三角矩阵是主对角线下方或上方的元素全为零的方矩阵。这两种情形分别称为上三角矩阵和下三角矩阵。三角矩阵在线性代数中具有基础性地位,因为这种结构使行列式、特征值以及线性方程组的解都较易计算。许多算法先将一般矩阵变换为三角形式,再利用这些性质进行计算。
定义与记号
设 A=(aij) 是一个定义在域(数学)上的 n×n 矩阵,通常取实数域或复数域。
若
aij=0whenever i>j,
则称该矩阵为上三角矩阵;若
aij=0whenever i<j,
则称其为下三角矩阵。
例如,
U=200−13045−2,L=16−3042007
分别是上三角矩阵和下三角矩阵。
主对角线由元素 a11,…,ann 组成。定义并不要求对角线另一侧允许非零的元素一定非零。特别地,每个对角矩阵既是上三角矩阵,也是下三角矩阵;零矩阵和单位矩阵也是如此。
三角矩阵这一术语通常用于方阵。相应的矩形矩阵通常称为上梯形矩阵或下梯形矩阵。
严格三角形式与单位三角形式
若矩阵满足
aij=0whenever i≥j,
则称其为严格上三角矩阵,此时对角线元素也全为零。严格下三角矩阵的定义与此类似。
单位上三角矩阵或单位下三角矩阵的每个对角线元素都等于 1。这两类矩阵统称为单位三角矩阵。“单位”指的是对角线元素,并不表示矩阵具有正交性或酉结构。
代数性质
固定阶数的上三角矩阵对加法、数乘和矩阵乘法均封闭。下三角矩阵也具有这些性质。
对于上三角矩阵 A 和 B,其乘积满足
(AB)ij=k=1∑naikbkj.
当 i>j 时,一个求和项要有可能非零,就必须同时满足 k≥i 和 k≤j,这是不可能的。因此,AB 是上三角矩阵。其对角线元素满足
(AB)ii=aiibii.
因此,上三角矩阵构成一个代数,同时也是一个向量空间,其维数为
2n(n+1).
严格上三角矩阵构成一个维数为 n(n−1)/2 的向量空间。
对上三角矩阵进行矩阵转置,会得到下三角矩阵,反之亦然。共轭转置也会使上下三角形式互换。
行列式、迹与可逆性
对于任意三角矩阵,都有
detA=i=1∏naii.
因此,三角矩阵可逆,当且仅当每个对角线元素都非零。
若 A 可逆且为上三角矩阵,则其逆矩阵也是上三角矩阵,并且
(A−1)ii=aii1.
下三角矩阵也有相应的结论。特别地,单位三角矩阵的逆矩阵仍是单位三角矩阵。
矩阵的迹为
trA=i=1∑naii.
虽然这一迹公式对所有方阵都成立,但三角形式还能直接显示矩阵的特征值。
三角矩阵的秩一般不等于其非零对角线元素的个数。例如,
(0010)
的秩为 1,尽管它没有任何非零对角线元素。确定秩时,必须考察矩阵的整体结构。
严格三角性与幂零性
每个 n×n 严格三角矩阵 N 都满足
这样的矩阵称为幂零矩阵。随着乘方次数增加,可能非零的元素会逐渐远离对角线,直至所有元素都为零。
由此可知,I+N 可逆,且其逆矩阵具有如下有限展开式:
(I+N)−1=I−N+N2−⋯+(−1)n−1Nn−1.
由于更高次幂全部为零,因此不需要使用极限论证。
三角方程组的求解
当线性方程组的系数矩阵为三角矩阵时,可以按顺序逐个求解未知量,而不必进行完整的消元过程。
回代法
对于对角线元素均非零的上三角方程组
,最后一个方程可确定 xn。其余未知量按逆序求得:
xi=uiibi−j=i+1∑nuijxj,i=n,n−1,…,1.
这一过程称为回代法。
例如,
200130−124x1x2x3=254
给出
x3=1,x2=1,x1=1.
前代法
对于下三角方程组
从上到下依次求解各个方程:
xi=liibi−j=1∑i−1lijxj,i=1,2,…,n.
这称为前代法。
对于稠密三角矩阵,用大O记号表示,这两种方法均需要 O(n2) 次算术运算;相比之下,对一般稠密矩阵进行标准消元需要 O(n3) 次运算。单位三角方程组无需执行除以对角线元素的运算。
如果某个对角线元素为零,就不能在对应步骤直接使用这些公式。此时,方程组可能无解,也可能有无穷多解,具体取决于其他系数和右端项。
特征值与三角化
对于三角矩阵 A,采用 χA(t)=det(tI−A) 的约定,其特征多项式为
χA(t)=i=1∏n(t−aii).
因此,按代数重数计数,其特征值恰好就是各个对角线元素。
三角矩阵不一定可以进行矩阵对角化。例如,
A=(1011)
具有重特征值 1,但只有一个线性无关的特征向量。
相似变换为三角形式
如果一个矩阵在某个域上与某个上三角矩阵相似,即存在可逆矩阵 S,使得
为上三角矩阵,则称该矩阵在该域上可三角化。
域上的方阵在该域上可三角化,当且仅当其特征多项式在该域上能够分解为一次因式的乘积。因此:
- 每个复方阵都可三角化。
- 实方阵在实数域上可三角化,当且仅当其所有特征值都是实数。
- 具有非实特征值的实矩阵不能通过相似变换化为实三角矩阵。
舒尔分解在复数域上给出了一个更强的结论:
其中 Q 是酉矩阵,T 是上三角矩阵。在实数域上,相应的实舒尔形式是分块上三角形式,其对角块为 1×1 块和 2×2 块;后者对应非实的共轭特征值对。
不变子空间
三角形式具有几何解释。如果一个线性映射在有序基 v1,…,vn 下的矩阵为上三角矩阵,那么每个子空间
Vk=span(v1,…,vk)
在该映射下都保持不变。这些逐层嵌套的子空间构成一个完全不变旗:
{0}⊂V1⊂V2⊂⋯⊂Vn.
反过来,选取与这样的旗相适配的基,就能使该映射的矩阵成为上三角矩阵。
在矩阵分解中的作用
三角矩阵广泛出现于数值线性代数中,尤其是在将一般问题归结为三角方程组求解的方法中。
高斯消元法与 LU 分解
高斯消元法通过消去对角线下方的元素得到上三角矩阵。消元过程中使用的乘数可以存储在一个下三角矩阵中,从而得到LU分解。
采用行主元选取时,一种常用的约定是
其中 P 是置换矩阵,L 是单位下三角矩阵,U 是上三角矩阵。这样,求解 Ax=b 就转化为求解
Ly=Pb,Ux=y.
得到这些分解因子后,就可以处理多个不同的右端项,而无需重复分解。
QR 分解与 Cholesky 分解
在QR分解
中,若为方阵情形,因子 R 是上三角矩阵;在适当的矩形矩阵表述中,R 则是上梯形矩阵。这种结构用于线性方程组和最小二乘问题的求解算法。
对于实对称正定矩阵,Cholesky分解具有如下形式:
A=LLT,
其中 L 是对角线元素均为正数的下三角矩阵。对于复埃尔米特正定矩阵,相应的分解为 A=LL∗。
分块三角矩阵
分块上三角矩阵在分块对角线下方的各块均为零:
A=(B0CD),
其中对角块 B 和 D 都是方阵,但它们本身不必是三角矩阵。
其行列式和特征多项式满足
detA=detBdetD,χA(t)=χB(t)χD(t).
因此,计入重数后,它的特征值就是各个对角块的特征值。
若 B 和 D 可逆,则
A−1=(B−10−B−1CD−1D−1).
分块三角方程组可通过分块前代法或分块回代法求解。这使算法能够按组处理变量,并在每个块内使用高效的矩阵运算。
数值计算中的注意事项与局限
三角结构虽然能减少计算量,却不能保证问题具有良好的条件性。三角矩阵的条件数可以任意大,此时矩阵元素或右端项中的误差可能导致解发生很大的变化。
标准的代入求解算法具有良好的后向误差性质:在通常的算术模型下,排除上溢和下溢后,计算得到的解可以视为某个邻近三角方程组的精确解。前向误差的大小仍取决于问题的条件性。
很小的对角线元素可能导致很大的中间值或上溢,但仅凭其绝对大小并不能可靠地判断条件性。例如,在标准诱导范数下,无论非零标量多么小,单位矩阵的该标量倍数的条件数始终为 1。
在程序实现中,三角矩阵中已知为零的那一半无需显式存储。单位对角线元素也可以隐式表示。如果只需要求解 Ax=b,直接采用三角方程组的代入求解通常比显式构造 A−1 更合适。