{
  "id": "skew-symmetric-matrix",
  "title": "反对称矩阵",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "反对称矩阵的转置等于其相反数；在实数域上，这类矩阵描述无穷小旋转和交替双线性形式。",
  "category": "mathematics",
  "subcategory": "algebra",
  "type": "concept",
  "aliases": [
    "斜对称矩阵"
  ],
  "generated_at": "2026-11-05",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/skew-symmetric-matrix/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/skew-symmetric-matrix/",
      "json": "https://aiwiki.page/en/skew-symmetric-matrix.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "反对称矩阵是指矩阵 \\(A\\) 为方阵，且其矩阵转置等于自身的相反数：\n\n\\[A^{\\mathsf T}=-A.\\]\n\n等价地，其元素满足 \\(a_{ij}=-a_{ji}\\)。因此，在实数域或复数域上，它的所有对角元素都为零。反对称矩阵在线性代数中具有基础性地位：它们表示交替双线性形式，在实数域上还表示无穷小旋转。其结构对矩阵的秩、行列式和特征值施加了很强的限制。"
    },
    {
      "heading": "定义与例子",
      "text": "对于特征不为 \\(2\\) 的域上的矩阵，对角元素为零这一条件可由下式推出：\n\n\\[a_{ii}=-a_{ii} \\quad\\Longrightarrow\\quad 2a_{ii}=0.\\]\n\n一般的 \\(3\\times3\\) 反对称矩阵具有如下形式：\n\n\\[A= \\begin{pmatrix} 0&a&b\\\\ -a&0&c\\\\ -b&-c&0 \\end{pmatrix}.\\]\n\n主对角线上方的元素可以任意选取，下方的元素则随之确定。\n\n最简单的非零例子是\n\n\\[J= \\begin{pmatrix} 0&-1\\\\ 1&0 \\end{pmatrix}.\\]\n\n作为平面上的线性变换，\\(J\\) 将向量逆时针旋转一个直角，且 \\(J^2=-I\\)。\n\n只要底域的特征不为 \\(2\\)，既是反对称矩阵又是对称矩阵的矩阵就只有零矩阵。"
    },
    {
      "heading": "向量空间结构与分解",
      "text": "所有 \\(n\\times n\\) 反对称矩阵构成一个向量空间：它们的和与数乘结果仍为反对称矩阵。其维数为\n\n\\[\\frac{n(n-1)}2,\\]\n\n即主对角线严格上方的元素个数。一组标准基为\n\n\\[E_{ij}-E_{ji},\\qquad 1\\leq i<j\\leq n,\\]\n\n其中，\\(E_{ij}\\) 仅在位置 \\((i,j)\\) 处的元素为 \\(1\\)，其余元素均为零。\n\n在特征不为 \\(2\\) 的域上，每个方阵 \\(M\\) 都有唯一的分解\n\n\\[M=S+K, \\qquad S=\\frac{M+M^{\\mathsf T}}2, \\qquad K=\\frac{M-M^{\\mathsf T}}2,\\]\n\n其中 \\(S\\) 为对称矩阵，\\(K\\) 为反对称矩阵。\n\n对于实矩阵，这两个子空间在弗罗贝尼乌斯内积\n\n\\[\\langle X,Y\\rangle_F=\\operatorname{tr}(X^{\\mathsf T}Y).\\]\n\n下彼此正交。因此，\\((M-M^{\\mathsf T})/2\\) 是 \\(M\\) 在反对称矩阵子空间上的正交投影，也是在弗罗贝尼乌斯范数下与 \\(M\\) 最接近的反对称矩阵。\n\n反对称矩阵通常对矩阵乘法不封闭。事实上，对于反对称矩阵 \\(A\\) 和 \\(B\\)，有\n\n\\[(AB)^{\\mathsf T}=BA.\\]\n\n因此，若 \\(A\\) 与 \\(B\\) 可交换，则 \\(AB\\) 是对称矩阵。它们的交换子\n\n\\[[A,B]=AB-BA,\\]\n\n则始终是反对称矩阵。"
    },
    {
      "heading": "双线性形式与二次表达式",
      "text": "矩阵 \\(A\\) 确定了一个双线性形式\n\n\\[b(x,y)=x^{\\mathsf T}Ay.\\]\n\n若 \\(A\\) 为反对称矩阵，则\n\n\\[b(y,x)=-b(x,y).\\]\n\n在特征不为 \\(2\\) 的域上，这等价于该形式是交替的，即对每个向量 \\(x\\)，都有\n\n\\[b(x,x)=0\\]\n\n特别地，对每个实向量 \\(x\\)，都有\n\n\\[x^{\\mathsf T}Ax=0\\]\n\n从几何上看，在标准欧几里得内积下，\\(Ax\\) 与 \\(x\\) 垂直。\n\n这一恒等式也说明了为什么二次型仅取决于其系数矩阵的对称部分：\n\n\\[x^{\\mathsf T}Mx = x^{\\mathsf T}\\left(\\frac{M+M^{\\mathsf T}}2\\right)x.\\]\n\n反对称部分的贡献为零。\n\n在坐标变换 \\(x=Pu\\) 下，双线性形式的矩阵变为\n\n\\[P^{\\mathsf T}AP,\\]\n\n它仍为反对称矩阵。这一变换是合同变换，通常并不是矩阵相似变换。当 \\(P\\) 为正交矩阵时，两种变换一致，因为 \\(P^{\\mathsf T}=P^{-1}\\)。"
    },
    {
      "heading": "秩、行列式与普法夫式",
      "text": "若 \\(A\\) 的阶数 \\(n\\) 为奇数，则\n\n\\[\\det A =\\det A^{\\mathsf T} =\\det(-A) =(-1)^n\\det A =-\\det A.\\]\n\n在特征不为 \\(2\\) 的域上，这意味着\n\n\\[\\det A=0.\\]\n\n因此，每个奇数阶反对称矩阵都是奇异矩阵。\n\n更一般地，这类域上的反对称矩阵的秩总是偶数。通过可逆合同变换，可以将其化为一个分块对角矩阵，其对角块由若干个\n\n\\[\\begin{pmatrix} 0&1\\\\ -1&0 \\end{pmatrix}\\]\n\n以及一个零块组成。每个非零块对秩的贡献为 \\(2\\)。\n\n对于偶数阶反对称矩阵，其行列式是一个以矩阵元素为变量的多项式的平方，这个多项式称为普法夫式：\n\n\\[\\det A=\\operatorname{pf}(A)^2.\\]\n\n例如，若\n\n\\[A= \\begin{pmatrix} 0&a&b&c\\\\ -a&0&d&e\\\\ -b&-d&0&f\\\\ -c&-e&-f&0 \\end{pmatrix},\\]\n\n则\n\n\\[\\operatorname{pf}(A)=af-be+cd, \\qquad \\det A=(af-be+cd)^2.\\]\n\n特别地，每个实反对称矩阵的行列式都非负，其中奇异矩阵的行列式为零。"
    },
    {
      "heading": "特征值与实标准形",
      "text": "实反对称矩阵满足\n\n\\[A^*=-A,\\]\n\n其中 \\(A^*\\) 表示共轭转置。因此，它是反厄米矩阵的一种特殊情形。\n\n实反对称矩阵的每个特征值都是纯虚数或零。非零特征值以共轭对的形式出现：\n\n\\[+i\\sigma,\\qquad -i\\sigma,\\]\n\n其中 \\(\\sigma>0\\)。\n\n这类矩阵是正规矩阵，因此由复数域上的谱定理可知，它可以酉对角化。在实数域上，相应的结论是正交分块分解：存在正交矩阵 \\(Q\\)，使得\n\n\\[Q^{\\mathsf T}AQ = \\operatorname{diag}\\left( J(\\sigma_1),\\ldots,J(\\sigma_r),0_{n-2r} \\right),\\]\n\n其中\n\n\\[J(\\sigma)= \\begin{pmatrix} 0&-\\sigma\\\\ \\sigma&0 \\end{pmatrix}, \\qquad \\sigma_j>0.\\]\n\n每个块作用于一个二维不变平面，而零块则作用于零空间。这一分解清楚地体现了秩为偶数的性质，也表明每个正奇异值都成对出现。\n\n此外，\n\n\\[A^{\\mathsf T}A=-A^2.\\]\n\n因此，\\(-A^2\\) 是对称半正定矩阵，因为\n\n\\[x^{\\mathsf T}(-A^2)x=\\|Ax\\|^2\\geq0.\\]"
    },
    {
      "heading": "旋转与矩阵指数",
      "text": "对于实反对称矩阵 \\(A\\)，其矩阵指数\n\n\\[e^{tA}=\\sum_{k=0}^{\\infty}\\frac{t^kA^k}{k!}\\]\n\n对每个实数 \\(t\\) 都是正交矩阵：\n\n\\[(e^{tA})^{\\mathsf T}e^{tA} =e^{-tA}e^{tA} =I.\\]\n\n其行列式为 \\(1\\)，因此它是高维意义下的旋转。\n\n对于单个标准块，有\n\n\\[e^{tJ(\\sigma)} = \\begin{pmatrix} \\cos(\\sigma t)&-\\sin(\\sigma t)\\\\ \\sin(\\sigma t)&\\cos(\\sigma t) \\end{pmatrix}.\\]\n\n因此，一般的实反对称矩阵会在彼此正交的平面内同时生成旋转，同时保持其零空间中的向量不变。\n\n反过来，若 \\(Q(t)\\) 是一条由正交矩阵构成的可微曲线，且 \\(Q(0)=I\\)，则对\n\n\\[Q(t)^{\\mathsf T}Q(t)=I\\]\n\n在 \\(t=0\\) 处求导，即可得出 \\(Q'(0)\\) 为反对称矩阵。\n\n实反对称矩阵配以交换子运算，构成旋转李群 \\(SO(n)\\) 的李代数 \\(\\mathfrak{so}(n)\\)。这正是它们描述无穷小旋转的严格含义。\n\n一个相关构造是凯莱变换\n\n\\[Q=(I-A)^{-1}(I+A).\\]\n\n对于实反对称矩阵 \\(A\\)，\\(I-A\\) 可逆，且 \\(Q\\) 是行列式为 \\(1\\) 的正交矩阵。与指数映射不同，这种参数化无法生成具有特征值 \\(-1\\) 的正交矩阵。"
    },
    {
      "heading": "三维叉积",
      "text": "对于 \\(a=(a_1,a_2,a_3)^{\\mathsf T}\\)，定义\n\n\\[[a]_\\times= \\begin{pmatrix} 0&-a_3&a_2\\\\ a_3&0&-a_1\\\\ -a_2&a_1&0 \\end{pmatrix}.\\]\n\n则有\n\n\\[[a]_\\times x=a\\times x,\\]\n\n其中 \\(\\times\\) 表示叉积。\n\n每个实 \\(3\\times3\\) 反对称矩阵都具有这种形式，并唯一对应一个向量 \\(a\\)。当 \\(a\\neq0\\) 时，其零空间是由 \\(a\\) 张成的直线，特征值为\n\n\\[0,\\quad i\\|a\\|,\\quad -i\\|a\\|.\\]\n\n指数 \\(e^{t[a]_\\times}\\) 表示绕轴 \\(a\\) 旋转角度 \\(t\\|a\\|\\)，方向由右手定则确定。\n\n这一对应关系广泛用于刚体运动学、机器人学和经典力学，用来将角速度表示为对位置向量的线性运算。"
    },
    {
      "heading": "复矩阵与特征为二的情形",
      "text": "将实数域上的理论加以推广时，必须注意以下两点。\n\n复数元素。 复反对称矩阵满足 \\(A^{\\mathsf T}=-A\\)，而反厄米矩阵满足 \\(A^*=-A\\)。这是两个不同的条件。特征值为纯虚数或零的性质适用于反厄米矩阵，对复反对称矩阵则不一定成立。例如，\n\n\\[A= \\begin{pmatrix} 0&i\\\\ -i&0 \\end{pmatrix}\\]\n\n是复反对称矩阵，但它的特征值为 \\(1\\) 和 \\(-1\\)。\n\n特征为二。 在特征为 \\(2\\) 的域中，\\(-A=A\\)，因此等式 \\(A^{\\mathsf T}=-A\\) 仅仅表示 \\(A\\) 是对称矩阵，并不强制其对角元素为零。在这种情形下，若要表示交替双线性形式，必须另外要求对角元素为零。交替矩阵的秩仍然是偶数，但仅满足转置等式的矩阵则未必如此。"
    },
    {
      "heading": "在微分方程中的应用",
      "text": "考虑线性常微分方程\n\n\\[\\dot{x}=Ax\\]\n\n其中 \\(A\\) 为实反对称矩阵。其解为 \\(x(t)=e^{tA}x(0)\\)，且\n\n\\[\\frac{d}{dt}\\|x(t)\\|^2 =x(t)^{\\mathsf T}(A^{\\mathsf T}+A)x(t) =0.\\]\n\n这一运动保持欧几里得长度不变，而不会使其增长或衰减。对于随时间变化的实反对称系数矩阵 \\(A(t)\\)，同样的范数守恒计算依然成立。\n\n这一结构在数值分析中十分重要，因为时间步进方法可能无法保持精确流的几何性质。例如，前向欧拉法给出\n\n\\[x_{k+1}=(I+hA)x_k,\\]\n\n从而有\n\n\\[\\|x_{k+1}\\|^2 = \\|x_k\\|^2+h^2\\|Ax_k\\|^2,\\]\n\n因此它通常会使范数增大。相比之下，隐式中点法采用的更新矩阵为\n\n\\[\\left(I-\\frac h2A\\right)^{-1} \\left(I+\\frac h2A\\right),\\]\n\n这是一个凯莱变换，在精确运算下为正交矩阵。"
    }
  ],
  "links": [
    "matrix",
    "matrix-transpose",
    "linear-algebra",
    "field-mathematics",
    "symmetric-matrix",
    "vector-space",
    "inner-product",
    "orthogonal-projection",
    "quadratic-form",
    "matrix-similarity",
    "matrix-rank",
    "determinant",
    "conjugate-transpose",
    "eigenvalues-and-eigenvectors",
    "spectral-theorem",
    "orthogonal-matrix",
    "null-space",
    "matrix-exponential",
    "lie-group",
    "lie-algebra",
    "cross-product",
    "classical-mechanics",
    "ordinary-differential-equation",
    "numerical-analysis"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}