反對稱矩陣

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：

A^T = − A

线性代数
${\displaystyle \mathbf {A} ={\begin{bmatrix}1&2\\3&4\end{bmatrix}}}$
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
查 论 编

或寫作${\displaystyle A=(a_{ij})}$，各元素的關係為：

${\displaystyle a_{ij}=-a_{ji}\,\!}$

例如，下例為一個斜對稱矩陣：

${\displaystyle {\begin{bmatrix}0&2&-1\\-2&0&-4\\1&4&0\end{bmatrix}}}$

在非偶数域中，斜對稱矩陣中的主對角線元素皆為0。

例子

${\displaystyle {\begin{bmatrix}0&2&-1\\-2&0&-4\\1&4&0\end{bmatrix}},{\begin{bmatrix}0&2\\-2&0\end{bmatrix}}}$

特性

• 斜對稱矩陣自身相乘的積是對稱矩陣。
• 任意矩陣${\displaystyle A}$，${\displaystyle A^{T}-A}$是斜對稱矩陣。
• 若${\displaystyle A}$是斜對稱矩陣，${\displaystyle x}$是向量，${\displaystyle x^{T}Ax=0}$
• 斜對稱矩陣的主對角線元素必是零，所以其跡數為零。

行列式

若${\displaystyle A}$是${\displaystyle n\times n}$的斜對稱矩陣，其行列式滿足

${\displaystyle \operatorname {det} (A)=\operatorname {det} (A^{T})=\operatorname {det} (-A)=(-1)^{n}\operatorname {det} (A)}$。

• 若${\displaystyle n}$是奇數，行列式等於零。這個結果叫雅可比定理。
• 若${\displaystyle n}$是偶數，行列式可以寫成部分元素的多項式的平方：${\displaystyle \operatorname {det} (A)=\operatorname {Pf} (A)^{2}}$。

這個多項式${\displaystyle \operatorname {Pf} (A)}$叫${\displaystyle A}$的普法夫行列式。任意實斜對稱矩陣的行列式是非負數。

譜理論

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 λ_k 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 Q^T的形式，其中Q是正交矩阵，且：

${\displaystyle \Sigma ={\begin{bmatrix}{\begin{matrix}0&\lambda _{1}\\-\lambda _{1}&0\end{matrix}}&0&\cdots &0\\0&{\begin{matrix}0&\lambda _{2}\\-\lambda _{2}&0\end{matrix}}&&0\\\vdots &&\ddots &\vdots \\0&0&\cdots &{\begin{matrix}0&\lambda _{r}\\-\lambda _{r}&0\end{matrix}}\\&&&&{\begin{matrix}0\\&\ddots \\&&0\end{matrix}}\end{bmatrix}}}$

对于实数λ_k。这个矩阵的非零特征值是±iλ_k。在奇数维的情况中，Σ总是至少有一个行和一个列全是零。

无穷小旋转

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：

${\displaystyle [A,B]=AB-BA\ }$

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：

${\displaystyle R=\exp(A)=\sum _{n=0}^{\infty }{\frac {A^{n}}{n!}}}$

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。

參見

• 斜埃尔米特矩陣
• 辛矩阵

参考文献

• Eves, Howard. Elementary Matrix Theory. Dover Publications. 1980. ISBN 978-0-486-63946-8.