线性代数
A
=
[
1
2
3
4
]
{\displaystyle \mathbf {A} ={\begin{bmatrix}1&2\\3&4\end{bmatrix))}
向量 ·
向量空间 ·
基底 ·
行列式 ·
矩阵
向量
标量 ·
向量 ·
向量空间 ·
向量投影 ·
外积(
向量积 ·
七维向量积) ·
内积(
数量积) ·
二重向量
矩阵与行列式
矩阵 ·
行列式 ·
线性方程组 ·
秩 ·
核 ·
跡 ·
單位矩陣 ·
初等矩阵 ·
方块矩阵 ·
分块矩阵 ·
三角矩阵 ·
非奇异方阵 ·
转置矩阵 ·
逆矩阵 ·
对角矩阵 ·
可对角化矩阵 ·
对称矩阵 · 反對稱矩陣 ·
正交矩阵 ·
幺正矩阵 ·
埃尔米特矩阵 ·
反埃尔米特矩阵 ·
正规矩阵 ·
伴随矩阵 ·
余因子矩阵 ·
共轭转置 ·
正定矩阵 ·
幂零矩阵 ·
矩阵分解 (
LU分解 ·
奇异值分解 ·
QR分解 ·
极分解 ·
特征分解) ·
子式和余子式 ·
拉普拉斯展開 ·
克罗内克积
线性空间与线性变换
线性空间 ·
线性变换 ·
线性子空间 ·
线性生成空间 ·
基 ·
线性映射 ·
线性投影 ·
線性無關 ·
线性组合 ·
线性泛函 ·
行空间与列空间 ·
对偶空间 ·
正交 ·
特征向量 ·
最小二乘法 ·
格拉姆-施密特正交化
.mw-parser-output .hlist ul,.mw-parser-output .hlist ol{padding-left:0}.mw-parser-output .hlist li,.mw-parser-output .hlist dd,.mw-parser-output .hlist dt{margin:0;display:inline}.mw-parser-output .hlist dt:after,.mw-parser-output .hlist dd:after,.mw-parser-output .hlist li:after{white-space:normal}.mw-parser-output .hlist dt:after{content:" :"}.mw-parser-output .hlist dd:after,.mw-parser-output .hlist li:after{content:" · ";font-weight:bold}.mw-parser-output .hlist-pipe dd:after,.mw-parser-output .hlist-pipe li:after{content:" | ";font-weight:normal}.mw-parser-output .hlist-hyphen dd:after,.mw-parser-output .hlist-hyphen li:after{content:" - ";font-weight:normal}.mw-parser-output .hlist-comma dd:after,.mw-parser-output .hlist-comma li:after{content:"、";font-weight:normal}.mw-parser-output .hlist dd:last-child:after,.mw-parser-output .hlist dt:last-child:after,.mw-parser-output .hlist li:last-child:after{content:none}.mw-parser-output .hlist ol{counter-reset:listitem}.mw-parser-output .hlist ol>li{counter-increment:listitem}.mw-parser-output .hlist ol>li:before{content:" "counter(listitem)" ";white-space:nowrap}.mw-parser-output .hlist dd ol>li:first-child:before,.mw-parser-output .hlist dt ol>li:first-child:before,.mw-parser-output .hlist li ol>li:first-child:before{content:" ("counter(listitem)" "}.mw-parser-output .hlist ol{counter-reset:listitem}.mw-parser-output .hlist ol>li{counter-increment:listitem}.mw-parser-output .hlist ol>li:before{content:" "counter(listitem)"\a0 "}.mw-parser-output .hlist dd ol>li:first-child:before,.mw-parser-output .hlist dt ol>li:first-child:before,.mw-parser-output .hlist li ol>li:first-child:before{content:" ("counter(listitem)"\a0 "}.mw-parser-output ul.cslist,.mw-parser-output ul.sslist{margin:0;padding:0;display:inline-block;list-style:none}.mw-parser-output .cslist li,.mw-parser-output .sslist li{margin:0;display:inline-block}.mw-parser-output .cslist li:after{content:","}.mw-parser-output .sslist li:after{content:";"}.mw-parser-output .cslist li:last-child:after,.mw-parser-output .sslist li:last-child:after{content:none}.mw-parser-output .navbar{display:inline;font-weight:normal}.mw-parser-output .navbar-collapse{float:left;text-align:left}.mw-parser-output .navbar-boxtext{word-spacing:0}.mw-parser-output .navbar ul{display:inline-block;white-space:nowrap;line-height:inherit}.mw-parser-output .navbar-brackets::before{margin-right:-0.125em;content:"[ "}.mw-parser-output .navbar-brackets::after{margin-left:-0.125em;content:" ]"}.mw-parser-output .navbar li{word-spacing:-0.125em}.mw-parser-output .navbar a>span,.mw-parser-output .navbar a>abbr{text-decoration:inherit}.mw-parser-output .navbar-mini abbr{font-variant:small-caps;border-bottom:none;text-decoration:none;cursor:inherit}.mw-parser-output .navbar-ct-full{font-size:114%;margin:0 7em}.mw-parser-output .navbar-ct-mini{font-size:114%;margin:0 4em}
查论编
在線性代數中,反對稱矩陣(或稱斜對稱矩陣)指轉置矩陣和自身的加法逆元相等的方形矩陣。其滿足:
- AT = − A
或寫作
,各元素的關係為:
![{\displaystyle a_{ij}=-a_{ji}\,\!}](https://wikimedia.org/api/rest_v1/media/math/render/svg/65b13b66becdbad4f6b9ba00ed6dffc39c694be0)
例如,下例為一個斜對稱矩陣:
![{\displaystyle {\begin{bmatrix}0&2&-1\\-2&0&-4\\1&4&0\end{bmatrix))}](https://wikimedia.org/api/rest_v1/media/math/render/svg/5208d0a8179be243b62e384ba69c2c08ed6a9d99)
在非偶数域中,斜對稱矩陣中的主對角線元素皆為0。
![{\displaystyle {\begin{bmatrix}0&2&-1\\-2&0&-4\\1&4&0\end{bmatrix)),{\begin{bmatrix}0&2\\-2&0\end{bmatrix))}](https://wikimedia.org/api/rest_v1/media/math/render/svg/f0d848e8c8120f0911299ecb69edba54776a5b22)
- 斜對稱矩陣自身相乘的積是對稱矩陣。
- 任意矩陣
,
是斜對稱矩陣。
- 若
是斜對稱矩陣,
是向量,![{\displaystyle x^{T}Ax=0}](https://wikimedia.org/api/rest_v1/media/math/render/svg/b5569b280b6626c3af4c867266433b96d743ef9a)
- 斜對稱矩陣的主對角線元素必是零,所以其跡數為零。
若
是
的斜對稱矩陣,其行列式滿足
。
- 若
是奇數,行列式等於零。這個結果叫雅可比定理。
- 若
是偶數,行列式可以寫成部分元素的多項式的平方:
。
這個多項式
叫
的普法夫行列式。任意實斜對稱矩陣的行列式是非負數。
斜對稱矩陣的特征根永遠以成對的形式(±λ)出現,因此一個實數斜對稱矩陣的非零特征根為純虛數將會如下:iλ1, −iλ1, iλ2, −iλ2, …,其中 λk 是實數。
实斜对称矩阵是正规矩阵(它们与伴随矩阵可交换),因此满足谱定理的条件,它说明任何实斜对称矩阵都可以用一个酉矩阵对角化。由于实斜对称矩阵的特征值是复数,因此无法用实矩阵来对角化。然而,通过正交变换,可以把每一个斜对称矩阵化为方块对角线的形式。特别地,每一个2n × 2n的实斜对称矩阵都可以写成A = Q Σ QT的形式,其中Q是正交矩阵,且:
![{\displaystyle \Sigma ={\begin{bmatrix}{\begin{matrix}0&\lambda _{1}\\-\lambda _{1}&0\end{matrix))&0&\cdots &0\\0&{\begin{matrix}0&\lambda _{2}\\-\lambda _{2}&0\end{matrix))&&0\\\vdots &&\ddots &\vdots \\0&0&\cdots &{\begin{matrix}0&\lambda _{r}\\-\lambda _{r}&0\end{matrix))\\&&&&{\begin{matrix}0\\&\ddots \\&&0\end{matrix))\end{bmatrix))}](https://wikimedia.org/api/rest_v1/media/math/render/svg/695f425e403040e077a31b770f94467b95216ef2)
对于实数λk。这个矩阵的非零特征值是±iλk。在奇数维的情况中,Σ总是至少有一个行和一个列全是零。
斜对称矩阵形成了正交群O(n)在单位矩阵的切空间。在某种意义上,斜对称矩阵可以视为无穷小旋转。
另外一种说法是,斜对称矩阵的空间形成了李群O(n)的李代数o(n)。这个空间上的李括号由交换子给出:
![{\displaystyle [A,B]=AB-BA\ }](https://wikimedia.org/api/rest_v1/media/math/render/svg/e39c4010af25c496dbbd5be995cf81ea7d9727d5)
很容易验证,两个斜对称矩阵的交换子也是斜对称的。
于是,斜对称矩阵A的矩阵指数,是正交矩阵R:
![{\displaystyle R=\exp(A)=\sum _{n=0}^{\infty }{\frac {A^{n)){n!))}](https://wikimedia.org/api/rest_v1/media/math/render/svg/c26ba9f4e72697b5eb56530b2715269b257dedea)
李代数的指数映射的像总是位于含有单位元的李群的连通分支内。在李群O(n)的情况中,这个连通分支是特殊正交群SO(n),由所有行列式为1的正交矩阵组成。因此R = exp(A)的行列式为+1。于是,每一个行列式为1的正交矩阵都可以写成某个斜对称矩阵的指数。