正交变换

正交变换是线性代数中一类保持内积不变的线性变换。设 V 是欧几里得空间（即实内积空间），若线性变换 T: V → V 满足对任意向量 u, v ∈ V，都有 ⟨T(u), T(v)⟩ = ⟨u, v⟩，则称 T 为正交变换。该定义的核心在于内积的保持，这意味着正交变换必然也保持向量的长度（范数）和向量之间的夹角。具体而言，对任意向量 v，有 ‖T(v)‖ = ‖v‖；对任意非零向量 u, v，T(u) 与 T(v) 之间的夹角等于 u 与 v 之间的夹角。因此，正交变换本质上是欧几里得空间中的刚性运动（保距变换），它仅对空间进行旋转和反射，而不产生拉伸、压缩或剪切变形。值得强调的是，线性性质与保内积性质缺一不可：若仅要求保持长度，则变换未必是线性的（例如任意平移也保持长度，但平移不是线性变换）。

在有限维欧几里得空间中，正交变换与正交矩阵一一对应。设 T 是 ℝⁿ 上的正交变换，{e₁, e₂, …, eₙ} 是 ℝⁿ 的标准正交基，则 T 在该基下的矩阵 Q 满足 QᵀQ = QQᵀ = I，即 Q 是正交矩阵。反之，任何一个正交矩阵 Q 都唯一确定一个正交变换 T(x) = Qx。正交矩阵的列向量构成 ℝⁿ 的一组标准正交基，行向量也同样构成标准正交基。正交矩阵的行列式只能是 +1 或 −1：行列式为 +1 的正交变换称为旋转（或第一类正交变换），行列式为 −1 的正交变换称为反射（或第二类正交变换）。在二维空间中，旋转矩阵的标准形式为 [[cos θ, −sin θ], [sin θ, cos θ]]，它将向量逆时针旋转角度 θ；反射矩阵的标准形式为 [[cos θ, sin θ], [sin θ, −cos θ]]，它关于与 x 轴夹角为 θ/2 的直线进行反射。在三维空间中，绕 x 轴、y 轴和 z 轴的旋转矩阵以及关于各坐标平面的反射矩阵都是典型的正交矩阵。

正交变换具有一系列重要的代数性质。首先，正交变换是可逆的，且其逆变换就是自身的转置：T⁻¹ = Tᵀ。这一性质使得正交矩阵的求逆计算极其简单——仅需转置即可，这在数值计算中具有显著优势。其次，正交变换保持向量之间的正交关系：若 u ⊥ v，则 T(u) ⊥ T(v)。第三，正交变换将标准正交基映射为标准正交基，即若 {e₁, e₂, …, eₙ} 是标准正交基，则 {T(e₁), T(e₂), …, T(eₙ)} 也是标准正交基。反之，将一组标准正交基映射为另一组标准正交基的线性变换必定是正交变换。第四，正交变换的特征值（若存在实特征值）的模长必为 1，即所有实特征值为 +1 或 −1；当考虑复数域上的特征值时，所有特征值均位于复平面上的单位圆上，即 |λ| = 1。此外，不同特征值对应的特征向量相互正交。特别地，奇数维空间中的旋转必然存在一个特征值为 +1 的特征向量，即旋转轴的方向。这一性质使得三维空间中的旋转可以通过旋转轴与旋转角来完全描述。

正交变换在几何上表现为旋转和反射的组合。在二维平面中，正交变换对应于绕原点的旋转或关于某条过原点的直线的反射。在三维空间中，正交变换可以是绕某个过原点的轴的旋转、关于某个过原点的平面的反射，或者是两者的复合（如旋转反射）。更一般地，任意一个正交变换都可以分解为若干反射的乘积（Cartan–Dieudonné 定理），且在 n 维空间中最多需要 n 个反射。从群论的角度看，所有 n 阶正交矩阵构成正交群 O(n)，其中行列式为 +1 的子群称为特殊正交群 SO(n)。SO(2) 同构于单位圆上的旋转群，其元素可由一个角度参数 θ 刻画，群运算对应于角度的加法模 2π。SO(3) 在刚体力学、航空航天的姿态控制和计算机图形学中具有核心地位，其李代数 so(3) 与三维向量的叉乘运算密切相关。正交群 O(n) 是紧李群最重要的例子之一，其紧致性保证了群上的积分和调和分析具有良好的性质。

正交变换在数学和工程领域有着广泛的应用。在数值线性代数中，QR 分解利用 Householder 反射或 Givens 旋转将任意矩阵分解为正交矩阵与上三角矩阵的乘积，是求解最小二乘问题和特征值问题（如 QR 算法）的核心工具。Householder 反射的构造直接利用了正交变换的反射形式，而 Givens 旋转则利用了正交变换的旋转形式；两者均在保持数值稳定性的前提下完成矩阵的三角化。在信号处理中，离散傅里叶变换（DFT）和离散余弦变换（DCT）的变换矩阵均为正交矩阵（差一个归一化常数），这使得信号的分解与重构可以无能量损失地进行，也为 JPEG 图像压缩标准和 MP3 音频编码标准提供了数学基础。在计算机图形学和机器人学中，旋转矩阵用于描述物体的朝向和刚体的运动，而四元数作为旋转的另一种表示方式，通过单位四元数实现三维旋转的插值与合成，避免了万向锁问题。在量子力学中，酉变换（正交变换在复数域上的推广）是描述量子态演化的基本数学工具，量子门的本质即 Hilbert 空间中的酉算子。在数据科学中，主成分分析（PCA）的核心步骤是对协方差矩阵进行正交对角化，从而找到数据方差最大的方向并实现降维。

正交变换与对称变换（自伴变换）之间有着深刻的联系。谱定理指出，实对称矩阵（或自伴算子）可被正交对角化：若 A 是实对称矩阵，则存在正交矩阵 Q 和实对角矩阵 Λ，使得 A = QΛQᵀ。这一定理将正交变换与对称变换紧密联系起来，是许多数学和工程方法的理论基础。从微分几何的角度看，正交变换是黎曼等距的线性版本；从表示论的角度看，正交群在函数空间上的自然表示构成了傅里叶分析的群论基础。总之，正交变换不仅是线性代数中一个优美的概念，更是连接几何、代数、分析和应用数学的关键桥梁。