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

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

相关推荐
苏打豆11 小时前
CRISP源码阅读——基于ROS2力矩反馈控制器与速度加速度零空间
c++·线性代数·算法·矩阵·机器人
梦帮科技16 小时前
LoRA / QLoRA 低秩矩阵流形更新:SVD 分解、秩与缩放因子 α 的物理意义与梯度稳定性保障
网络·深度学习·神经网络·线性代数·矩阵·架构·数据挖掘
苏打豆1 天前
Pinocchio源码阅读——刚体运动物理量空间变换及求导
c++·线性代数·算法·矩阵·机器人
梦帮科技2 天前
量子张量网络破局大模型:从矩阵乘积态 (MPS) 到张量列 (TT-SVD) 低秩收缩全推导
网络·数据结构·数据库·线性代数·矩阵·架构·模拟退火算法
xailorliu2 天前
矩阵定性-正定负定不定半正定半负定
c++·opencv·线性代数·计算机视觉·矩阵
代数狂人2 天前
机器学习数学基础──第 4 章 矩阵:数据的仓库与批量计算的引擎
人工智能·机器学习·矩阵
梦帮科技2 天前
领域认知知识库图谱注入:从双式记账图网络到高质量问答对自动化合成流水线
运维·网络·数据库·人工智能·矩阵·架构·自动化
wzdark3 天前
矩阵快速幂算法在图路径计算中的应用4
线性代数·算法·矩阵
轻口味3 天前
HarmonyOS 7 新特性5:平行视界——轻视界文集的两栏阅读与窗口状态边界矩阵真机实测
华为·矩阵·harmonyos·鸿蒙·平行视界
麦豆GEO4 天前
GEO信源布局策略:看懂大模型信源偏好,搭建动态可迭代的全域信源矩阵
大数据·人工智能·矩阵