2 = 1
t2+u2 = 1
pt+qu = 0

En konsidero de la unua ekvacio, sen malprofito de universaleco estu p = cos θ, q = sin θ; tiam aŭ t = -q, u = pt = q, u = - p. La unua okazo estas turnado je θ (kie θ = 0 estas la idento), kaj la dua estas reflekto tra linio je angulo de θ/2:

  • Turnado:
  • Reflekto

La reflekto je 45° interŝanĝas x kaj y koordinatojn; ĝi estas permuta matrico, kun sola 1 en ĉiu kolumno kaj linio kaj aliloke 0:

La identa matrico estas ankaŭ permuta matrico.

Reflekto estas ĝia propra inverso, kio signifas ke reflekta matrico estas simetria (egala al sia transpono) kaj ankaŭ ortonormala. La produto de du turnadaj matricoj estas turnada matrico; la produto de du reflektaj matricoj estas turnada matrico.

Primitivaj ortonormalaj matricoj

Ĉiu permuta matrico estas ortonormalaj matrico.

La plej rudimenta permuto estas interŝanĝo, ricevita de la identa matrico per interŝanĝo de du linioj. Ĉiu n×n permuta matrico povas esti konstruita kiel produto de ne pli ol n-1 interŝanĝoj.

Reflekto de Householder estas konstruita surbaze de donita ne-nula vektoro v kiel

Ĉi tie la vvT estas simetria matrico kaj en la denominatoro estas nombro, kvadrato de normo de v. Ĉi tiu matrico Q prezentas reflekton en la hiperebeno perpendikulara al v, ŝanĝanta singnon de vektora komponanto paralela al v. Se v estas unuobla vektoro, tiam eblas skribi pli simple Q = I − 2vvT. Ĉiu n×n orta matrico povas esti konstruita kiel produto de maksimume n ĉi tiaj reflektoj. Reflekto de Householder estas tipe uzata por samtempe nuligi la suban parton de kolumno de iu donita matrico (vidu en artikolo QR faktorigo).

Turnado de Givens agas en du-dimensia (ebena) subspaco generita per du koordinataj aksoj, turnante je elektita angulo. Ĉiu n×n turnada matrico povas esti konstruita kiel produto de maksimume n(n-1)/2 ĉi tiaj turnadoj. Ĉe 3×3 matricoj, tri ĉi tiaj turnadoj sufiĉas; kaj fiksante la vicon de ilia apliko oni povas tial priskribi ĉiun 3×3 turnadan matricon (kvankam ne unike) per la tri anguloj, ofte nomataj kiel eŭleraj anguloj. Ĝi estas tipe uzata por nuligi solan kromdiagonalan suban elementon de iu donita matrico (vidu en artikolo QR faktorigo).

Jakobia turnado havas la saman formon kiel turnado de Givens, sed estas uzita kiel simileca transformo elektita por nuligi ambaŭ kromdiagonalaj elementoj de 2×2 simetria submatrico de iu donita matrico.

Propraĵoj

Matricaj propraĵoj

La determinanto de ĉiu orta matrico estas +1 aŭ -1. Ĉi tio sekvas de propraĵoj de determinanto:

1 = det(I) = det(QTQ) = det(QT)det(Q) = (det(Q))2

La reo estas ne vera; tio ke determinanto estas +1 estas ne garantias la ortonormalecon, eĉ kun perpendikularaj kolumnoj, kiel estas montrite per jena kontraŭekzemplo:

Ĉe permutaj matricoj la determinanto estas +1 por para permuto kaj -1 por nepara permuto.

Ortonormala matrico povas ĉiam estas diagonaligebla matrico, kio estas ke ĝi povzs esti diagonaligita super la kompleksaj nombroj

Ĉe ĉiu ortonormala matrico ĉiu el la ajgenoj estas (eble kompleksa) de modulo 1 (i|=1 por i=1...n, kio estas ke ĉiuj ajgeno kuŝas sur unuobla cirklo en kompleksa ebeno).

La inverso de ĉiu ortonormala matrico estas denove ortonormala.

La produto de ĉiuj du ortonormalaj matricoj G kaj H estas denove ortonormala ĉar

(GH)(GH)T = GHHTGT = GGT = I

Grupaj propraĵoj

Por ĉiu n, la aro de ĉiuj n×n ortonormalaj matricoj kun matrica multipliko formas grupon O(n), nomatan kial la perpendikulara grupo.

Ĉiuj finidimensiaj linearaj izometrioj - turnadoj, reflektoj, kaj iliaj kombinaĵoj estas prezentataj per ortonormalaj matricoj. La reo estas ankaŭ vera: ortonormalaj matricoj enhavas ĉiujn perpendikularajn transformojn de ĉiu reela finidimensia spaco en sin. Tamen, lineara algebro konsideras ankaŭ perpendikularajn transformojn inter reelaj spacoj kiuj povas esti malfinidimensiaj aŭ de malsamaj dimensioj, kaj ĉi tiuj ne estas prezentataj per ortonormalaj matricoj.

La perpendikularaj grupoj O(n), kune kun ĝiaj subgrupoj, estas larĝe uzataj en matematiko kaj fiziko. Ekzemple, la punkta grupo de molekulo estas subgrupo de O(3). Ĉar ĉe komputoj per flosanta punkto ortonormalaj matricoj havas avantaĝajn propraĵojn, ili estas gravaj en multaj algoritmoj de cifereca lineara algebro, kiel ekzemple QR-faktorigo. Kiel la alia ekzemplo, kun konvena normaligo la diskreta kosinusa konverto (uzata ekzemple en JPEG kaj MP3 kunpremoj) estas prezentata per ortonormala matrico.

La perpendikulara grupo O(n) estas kompakta Grupo de Lie de dimensio n(n-1)/2.

La ortonormalaj matricoj kies determinanto estas +1 formas vojkoneksan normalan subgrupon de O(n) de indekso 2, la speciala perpendikulara grupo SO(n) de turnadoj. La kvocienta grupo O(n)/SO(n) estas izomorfia al O(1), kun la projekcia mapo elektanta [+1] aŭ [−1] laŭ la determinanto. Ortonormalaj matricoj kun determinanto -1 ne inkluzivas la identan matricon, kaj do ne formas subgrupon sed nur flankan klason; ĝi estas ankaŭ (aparte) koneksa. Tial ĉiu perpendikulara grupo disfalas en du pecojn; kaj ĉar la projekcia mapo fendas, O(n) estas duonrekta produto de SO(n) kaj O(1).

Konsideru (n+1)×(n+1) ortonormalajn matricojn kun la suba dekstra elemento egala al 1. La resto de la lasta kolumno kaj de la lasta linio devas esti nuloj. La cetera parto de la matrico estas n×n ortonormala matrico.

Produto de ĉiuj du ĉi tiaj matricoj havas la saman formon; tial O(n) estas subgrupo de O(n+1) (kaj de ĉiuj pli altaj grupoj).

Simile, SO(n) estas subgrupo de SO(n+1).

Permutaj matricoj estas pli simplaj, ili formas ne grupon de Lie, sed nur finian grupon, la simetrian grupon Snde ordo n!. Same, Sn estas subgrupo de Sn+1. La paraj permutoj formas la subgrupon de permutaj matricoj kun determinanto +1, la alternan grupon de ordo n!/2.

Kanona formo

La efiko de multipliko je ĉiu ortonormala matrico apartigatas en sendependajn agojn sur perpendikularaj du-dimensiaj subspacoj. Tio estas, se Q estas speciala ortonormala tiam oni povas ĉiam trovi ortonormalan matricon P, donatan ŝanĝon de bazo, kiu transformas Q en blokan diagonalan formon:

se n estas para
se n estas nepara

kie la matricoj R1, ..., Rk estas 2×2 turnadaj matricoj, kaj la ceteraj elementoj estas nuloj. Escepte, turnado bloko povas esti diagonala, +I-I. 2×2 reflekto diagonaligatas al matrico enhavanta +1 kaj -1 sur la ĉefdiagonalo kaj 0 aliloke. Tial, ŝanĝante signon de unu kolumno se necesas, ĉiu orta matrico povas esti prezentita en formo

La matricoj R1, ..., Rk donas konjugitajn parojn de ajgenoj kuŝantaj sur la trigonometria cirklo en la kompleksa ebeno. Ĉi tiu malkomponaĵo konfirmas tion ke ĉiuj ajgenoj havas absolutan valoron 1. Se n estas nepara, do estas almenaŭ unu reela ajgeno, +1 aŭ -1; por 3×3 turnado, la ajgenvektoro asociita kun ajgeno +1 estas la turnada akso.

Malkomponaĵoj

Iuj gravaj matricaj malkomponaĵoj engaĝas ortonormalajn matricojn, inter ili:

QR-faktorigo: M = QR, Q ortonormala, R supra triangula.
Singulara valora malkomponaĵo: M = UΣVT, U kaj V ortonormalaj, Σ nenegativa diagonala.
Ajgena malkomponaĵo (malkomponaĵo laŭ la spektra teoremo): S = QΛQT, S simetria, Q ortonormala, Λ diagonala.
Polusa malkomponaĵo: M = QS, Q ortonormala, S simetria nenegative difinita.

Hazardigo

Iuj ciferecaj aplikoj, kiel montekarlaj manieroj kaj esplorado de alte-dimensiaj datumoj spacoj, postulas generadon de uniforme distribuitaj hazardaj ortonormalaj matricoj. En ĉi tiu ĉirkaŭteksto, la uniformeco estas difinita per mezuro de Haar, kiu esence postulas ke la distribuo devas ne ŝanĝiĝi se estas multiplikita per iu libere elektita ortonormala matrico. Ortonormaligo de matricoj kun sendependa uniforme distribuitaj hazardaj elementoj ne rezultas je uniforme distribuitaj ortonormalaj matricoj, sed la QR-faktorigo de matricoj kun sendependaj normalej distribuitaj hazardaj elementoj faras ĉi tion, se la diagonalo de R enhavas nur pozitivajn elementojn. Pli kompetenta estas la "subgrupa algoritmo" (en kiu formo ĝi laboras same bone por permutoj kaj turnadoj). Por generi (n+1)×(n+1) ortonormalan matricon, prenu n×n ĉi tian matricon kaj uniforme distribuitan unuoblan vektoron de dimensio n+1. Konstruu reflekton de Householder de la vektoro, tiam apliku ĝin al la pli malgrandan matricon kun aldonita 1 en la dekstra malsupra angulo.

Nekvadrataj matricoj

Se Q estas ne kvadrata matrico, tiam la kondiĉoj QTQ = I kaj QQT = I estas ne ekvivalentaj. La kondiĉo QTQ = I statas ke la kolumnoj de Q estas ortonormalaj. Ĉi tio povas nur okazi se Q estas m×n matrico kun n≤m. Simile, QQT = I statas ke la linioj de Q estas ortonormala, kiu postulas ke n≥m.

Ne estas ne normaj nomoj por ĉi tiuj matricoj. Ili estas iam nomataj kiel "ortonormalaj matricoj", iam kiel "perpendikularaj matricoj", kaj iam simple kiel "matricoj kun ortonormalaj kolumnoj/linioj".

Vidu ankaŭ

Eksteraj ligiloj

greke Dubrulle, Augustin A. (1999). An Optimum Iteration for the Matrix Polar Decomposition - Optimuma ripeto por la matrica polusa malkomponigado. Elect. Trans. Num. Anal. 8 21–25. greke Higham, Nicholas (1986). Computing the Polar Decomposition - with Applications - Komputado de la polusa malkomponaĵo - kun Aplikoj. SIAM J. Sci. Stat. Comput. 7 (4) 1160–1174. COI:10.1137/0907079. ISSN 0196-5204. greke Higham, Nicholas; Schreiber, Robert (Julio 1990). Fast polar decomposition of an arbitrary matrix - Rapida polusa malkomponigado de ajna matrico. SIAM J. Sci. Stat. Comput. 11 (4) 648–655. COI:10.1137/0911038. ISSN 0196-5204. [1] greke Stewart, G. W. (1980). The Efficient Generation of Random Orthogonal Matrices with an Application to Condition Estimators - La kompetenta generado de hazardaj perpendikularaj matricoj kun apliko al kondiĉaj proksimumiloj. SIAM J. Numer. Anal. 17 (3) 403–409. COI:10.1137/0717034. ISSN 0036-1429. greke [2], Paul Dawkins, Lamar Universitato, 2008. Teoremo 3(c)