Ортогональная матрица в линейной алгебре¶

Ортогональная матрица — это квадратная матрица с вещественными элементами, столбцы и строки которой образуют ортонормированные системы векторов. Иными словами, произведение такой матрицы на её транспонированную даёт единичную матрицу: \(Q^T Q = Q Q^T = E\). Ортогональные матрицы задают линейные преобразования, сохраняющие длины векторов и углы между ними, то есть изометрии евклидова пространства. Они широко применяются в вычислительной математике, физике, компьютерной графике, робототехнике и статистике.

¶Определение и эквивалентные условия

Квадратная матрица \(Q\) порядка \(n\) называется ортогональной, если выполняется равенство

\[ Q^T Q = Q Q^T = E, \]

где \(Q^T\) — транспонированная матрица, а \(E\) — единичная матрица порядка \(n\). Из этого определения непосредственно следует, что \(Q\) обратима и \(Q^{-1} = Q^T\).

Существует несколько эквивалентных формулировок:

• столбцы матрицы образуют ортонормированный базис пространства \(\mathbb{R}^n\);
• строки матрицы также образуют ортонормированный базис;
• скалярное произведение любых двух различных столбцов равно нулю, а скалярное произведение столбца самого с собой равно единице;
• матрица сохраняет скалярное произведение: \((Qx, Qy) = (x, y)\) для любых векторов \(x\) и \(y\);
• матрица сохраняет норму (длину) вектора: \(\|Qx\| = \|x\|\).

Последнее свойство объясняет геометрический смысл: умножение на ортогональную матрицу — это поворот, отражение или их комбинация, но никогда не растяжение и не сжатие.

¶Основные свойства

Ортогональные матрицы обладают рядом важных алгебраических свойств.

• Определитель ортогональной матрицы равен \(+1\) или \(-1\). Это следует из того, что \(\det(Q^T Q) = (\det Q)^2 = \det E = 1\).
• Множество всех ортогональных матриц порядка \(n\) образует группу относительно умножения, обозначаемую \(O(n)\) и называемую ортогональной группой. Подмножество матриц с определителем \(+1\) образует специальную ортогональную группу \(SO(n)\), элементы которой задают собственно повороты.
• Собственные значения ортогональной матрицы лежат на единичной окружности комплексной плоскости, то есть имеют модуль, равный единице.
• Произведение двух ортогональных матриц снова ортогонально; обратная матрица к ортогональной также ортогональна.
• Число обусловленности ортогональной матрицы равно единице — минимально возможному значению, что делает такие матрицы идеально устойчивыми при численных вычислениях.

¶Классификация и геометрический смысл

В зависимости от знака определителя различают два типа.

В двумерном случае любая ортогональная матрица имеет вид

\[ \begin{pmatrix} \cos\varphi & -\sin\varphi \\ \sin\varphi & \cos\varphi \end{pmatrix} \quad \text{или} \quad \begin{pmatrix} \cos\varphi & \sin\varphi \\ \sin\varphi & -\cos\varphi \end{pmatrix}, \]

где первая задаёт поворот на угол \(\varphi\), а вторая — отражение относительно прямой. В трёхмерном пространстве собственно ортогональные матрицы описывают повороты вокруг некоторой оси (теорема Эйлера о вращении).

¶Применение

Ортогональные матрицы играют ключевую роль во многих областях.

Численные методы. QR-разложение представляет произвольную матрицу в виде произведения ортогональной и верхнетреугольной матриц. Сингулярное разложение (SVD) также опирается на ортогональные преобразования. Эти методы лежат в основе решения систем линейных уравнений, задачи наименьших квадратов и вычисления собственных значений.

Компьютерная графика и робототехника. Матрицы поворота, описывающие ориентацию объектов в пространстве, являются ортогональными с определителем \(+1\). Их используют для анимации, трёхмерного моделирования и кинематики манипуляторов.

Физика. Ортогональные преобразования описывают симметрии физических систем, преобразования координат между системами отсчёта, а в квантовой механике — переходы между ортонормированными базисами состояний.

Статистика. В методе главных компонент и факторном анализе ортогональные преобразования позволяют переходить к новым некоррелированным переменным.

Теория связи. Ортогональные сигналы и матрицы используются при кодировании, в схемах множественного доступа с кодовым разделением (CDMA) и в обработке сигналов.

¶Способы построения

Ортогональные матрицы можно получать несколькими стандартными способами:

• из ортонормированного базиса — записать его векторы в качестве столбцов;
• процесс ортогонализации Грама — Шмидта — преобразовать произвольный набор линейно независимых векторов в ортонормированный;
• матрицы поворота (матрицы Гивенса) — элементарные повороты в плоскости двух координат;
• отражения Хаусхолдера — преобразования, лежащие в основе устойчивых численных алгоритмов;
• экспонента кососимметрической матрицы — даёт собственно ортогональную матрицу, что связывает алгебру Ли \(so(n)\) с группой \(SO(n)\).

¶Вычислительные аспекты

На практике ортогональность матрицы, полученной в результате длинной цепочки вычислений, постепенно нарушается из-за ошибок округления. Для контроля используют меру отклонения \(\|Q^T Q - E\|\). Численные алгоритмы (например, основанные на отражениях Хаусхолдера) специально конструируются так, чтобы сохранять ортогональность с высокой точностью. Именно поэтому QR-разложение и SVD считаются одними из самых надёжных инструментов вычислительной линейной алгебры.

¶Обобщения

Понятие ортогональности обобщается на комплексный случай: унитарная матрица удовлетворяет условию \(U^ U = E\), где \(U^\) — эрмитово сопряжение. Унитарные матрицы сохраняют эрмитово скалярное произведение и играют центральную роль в квантовой механике. Дальнейшим обобщением служат матрицы, сохраняющие заданную билинейную форму (например, симплектические и лоренцевы преобразования).

Источники: учебники по линейной алгебре (Г. Стренг, В. В. Воеводин), справочные материалы по численным методам, курсы по вычислительной математике и теории матриц.