反对称矩阵的性质

这篇具有很好参考价值的文章主要介绍了反对称矩阵的性质。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

对于向量 a = [ a 1 , a 2 , a 3 ] \mathbf a = [a_1,a_2,a_3] a=[a1,a2,a3], 其反对称矩阵为 a ^ = [ a × ] = [ 0 − a 3 a 2 a 3 0 − a 1 − a 2 a 1 0 ] \mathbf a\hat{}= [\mathbf a \times] = \begin{bmatrix}0 & -a_3 & a_2 \\ a_3&0&-a_1 \\ -a_2 &a_1 &0 \end{bmatrix} a^=[a×]= 0a3a2a30a1a2a10

  • 对于反对称矩阵 a × a \times a×,存在反交换性 :
    a × = − [ a × ] T \mathbf a \times = - [\mathbf a \times ]^T a×=[a×]T

  • 叉乘顺序互换,叉乘结果大小不变,方向相反
    [ a × ] b = − [ b × ] a [\mathbf a \times] \mathbf b= - [\mathbf b \times] \mathbf a [a×]b=[b×]a
    a T [ b × ] = − b T [ a × ] \mathbf a^T [\mathbf b\times] = - \mathbf b^T [a\times] aT[b×]=bT[a×]

  • 反对称矩阵相加
    [ a × ] + [ b × ] = [ a + b ] × [\mathbf a\times] + [\mathbf b\times] = [\mathbf a+\mathbf b]\times [a×]+[b×]=[a+b]×

  • 标量点乘反对称矩阵
    c ⋅ [ a × ] = [ c a × ] c \cdot [\mathbf a\times]=[c\mathbf a\times] c[a×]=[ca×]

  • 向量与自己叉乘等于0向量
    [ a × ] a = 0 [\mathbf a \times] \mathbf a= \mathbf 0 [a×]a=0

  • 对于旋转矩阵R,存在:
    [ R a × ] = R [ a × ] R [\mathbf R\mathbf a\times]=\mathbf R[\mathbf a\times] \mathbf R [Ra×]=R[a×]R
    R ( [ a × ] b ) = [ R a × ] ( R b ) \mathbf R([\mathbf a\times] \mathbf b)=[\mathbf R\mathbf a\times] (\mathbf R\mathbf b) R([a×]b)=[Ra×](Rb)

  • 混合积
    a ⋅ ( b × c ) = b ⋅ ( c × a ) = c ⋅ ( a × b ) \mathbf a\cdot (\mathbf b\times \mathbf c)= \mathbf b\cdot (\mathbf c\times \mathbf a)=\mathbf c\cdot (\mathbf a\times \mathbf b) a(b×c)=b(c×a)=c(a×b)

  • 向量三重积
    a × ( b × c ) = b ( a ⋅ c ) − c ( a ⋅ b ) \mathbf a\times (\mathbf b\times \mathbf c )= \mathbf b(\mathbf a\cdot \mathbf c)-\mathbf c(\mathbf a\cdot \mathbf b) a×(b×c)=b(ac)c(ab)
    [ a × ] [ b × ] = b a T − a T b I 3 [\mathbf a\times][ \mathbf b\times] = \mathbf b\mathbf a^T-\mathbf a^T\mathbf b\mathbf I_3 [a×][b×]=baTaTbI3

  • 二次幂公式
    [ a × ] [ a × ] = a a T − ∣ ∣ a ∣ ∣ 2 2 I 3 [\mathbf a\times][ \mathbf a\times] = \mathbf a\mathbf a^T-||\mathbf a||^2_2I_3 [a×][a×]=aaT∣∣a22I3

  • a \mathbf a a不为零向量时
    a × \mathbf a\times a×的秩为2,必有一维零空间,且 a \mathbf a a是其中的一个解

参考 :https://zhuanlan.zhihu.com/p/435306687文章来源地址https://www.toymoban.com/news/detail-432307.html

到了这里,关于反对称矩阵的性质的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • LA@特征值和特征向量的性质

    特征值之和 ∑ i = 1 n λ i = ∑ i = 1 n a i i sumlimits_{i=1}^{n}lambda_i=sumlimits_{i=1}^{n}a_{ii} i = 1 ∑ n ​ λ i ​ = i = 1 ∑ n ​ a ii ​ 其中 ∑ i = 1 n a i i sum_{i=1}^{n}a_{ii} ∑ i = 1 n ​ a ii ​ 称为矩阵的迹,记为 T r ( A ) Tr(bold A) T r ( A ) 特征值之积 ∏ i = 1 n λ i = ∣ A ∣ prod_{i=1}^{n}lambda

    2024年02月10日
    浏览(29)
  • 线性代数——特征值与特征向量的性质

    (1)设A为方阵,则A与 A T A^{T} A T 有相同的特征值。 此处用到了两个关键性质,一:单位阵的转置为其本身,二:转置并不改变行列式的值。 (2): 设n阶方阵A=( a i j a_{ij} a ij ​ )的n个特征值为 λ 1 lambda_{1} λ 1 ​ , λ 2 lambda_{2} λ 2 ​ ,… λ n lambda_{n} λ n ​ ,则 λ 1 + λ

    2024年02月04日
    浏览(35)
  • 矩阵的秩的性质

    前置知识: 行列式的性质 逆矩阵的性质 【定义】矩阵的秩 线性方程组与矩阵的秩 矩阵初等变换与矩阵乘法的联系 前置定义 2 设在矩阵 A boldsymbol{A} A 中有一个不等于 0 0 0 的 r r r 阶子式 D D D ,且所有 r + 1 r+1 r + 1 阶子式(如果存在的话)全等于 0 0 0 ,那么 D D D 称为矩阵

    2023年04月08日
    浏览(69)
  • 合同矩阵判断方法及性质

    判断合同矩阵的充要条件 两个实对称矩阵合同的充要条件是 它们的正负惯性指数相同。 正惯性指数是线性代数里矩阵的正的特征值个数,负惯性指数是线性代数里矩阵的负的特征值个数。    如图所示,上述矩阵,正惯性指数为1,负惯性指数为1,矩阵的秩为2。 正负惯性指

    2024年02月11日
    浏览(43)
  • 正定矩阵定义和性质

    预备知识 对称矩阵(Symmetric Matrices)是指元素以主对角线为对称轴对应相等的矩阵。在线性代数中,对称矩阵是一个方形矩阵,其转置矩阵和自身相等。   定义 首先从定义开始对PD和PSD有一个初步的概念: 解释 性质            参考链接:如何理解正定矩阵和半正定矩阵

    2024年02月13日
    浏览(29)
  • 相似矩阵的性质

    相似 A A A , B B B 是两个 n n n 阶方阵,如果可存在 n n n 阶可逆矩阵 P P P ,使得 P − 1 A P = B P^{-1}AP=B P − 1 A P = B 则 A A A 和 B B B 相似,即 A ∼ B A sim B A ∼ B 。 注 :矩阵之间有三大关系:矩阵等价( A A A 经过初等变换可以得到 B B B );矩阵相似;矩阵合同。 相似的性质 反身性

    2024年02月06日
    浏览(43)
  • 矩阵乘法的秩的性质

    前置定理 1 矩阵方程 A X = b boldsymbol{A} boldsymbol{X} = boldsymbol{b} A X = b 有解的充分必要条件是 R ( A ) = R ( A , B ) R(boldsymbol{A}) = R(boldsymbol{A},boldsymbol{B}) R ( A ) = R ( A , B ) 。 证明见 “线性方程组与矩阵的秩”。 前置性质 2 R ( A T ) = R ( A ) R(boldsymbol{A}^T) = R(boldsymbol{A}) R ( A T ) =

    2024年02月03日
    浏览(34)
  • 矩阵的其他性质及其运算技巧

    1.单位矩阵(E):类似实数运算中的“1”,任何矩阵乘单位矩阵都等于该矩阵本身,但不同矩阵对应的单位矩阵不同。 2.矩阵乘法满足结合律和分配律,但不满足交换律,原因见三。 3.当两个不同阶矩阵相乘时,如果可以运算,则运算后会得到一个矩阵,而交换两个矩阵的位

    2024年02月06日
    浏览(35)
  • 第三章,矩阵,08-矩阵的秩及相关性质

    玩转线性代数(20)矩阵的秩的笔记,相关证明以及例子见原文 设矩阵 A m ∗ n A_{m*n} A m ∗ n ​ ,称其标准形中单位矩阵子块的阶数为矩阵A的秩,记为 R ( A ) R(A) R ( A ) 设在矩阵A中有一个r阶子式 D ≠ 0 D neq 0 D  = 0 ,且所有r+1阶子式(如果存在的话)全等于0,那么D称为矩阵

    2024年02月12日
    浏览(23)
  • 【数学】【矩阵】迹(Trace)及相关性质

    很多数学上的性质都记不牢,每次用到都需要重新推导。为了减少此类时间浪费,决定以后每次使用时彻底整理好,自用之余也可造福读者。 本文所有内容均已严格查证并推导,但限于水平,难免有误。 恳请发现问题的各位予以指正 ,谢谢! 在线性代数中,将 n n n 阶方阵

    2024年02月02日
    浏览(25)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包