目录
34 关系: 偏最小二乘回归，反對稱矩陣，反射 (数学)，合同矩阵，奇异值分解，对合矩阵，對稱矩陣，岩泽分解，幺正算符，广义最小残量方法，伴随矩阵，四元数与空间旋转，四元數，矩阵，矩阵指数，离散余弦变换，简正坐标，置换矩阵，瑕旋轉，特征分解，白雜訊，豪斯霍尔德变换，转置矩阵，赫尔默特转换，酉矩阵，QR分解，标准正交基，正交，正交变换，正交群，正规矩阵，派克变换，方块矩阵，旋转矩阵。
偏最小二乘回归
偏最小二乘回归（， PLS回归）是一种统计学方法，与主成分回归有关系，但不是寻找响应和独立变量之间最小方差的超平面，而是通过投影预测变量和观测变量到一个新空间来寻找一个线性回归模型。因为数据X和Y都会投影到新空间，PLS系列的方法都被称为双线性因子模型。當Y是分类數據時有「偏最小二乘判别分析（， PLS-DA）」，是PLS的一个变形。 偏最小二乘用于查找两个矩阵（X和Y）的基本关系，即一个在这两个空间对协方差结构建模的隐变量方法。偏最小二乘模型将试图找到X空间的多维方向来解释Y空间方差最大的多维方向。偏最小二乘回归特别适合当预测矩阵比观测的有更多变量，以及X的值中有多重共线性的时候。相比之下，标准的回归在这些情况下不见效（除非它是Tikhonov正则化）。 偏最小二乘算法被用在偏最小二乘路径建模中， 一个建立隐变量（原因不能没有实验和拟实验来确定，但一个典型的模型会基于之前理论假设（隐变量影响衡量指标的表现）的隐变量模型）这种技术是结构方程模型的一种形式，与经典方法不同的是基于组件而不是基于协方差。 偏最小二乘来源于瑞典统计学家Herman Wold，然后由他的儿子Svante Wold发展。偏最小二乘的另一个词（根据Svante Wold）是投影到潜在结构，但偏最小二乘法依然在许多领域占据着主导地位。尽管最初的应用是在社会科学中，偏最小二乘回归今天被广泛用于化学计量学和相关领域。它也被用于生物信息学，sensometrics，神经科学和人类学。而相比之下，偏最小二乘回歸最常用于社会科学、计量经济学、市场营销和战略管理。.
查看 正交矩阵和偏最小二乘回归
反對稱矩陣
在線性代數中，反對稱矩陣（或稱斜對稱矩陣）是一個方形矩陣，其轉置矩陣和自身的加法逆元相等。其滿足： 或寫作A.
查看 正交矩阵和反對稱矩陣
反射 (数学)
在数学中，反射是把一个物体变换成它的镜像的映射。要反射一个平面图形，需要“镜子”是一条直线（反射轴），对于三维空间中的反射就要使用平面作为镜子。反射有时被认为是圆反演的特殊情情况，参考圆有无限半径。 在几何上说，要找到一个点的反射，可从这个点向反射轴画一条垂线。并在另一边延续相同的距离。要找到一个图形的反射，需要反射这个图形的每个点。 两次反射回到原来的地方。反射保持在点之间的距离。反射不移动在镜子上的点，镜子的维数比发生反射的空间的维数要小1。这些观察允许我们形式化反射的定义：反射是欧几里得空间的对合等距同构，它的不动点集合是余维数为1的仿射子空间。 在经历特定反射后不改变的图形被称为有反射对称性。 密切关联于反射的是斜反射和圆反演。这些变换仍对合于有余维数1的不动点的集合，但它们不再是等距的。.
查看 正交矩阵和反射 (数学)
合同矩阵
在线性代数，特别是二次型理论中，常常用到矩阵间的合同关系。两个矩阵A和B是合同的，如果有同数域上的可逆矩阵 P，使得 其中的P^\mathrm表示矩阵P的转置矩阵。 对于二次型的矩阵表示来说，做一次非退化的线性替换相当于将二次型的矩阵变为一个与其合同的矩阵。.
查看 正交矩阵和合同矩阵
奇异值分解
奇异值分解（singular value decomposition）是线性代数中一种重要的矩阵分解，在信号处理、统计学等领域有重要应用。奇异值分解在某些方面与对称矩阵或厄米矩陣基于特征向量的对角化类似。然而这两种矩阵分解尽管有其相关性，但还是有明显的不同。对称阵特征向量分解的基础是谱分析，而奇异值分解则是谱分析理论在任意矩阵上的推广。.
查看 正交矩阵和奇异值分解
对合矩阵
在数学上， 对合矩阵是指逆为自身的矩阵，即，称矩阵\mathbf是一个对合矩阵当且仅当\mathbf^2.
查看 正交矩阵和对合矩阵
對稱矩陣
在線性代數中，對稱矩陣是一個方形矩陣，其轉置矩陣和自身相等。 對稱矩陣中的右上至左下方向元素以主對角線（左上至右下）為軸進行對稱。若將其寫作A.
查看 正交矩阵和對稱矩陣
岩泽分解
数学中，半单李群的岩泽分解 KAN 推广了实方阵能写成一个正交矩阵和上三角矩阵的乘积（格拉姆-施密特正交化之推论）。以创立者日本数学家岩泽健吉命名。.
查看 正交矩阵和岩泽分解
幺正算符
在泛函分析中，幺正算符是定义在希尔伯特空间上的有界线性算符U: H → H，满足如下规律 其中 U∗ 是 U的厄米转置, 而 I: H → H是恒等算符。 幺正算符具有如下性质.
查看 正交矩阵和幺正算符
广义最小残量方法
在数学上，广义最小残量方法(一般简称GMRES)是一个求解线性方程组 数值解的迭代方法。这个方法利用在Krylov子空间中有着最小残量的向量来逼近解。Arnoldi迭代方法被用来求解这个向量。 GMRES方法由Yousef Saad和Martin H. Schultz在1986年提出。.
伴随矩阵
在线性代数中，一个方形矩阵的伴随矩阵是一个类似于逆矩阵的概念。如果矩阵可逆，那么它的逆矩阵和它的伴随矩阵之间只差一个系数。然而，伴随矩阵对不可逆的矩阵也有定义，并且不需要用到除法。.
查看 正交矩阵和伴随矩阵
四元数与空间旋转
单位四元数（Unit quaternion）可以用于表示三维空间裡的旋转。它与常用的另外两种表示方式（三维正交矩阵和欧拉角）是等价的，但是避免了欧拉角表示法中的万向锁问题。比起三维正交矩阵表示，四元数表示能够更方便地给出旋转的转轴与旋转角。.
四元數
四元數是由爱尔兰數學家威廉·盧雲·哈密頓在1843年创立出的數學概念。 從明確地角度而言，四元數是複數的不可交換延伸。如把四元數的集合考慮成多維實數空間的話，四元數就代表著一個四维空间，相對於複數為二维空间。 作为用于描述现实空间的坐标表示方式，人们在复数的基础上创造了四元数并以a+bi+cj+dk的形式说明空间点所在位置。 i、j、k作为一种特殊的虚数单位参与运算，并有以下运算规则：i0.
查看 正交矩阵和四元數
矩阵
數學上，一個的矩陣是一个由--（row）--（column）元素排列成的矩形阵列。矩陣--的元素可以是数字、符号或数学式。以下是一个由6个数字元素构成的2--3--的矩阵： 大小相同（行数列数都相同）的矩阵之间可以相互加减，具体是对每个位置上的元素做加减法。矩阵的乘法则较为复杂。两个矩阵可以相乘，当且仅当第一个矩阵的--数等于第二个矩阵的--数。矩阵的乘法满足结合律和分配律，但不满足交换律。 矩阵的一个重要用途是解线性方程组。线性方程组中未知量的系数可以排成一个矩阵，加上常数项，则称为增广矩阵。另一个重要用途是表示线性变换，即是诸如.
查看 正交矩阵和矩阵
矩阵指数
矩阵指数是方块矩阵的一种矩阵函数，与指数函数类似。矩阵指数给出了矩阵李代数与对应的李群之间的关系。 设X为n×n的实数或复数矩阵。X的指数，用eX或exp(X)来表示，是由以下幂级数所给出的n×n矩阵： 以上的级数总是收敛的，因此X的指数是定义良好的。注意，如果X是1×1的矩阵，则X的矩阵指数就是由X的元素的指数所组成的1×1矩阵。.
查看 正交矩阵和矩阵指数
离散余弦变换
离散余弦变换（discrete cosine transform, DCT）是与傅里叶变换相关的一种变换，类似于离散傅里叶变换，但是只使用实数。离散余弦变换相当于一个长度大概是它两倍的离散傅里叶变换，这个离散傅里叶变换是对一个实偶函数进行的（因为一个实偶函数的傅里叶变换仍然是一个实偶函数），在有些变形里面需要将输入或者输出的位置移动半个单位（DCT有8种标准类型，其中4种是常见的）。 最常用的一种离散余弦变换的类型是下面给出的第二种类型，通常我们所说的离散余弦变换指的就是这种。它的逆，也就是下面给出的第三种类型，通常相应的被称为"反离散余弦变换"，"逆离散余弦变换"或者"IDCT"。 有两个相关的变换，一个是离散正弦变换，它相当于一个长度大概是它两倍的实奇函数的离散傅里叶变换；另一个是改进的离散余弦变换，它相当于对交叠的数据进行离散余弦变换。.
查看 正交矩阵和离散余弦变换
简正坐标
正坐标又叫做正则坐标，是用来描述和计算分子内部运动的一个坐标体系。.
查看 正交矩阵和简正坐标
置换矩阵
在数学中的矩阵论裡，置换矩阵是一种系数只由0和1组成的方块矩阵。置换矩阵的每一行和每一列都恰好有一个1，其余的系数都是0。在线性代数中，每个n阶的置换矩阵都代表了一个对n个元素（n维空间的基）的置换。当一个矩阵乘上一个置换矩阵时，所得到的是原来矩阵的横行（置换矩阵在左）或纵列（置换矩阵在右）经过置换后得到的矩阵。.
查看 正交矩阵和置换矩阵
瑕旋轉
在幾何中，瑕旋轉（improper rotation）或稱為旋轉反射（rotoreflection），是一種「旋轉後再反射」的線性變換或仿射變換。正式的說：.
查看 正交矩阵和瑕旋轉
特征分解
线性代数中，特征分解（Eigendecomposition），又称谱分解（Spectral decomposition）是将矩阵分解为由其特征值和特征向量表示的矩阵之积的方法。需要注意只有对可对角化矩阵才可以施以特征分解。.
查看 正交矩阵和特征分解
白雜訊
白噪声，是一種功率譜密度為常數的隨機信號或随机过程。即，此信號在各個频段上的功率是一樣的。由于白光是由各種頻率（颜色）的单色光混合而成，因而此信号的這種具有平坦功率谱的性质被称作是“白色的”，此信号也因此被称作白噪声。相对的，其他不具有这一性质的噪声信号被称为有色噪声。 理想的白噪声具有無限頻寬，因而其能量是無限大，這在现实世界是不可能存在的。实际上，我們常常將有限頻寬的平整訊號視為白噪声，以方便进行數學分析。.
查看 正交矩阵和白雜訊
豪斯霍尔德变换
豪斯霍尔德变换（Householder transformation）或譯「豪斯霍德轉換」，又称初等反射（Elementary reflection），最初由A.C Aitken在1932年提出。Alston Scott Householder在1958年指出了这一变换在数值线性代数上的意义。这一变换将一个向量变换为由一个超平面反射的镜像，是一种线性变换。其变换矩阵被称作豪斯霍尔德矩阵，在一般内积空间中的类比被称作豪斯霍尔德算子。超平面的法向量被称作豪斯霍尔德向量。.
查看 正交矩阵和豪斯霍尔德变换
转置矩阵
在线性代数中，矩阵A的转置是另一个矩阵AT（也写做Atr, tA或A′）由下列等价动作建立.
查看 正交矩阵和转置矩阵
赫尔默特转换
赫尔默特转换也称七参数转换是一种三维空间中的转换模型。常用在大地测量学中用于不同基准间无扭曲的转换,其基本形式为 其中.
查看 正交矩阵和赫尔默特转换
酉矩阵
若一n行n列的複数矩阵U满足 其中I_n\,为n阶单位矩阵，U^\dagger \,为U的共轭转置，则U称为--（又译作--、--。英文：Unitary Matrix, Unitary是歸一或單位的意思）。即，矩阵U为酉矩阵，当且仅当其共轭转置U^\dagger \,为其逆矩阵： 若酉矩阵的元素都是实数，其即为正交矩阵。与正交矩阵G不会改变两个实向量的内积类似， 酉矩阵U不改变两个复向量的内积： 若U \,为n阶方阵，则下列条件等价：.
查看 正交矩阵和酉矩阵
QR分解
QR分解法是三種将矩阵分解的方式之一。這種方式，把矩阵分解成一个半正交矩阵与一个上三角矩阵的积。QR分解经常用来解线性最小二乘法问题。QR分解也是特定特征值算法即QR算法的基础。.
查看 正交矩阵和QR分解
标准正交基
在线性代数中，一个内积空间的正交基（orthogonal basis）是元素两两正交的基。称基中的元素为基向量。假若，一个正交基的基向量的模长都是单位长度1，则称这正交基为标准正交基或"规范正交基"（Orthonormal basis）。 无论在有限维还是无限维空间中，正交基的概念都是很重要的。在无限维希尔伯特空间中，正交基不再是哈默尔基，也即是说不是每个元素都可以写成有限个基中元素的线性组合。因此在无限维空间中，正交基应该被更严格地定义为由线性无关而且两两正交的元素组成、张成的空间是原空间的一个稠密子空间（而不是整个空间）的集合。 注意，在没有定义内积的空间中，“正交基”一词是没有意义的。因此，一个具有正交基的巴拿赫空间，就是一个希尔伯特空间。.
查看 正交矩阵和标准正交基
正交
正交是线性代数的概念，是垂直這一直觀概念的推廣。作為一個形容詞，只有在一個確定的內積空間中才有意義。若內積空間中兩向量的內積為0，則稱它們是正交的。如果能夠定義向量間的夾角，則正交可以直觀的理解為垂直。物理中：運動的獨立性，也可以用正交來解釋。.
查看 正交矩阵和正交
正交变换
在線性代數中，正交變換是線性變換的一種。對一個由空間R^n 投射到同一空間R^n 的線性轉換，如果轉換後的向量長度與轉換前的長度相同，則為正交變換。 \|T(\mathbf)\|.
查看 正交矩阵和正交变换
正交群
数学上，数域F上的n阶正交群，记作O(n,F)，是F上的n×n 正交矩阵在矩阵乘法下构成的群。它是一般线性群GL(n,F)的子群，由 这里QT是Q的转置。实数域上的经典正交群通常就记为O(n)。 更一般地，F上一个非奇异二次型的正交群是保持二次型不变的矩阵构成的群。嘉当-迪奥多内定理描述了这个正交群的结构。 每个正交矩阵的行列式为1或−1。行列式为1的n×n正交矩阵组成一个O(n,F)的正规子群，称为特殊正交群SO(n,F)。如果F的特征为2，那么1.
查看 正交矩阵和正交群
正规矩阵
在数学中，正规矩阵 \mathbf是与自己的共轭转置交换的复系数方块矩阵，也就是说， \mathbf满足 其中\mathbf^*是\mathbf的共轭转置。 如果\mathbf是实系数矩阵，则\mathbf^*.
查看 正交矩阵和正规矩阵
派克变换
派克变换（也译作帕克变换，英语：Park's Transformation），是目前分析同步电动机运行最常用的一种坐标变换，由美国工程师派克（R.H.Park）在1929年提出。派克变换将定子的a,b,c三相电流投影到随着转子旋转的直轴（d轴），交轴（q轴）与垂直于dq平面的零轴（0轴）上去，从而实现了对定子电感矩阵的对角化，对同步电动机的运行分析起到了简化作用。.
查看 正交矩阵和派克变换
方块矩阵
方塊矩陣，或简称方阵，是行數及列數皆相同的矩陣。由n \times n\,矩陣組成的集合，連同矩陣加法和矩陣乘法，构成環。除了n.
查看 正交矩阵和方块矩阵
旋转矩阵
旋转矩阵（Rotation matrix）是在乘以一个向量的时候有改变向量的方向但不改变大小的效果并保持了手性的矩阵。旋转矩阵不包括点反演，点反演可以改变手性，也就是把右手坐标系改变成左手坐标系或反之。所有旋转加上反演形成了正交矩阵的集合。旋转可分为主动旋转与被动旋转。主动旋转是指将向量逆时针围绕旋转轴所做出的旋转。被动旋转是对坐标轴本身进行的逆时针旋转，它相当于主动旋转的逆操作。.
查看 正交矩阵和旋转矩阵
亦称为 正交阵。