单位正交矢量的参数化,用于特征矢量对厄尔米特矩阵对角化使用

首先α β 在0-pi/2内,这样就可以取值0-1,满足了单位化的要求

每个向量的模由α和β定义,αβ定义模的时候只限制在0--pi/2,由画图可知不可正交

为了验证矩阵 U 3 \boldsymbol{U}_3 U3 的第一列和第二列是否正交,我们需要计算这两个列向量的内积,并检查它是否等于零。

矩阵 U 3 \boldsymbol{U}_3 U3 的第一列和第二列分别是:

第一列:

cos ⁡ α 1 e j ϕ 1 sin ⁡ α 1 cos ⁡ β 1 e j ( δ 1 + ϕ 1 ) sin ⁡ α 1 sin ⁡ β 1 e j ( γ 1 + ϕ 1 ) \] \\begin{bmatrix} \\cos \\alpha_1 \\mathrm{e}\^{\\mathrm{j} \\phi_1} \\\\ \\sin \\alpha_1 \\cos \\beta_1 \\mathrm{e}\^{\\mathrm{j}(\\delta_1+\\phi_1)} \\\\ \\sin \\alpha_1 \\sin \\beta_1 \\mathrm{e}\^{\\mathrm{j}(\\gamma_1+\\phi_1)} \\end{bmatrix} cosα1ejϕ1sinα1cosβ1ej(δ1+ϕ1)sinα1sinβ1ej(γ1+ϕ1) 第二列: \[ cos ⁡ α 2 e j ϕ 2 sin ⁡ α 2 cos ⁡ β 2 e j ( δ 2 + ϕ 2 ) sin ⁡ α 2 sin ⁡ β 2 e j ( γ 2 + ϕ 2 ) \] \\begin{bmatrix} \\cos \\alpha_2 \\mathrm{e}\^{\\mathrm{j} \\phi_2} \\\\ \\sin \\alpha_2 \\cos \\beta_2 \\mathrm{e}\^{\\mathrm{j}(\\delta_2+\\phi_2)} \\\\ \\sin \\alpha_2 \\sin \\beta_2 \\mathrm{e}\^{\\mathrm{j}(\\gamma_2+\\phi_2)} \\end{bmatrix} cosα2ejϕ2sinα2cosβ2ej(δ2+ϕ2)sinα2sinβ2ej(γ2+ϕ2) 内积定义为两个向量对应元素乘积的和,对于复数向量,内积还需要考虑共轭。因此,第一列和第二列的内积为: ( cos ⁡ α 1 e j ϕ 1 ) ∗ ( cos ⁡ α 2 e j ϕ 2 ) + ( sin ⁡ α 1 cos ⁡ β 1 e j ( δ 1 + ϕ 1 ) ) ∗ ( sin ⁡ α 2 cos ⁡ β 2 e j ( δ 2 + ϕ 2 ) ) + ( sin ⁡ α 1 sin ⁡ β 1 e j ( γ 1 + ϕ 1 ) ) ∗ ( sin ⁡ α 2 sin ⁡ β 2 e j ( γ 2 + ϕ 2 ) ) \\begin{aligned} \&\\left( \\cos \\alpha_1 \\mathrm{e}\^{\\mathrm{j} \\phi_1} \\right)\^\\ast \\left( \\cos \\alpha_2 \\mathrm{e}\^{\\mathrm{j} \\phi_2} \\right) + \\\\ \&\\left( \\sin \\alpha_1 \\cos \\beta_1 \\mathrm{e}\^{\\mathrm{j}(\\delta_1+\\phi_1)} \\right)\^\\ast \\left( \\sin \\alpha_2 \\cos \\beta_2 \\mathrm{e}\^{\\mathrm{j}(\\delta_2+\\phi_2)} \\right) + \\\\ \&\\left( \\sin \\alpha_1 \\sin \\beta_1 \\mathrm{e}\^{\\mathrm{j}(\\gamma_1+\\phi_1)} \\right)\^\\ast \\left( \\sin \\alpha_2 \\sin \\beta_2 \\mathrm{e}\^{\\mathrm{j}(\\gamma_2+\\phi_2)} \\right) \\end{aligned} (cosα1ejϕ1)∗(cosα2ejϕ2)+(sinα1cosβ1ej(δ1+ϕ1))∗(sinα2cosβ2ej(δ2+ϕ2))+(sinα1sinβ1ej(γ1+ϕ1))∗(sinα2sinβ2ej(γ2+ϕ2)) 将共轭应用于每个复数项,我们得到: cos ⁡ α 1 cos ⁡ α 2 e − j ϕ 1 e j ϕ 2 + sin ⁡ α 1 cos ⁡ β 1 sin ⁡ α 2 cos ⁡ β 2 e − j ( δ 1 + ϕ 1 ) e j ( δ 2 + ϕ 2 ) + sin ⁡ α 1 sin ⁡ β 1 sin ⁡ α 2 sin ⁡ β 2 e − j ( γ 1 + ϕ 1 ) e j ( γ 2 + ϕ 2 ) \\begin{aligned} \&\\cos \\alpha_1 \\cos \\alpha_2 \\mathrm{e}\^{-\\mathrm{j} \\phi_1} \\mathrm{e}\^{\\mathrm{j} \\phi_2} + \\\\ \&\\sin \\alpha_1 \\cos \\beta_1 \\sin \\alpha_2 \\cos \\beta_2 \\mathrm{e}\^{-\\mathrm{j}(\\delta_1+\\phi_1)} \\mathrm{e}\^{\\mathrm{j}(\\delta_2+\\phi_2)} + \\\\ \&\\sin \\alpha_1 \\sin \\beta_1 \\sin \\alpha_2 \\sin \\beta_2 \\mathrm{e}\^{-\\mathrm{j}(\\gamma_1+\\phi_1)} \\mathrm{e}\^{\\mathrm{j}(\\gamma_2+\\phi_2)} \\end{aligned} cosα1cosα2e−jϕ1ejϕ2+sinα1cosβ1sinα2cosβ2e−j(δ1+ϕ1)ej(δ2+ϕ2)+sinα1sinβ1sinα2sinβ2e−j(γ1+ϕ1)ej(γ2+ϕ2) 由于 e − j ϕ 1 e j ϕ 2 = e j ( ϕ 2 − ϕ 1 ) \\mathrm{e}\^{-\\mathrm{j} \\phi_1} \\mathrm{e}\^{\\mathrm{j} \\phi_2} = \\mathrm{e}\^{\\mathrm{j}(\\phi_2 - \\phi_1)} e−jϕ1ejϕ2=ej(ϕ2−ϕ1),我们可以将上式简化为: cos ⁡ α 1 cos ⁡ α 2 e j ( ϕ 2 − ϕ 1 ) + sin ⁡ α 1 sin ⁡ α 2 cos ⁡ β 1 cos ⁡ β 2 e j ( δ 2 − δ 1 + ϕ 2 − ϕ 1 ) + sin ⁡ α 1 sin ⁡ α 2 sin ⁡ β 1 sin ⁡ β 2 e j ( γ 2 − γ 1 + ϕ 2 − ϕ 1 ) \\cos \\alpha_1 \\cos \\alpha_2 \\mathrm{e}\^{\\mathrm{j}(\\phi_2 - \\phi_1)} + \\sin \\alpha_1 \\sin \\alpha_2 \\cos \\beta_1 \\cos \\beta_2 \\mathrm{e}\^{\\mathrm{j}(\\delta_2 - \\delta_1 + \\phi_2 - \\phi_1)} + \\sin \\alpha_1 \\sin \\alpha_2 \\sin \\beta_1 \\sin \\beta_2 \\mathrm{e}\^{\\mathrm{j}(\\gamma_2 - \\gamma_1 + \\phi_2 - \\phi_1)} cosα1cosα2ej(ϕ2−ϕ1)+sinα1sinα2cosβ1cosβ2ej(δ2−δ1+ϕ2−ϕ1)+sinα1sinα2sinβ1sinβ2ej(γ2−γ1+ϕ2−ϕ1) 这样可见,想使这个两个向量正交,内积等于0,就是内积的模 = 0 。绝对相位Φ2-Φ1不影响正交,其他的相位有影响,参数之间不独立 ​ 举例: T3矩阵在S矩阵是对角阵时的参数化 ![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/51b42e9b0682472eadb65c30c1f1de2b.jpeg) 同理,满足反射对称性时,T矩阵如下,再是秩等于1,则T3矩阵参数化和上面一样 ![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/d674a17b29324463b6fb164f0a9a45bf.png)

相关推荐
盛寒15 小时前
矩阵的定义和运算 线性代数
线性代数
盛寒15 小时前
初等变换 线性代数
线性代数
叶子爱分享18 小时前
浅谈「线性代数的本质」 - 系列合集
线性代数
luofeiju18 小时前
RGB下的色彩变换:用线性代数解构色彩世界
图像处理·人工智能·opencv·线性代数
好开心啊没烦恼20 小时前
Python:线性代数,向量内积谐音记忆。
开发语言·python·线性代数·数据挖掘·数据分析
引量AI10 天前
TikTok 矩阵如何快速涨粉
大数据·人工智能·矩阵·tiktok矩阵·海外社媒
Ven%11 天前
矩阵阶数(线性代数) vs. 张量维度(深度学习):线性代数与深度学习的基石辨析,再也不会被矩阵阶数给混淆了
人工智能·pytorch·深度学习·线性代数·矩阵·tensor·张量
云云32111 天前
亚矩云手机赋能Vinted矩阵运营:破解二手电商多账号与本地化困局
网络·人工智能·智能手机·矩阵·自动化
云云32112 天前
Subway Surfers Blast × 亚矩阵云手机:手游矩阵运营的终极变现方案
大数据·人工智能·线性代数·智能手机·矩阵·架构
点云侠12 天前
PCL 点云旋转的轴角表示法
人工智能·线性代数·算法·计算机视觉·矩阵