矩阵的对称,反对称分解

文章目录

一、反对称矩阵

反对称矩阵(Skew-symmetric matrix) ,又称反自伴矩阵 ,是一种特殊的方阵。它的定义是矩阵 A 等于它的负转置 ,即 A T = − A A^T=−A AT=−A。

有着如下性质:

  1. 对角线元素全为0
    • Aii = -Aii => Aii = 0
  2. 反对称矩阵取转置后仍为反对称矩阵;反对称矩阵的和仍为反对称矩阵
  3. 反对称矩阵的特征值要么是0,要么是纯虚数,并且以共轭对的形式出现
  4. 奇数阶反对称矩阵的行列式为零
    • 因为 d e t ( A ) = ( − 1 ) n d e t ( A ) = − d e t ( A ) = > d e t ( A ) = 0 因为 det(A) = (-1)^{n}det(A) = -det(A) => det(A) = 0 因为det(A)=(−1)ndet(A)=−det(A)=>det(A)=0
  5. 偶数阶反对称矩阵的行列式可能不为0
  6. 二次型恒为0
    • x T A x = ( x A T x ) T = − x T A x = > x T A x = 0 x^TAx = (xA^Tx)^T = -x^TAx => x^TAx = 0 xTAx=(xATx)T=−xTAx=>xTAx=0

二、实对称矩阵的二次型

2.1 特征向量的正交性

设 A 是一个 n×n 的方阵。若 λ 是 A 的一个特征值,其对应的特征向量为 x;μ 是 A 的另一个特征值,其对应的特征向量为 y。如果 λ != μ,则向量 x 和 y 相互正交,即它们的內积(点积)为0。

证明:
A x = λ x , A y = μ y A x = λ x y T ( A x ) = y T ( λ x ) ( A y ) T x = λ ( y T x ) μ y T x = λ y T x 因为 λ ≠ μ , 故 y T x = 0 ,证毕 \begin{align} & Ax = \lambda x, Ay = \mu y\\ & Ax = \lambda x\\ & y^T (Ax) = y^T (\lambda x)\\ & (Ay)^T x = \lambda(y^Tx)\\ & \mu y^Tx = \lambda y^Tx\\ & 因为 \lambda \neq \mu, 故 y^Tx = 0,证毕 \end{align} Ax=λx,Ay=μyAx=λxyT(Ax)=yT(λx)(Ay)Tx=λ(yTx)μyTx=λyTx因为λ=μ,故yTx=0,证毕

2.2 施密特正交化

不同特征值的特征向量相互正交,那么如果一个特征值的几何重数大于1,那么我们是否可以选取出一些相互正交的特征向量呢?

显然是可以的,从该特征值的特征向量张成的特征空间中取出一组正交基即可。

具体求法可以先解出任意几个不相关的特征向量,然后做施密特正交化,这里略。

也就是说,对于实对称矩阵我们可以选出一组两两相互正交的特征向量。

2.3 二次型

因为实对称矩阵可以得到n个线性无关两两正交的特征向量,那么我们对特征向量再进一步单位化,就可以将二次型转换为标准型。

二、非对称矩阵的二次型

2.1 分解定理

如何研究非对称矩阵的二次型呢?

事实上,任意 n 阶方阵 A ∈ R n × n A \in \mathbb{R}^{n \times n} A∈Rn×n 都可以唯一地分解为一个对称矩阵和一个反对称矩阵的和:
A = S + K 其中 : 对称部分: S = 1 2 ( A + A T ) , S = S T 对称部分: K = 1 2 ( A − A T ) , K = − K T 显然成立,不做证明 \begin{align} & A = S + K\\ & 其中:\\ &对称部分:S = \frac{1}{2}(A+A^T), S = S^T\\ &对称部分:K = \frac{1}{2}(A-A^T), K = -K^T\\ & 显然成立,不做证明 \end{align} A=S+K其中:对称部分:S=21(A+AT),S=ST对称部分:K=21(A−AT),K=−KT显然成立,不做证明

  • 有趣的是,任意一个函数f(x) 都可以分解为一个奇函数和一个偶函数之和,形式类似。

性质

  1. 分解是唯一的
    • 证明:若 A = S1 + K1 = S2 + K2,则S1 - S2 = K2 - K1,左边对称,右边反对称,两边既是对称又是反对称,那么两边都是0

2.2 二次型

一、中已经介绍反对称矩阵的二次型恒为0,那么我们发现非对称矩阵的二次型仅取决于其分解的对称部分,研究方法和二、中的内容类似。

相关推荐
闻缺陷则喜何志丹19 小时前
【计算几何】仿射变换与齐次矩阵
c++·数学·算法·矩阵·计算几何
闻缺陷则喜何志丹1 天前
【计算几何 线性代数】仿射矩阵的秩及行列式
c++·线性代数·数学·矩阵·计算几何·行列式·仿射矩阵得秩
iAkuya1 天前
(leetcode)力扣100 18矩阵置零(哈希)
leetcode·矩阵·哈希算法
点云侠1 天前
粒子群优化算法求解三维变换矩阵的数学推导
线性代数·算法·矩阵
c#上位机1 天前
halcon计算仿射变换矩阵的逆矩阵
计算机视觉·矩阵·c#
AI科技星2 天前
圆柱螺旋运动方程的一步步求导与实验数据验证
开发语言·数据结构·经验分享·线性代数·算法·数学建模
劈星斩月2 天前
线性代数-3Blue1Brown《线性代数的本质》逆矩阵、列空间、秩与零空间(8)
线性代数·逆矩阵·列空间·秩与零空间
拾贰_C2 天前
【Linear Mathematics | 线性代数 | Matrix Theory |矩阵论】RREF的Pivot(主元)是什么?怎么找主元?
线性代数·矩阵
拼命鼠鼠3 天前
【算法】矩阵链乘法的动态规划算法
算法·矩阵·动态规划
式5163 天前
线性代数(八)非齐次方程组的解的结构
线性代数·算法·机器学习