WikiDer > Диагональная матрица

В линейная алгебра, а диагональная матрица это матрица в котором записи за пределами главная диагональ все равны нулю; термин обычно относится к квадратные матрицы. Пример диагональной матрицы 2 на 2: ${ displaystyle left [{ begin {smallmatrix} 3 & 0 0 & 2 end {smallmatrix}} right]}$, а пример диагональной матрицы 3 на 3 -${ displaystyle left [{ begin {smallmatrix} 6 & 0 & 0 0 & 7 & 0 0 & 0 & 4 end {smallmatrix}} right]}$. An единичная матрица любого размера или кратного ему размера (a скалярная матрица), является диагональной матрицей.

Диагональную матрицу иногда называют матрица масштабирования, так как умножение матрицы на нее приводит к изменению масштаба (размера). Его определитель является произведением диагональных значений.

Определение

Как указано выше, диагональная матрица - это матрица, в которой все недиагональные элементы равны нулю. То есть матрица D = (d_я,j) с п колонны и п строки диагональны, если

${ displaystyle forall i, j in {1,2, ldots, n }, i neq j подразумевает d_ {i, j} = 0}$.

Однако вход по главной диагонали неограничен.

Период, термин диагональная матрица может иногда относиться к прямоугольная диагональная матрица, что является м-от-п матрица со всеми записями не вида d_я,я быть нулевым. Например:

${ displaystyle { begin {bmatrix} 1 & 0 & 0 0 & 4 & 0 0 & 0 & -3 0 & 0 & 0 end {bmatrix}}}$ или ${ displaystyle { begin {bmatrix} 1 & 0 & 0 & 0 & 0 0 & 4 & 0 & 0 & 0 0 & 0 & -3 & 0 & 0 end {bmatrix}}}$

Однако чаще диагональная матрица относится к квадратным матрицам, которые можно явно указать как квадратная диагональная матрица. Квадратная диагональная матрица - это симметричная матрица, так что это также можно назвать симметричная диагональная матрица.

Следующая матрица представляет собой квадратную диагональную матрицу:

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

Если записи действительные числа или сложные числа, то это нормальная матрица также.

В оставшейся части этой статьи мы будем рассматривать только квадратные диагональные матрицы и будем называть их просто «диагональными матрицами».

Скалярная матрица

Диагональная матрица, у которой все главные диагональные элементы равны, есть скалярная матрица, то есть скалярное кратное λI из единичная матрица я. Его влияние на вектор является скалярное умножение к λ. Например, скалярная матрица 3 × 3 имеет вид:

${ displaystyle { begin {bmatrix} lambda & 0 & 0 0 & lambda & 0 0 & 0 & lambda end {bmatrix}} Equiv lambda { boldsymbol {I}} _ {3}}$

Скалярные матрицы - это центр алгебры матриц: то есть это в точности матрицы, ездить со всеми другими квадратными матрицами того же размера.^[а] Напротив, более поле (как и действительные числа) диагональная матрица, в которой все диагональные элементы различны, коммутирует только с диагональными матрицами (ее централизатор - набор диагональных матриц). Это потому, что если диагональная матрица ${ displaystyle D = operatorname {diag} (a_ {1}, dots, a_ {n})}$ имеет ${ displaystyle a_ {i} neq a_ {j},}$ затем дана матрица ${ displaystyle M}$ с ${ displaystyle m_ {ij} neq 0,}$ то ${ displaystyle (я, j)}$ Срок действия продуктов: ${ displaystyle (DM) _ {ij} = a_ {j} m_ {ij}}$ и ${ displaystyle (MD) _ {ij} = m_ {ij} a_ {i},}$ и ${ displaystyle a_ {j} m_ {ij} neq m_ {ij} a_ {i}}$ (так как можно разделить на ${ displaystyle m_ {ij}}$), поэтому они не коммутируют, если недиагональные члены не равны нулю.^[b] Диагональные матрицы, в которых диагональные элементы не все равны или все различны, имеют централизаторы, промежуточные между всем пространством и только диагональными матрицами.^[1]

Для абстрактного векторного пространства V (а не конкретное векторное пространство ${ displaystyle K ^ {n}}$) или в более общем смысле модуль M через кольцо р, с алгебра эндоморфизмов Конец(M) (алгебра линейных операторов на M) заменяя алгебру матриц аналогом скалярных матриц являются скалярные преобразования. Формально скалярное умножение - это линейное отображение, порождающее отображение ${ displaystyle R to operatorname {End} (M),}$ (отправить скаляр λ к соответствующему скалярному преобразованию, умножение на λ) экспонирование End (M) как р-алгебра. Для векторных пространств или в более общем смысле бесплатные модули ${ displaystyle M cong R ^ {n}}$, для которых алгебра эндоморфизмов изоморфна матричной алгебре, скалярные преобразования - это в точности центр алгебры эндоморфизмов, и аналогично обратимые преобразования являются центром общая линейная группа GL (V), где они обозначены Z (V), следуем обычным обозначениям для центра.

Векторные операции

При умножении вектора на диагональную матрицу каждый член умножается на соответствующий диагональный элемент. Учитывая диагональную матрицу ${ displaystyle D = operatorname {diag} (a_ {1}, dots, a_ {n})}$ и вектор ${ displaystyle v = left [{ begin {smallmatrix} x_ {1} vdots x_ {n} end {smallmatrix}} right]}$, товар:

${ displaystyle Dv = operatorname {diag} (a_ {1}, dots, a_ {n}) { begin {bmatrix} x_ {1} vdots x_ {n} end {bmatrix}} = { begin {bmatrix} a_ {1} & ddots && a_ {n} end {bmatrix}} { begin {bmatrix} x_ {1} vdots x_ {n} end {bmatrix}} = { begin {bmatrix} a_ {1} x_ {1} vdots a_ {n} x_ {n} end {bmatrix}}.}$

Это можно выразить более компактно, используя вектор вместо диагональной матрицы, ${ displaystyle d = left [{ begin {smallmatrix} a_ {1} vdots a_ {n} end {smallmatrix}} right]}$, и принимая Произведение Адамара векторов (начальное произведение), обозначаемых ${ displaystyle d odot v}$:

${ displaystyle Dv = d odot v = { begin {bmatrix} a_ {1} vdots a_ {n} end {bmatrix}} odot { begin {bmatrix} x_ {1} vdots x_ {n} end {bmatrix}} = { begin {bmatrix} a_ {1} x_ {1} vdots a_ {n} x_ {n} end {bmatrix}}. }$

Это математически эквивалентно, но позволяет избежать хранения всех нулевых членов этого разреженная матрица. Таким образом, этот продукт используется в машинное обучение, например, вычисление продуктов производных в обратное распространение или умножая веса IDF на TF-IDF,^[2] поскольку некоторые BLAS структуры, которые эффективно умножают матрицы, не включают напрямую возможности продукта Адамара.^[3]

Матричные операции

Операции сложения матриц и матричное умножение особенно просты для диагональных матриц. Написать диаг (а₁, ..., а_п) для диагональной матрицы, диагональные элементы которой начинаются в верхнем левом углу: а₁, ..., а_п. Тогда для сложения имеем

диаг (а₁, ..., а_п) + диаг (б₁, ..., б_п) = диаг (а₁ + б₁, ..., а_п + б_п)

и для матричное умножение,

диаг (а₁, ..., а_п) · диаг (б₁, ..., б_п) = диаг (а₁б₁, ..., а_пб_п).

Диагональная матрица диаг (а₁, ..., а_п) является обратимый если и только если записи а₁, ..., а_п все ненулевые. В этом случае мы имеем

диаг (а₁, ..., а_п)⁻¹ = диаг (а₁⁻¹, ..., а_п⁻¹).

В частности, диагональные матрицы образуют подкольцо кольца всех п-от-п матрицы.

Умножение п-от-п матрица А от осталось с диаг (а₁, ..., а_п) составляет умножение яth ряд из А к а_я для всех я; умножение матрицы А от правильно с диаг (а₁, ..., а_п) составляет умножение яth столбец из А к а_я для всех я.

Операторная матрица в собственном базисе

Как объяснено в определение коэффициентов операторной матрицы, есть специальная основа, е₁, ..., е_п, для которого матрица ${ displaystyle A}$ принимает диагональный вид. Следовательно, в определяющем уравнении ${ displaystyle A { vec {e}} _ {j} = sum a_ {i, j} { vec {e}} _ {i}}$, все коэффициенты ${ displaystyle a_ {i, j}}$ с я ≠ j равны нулю, оставляя только один член на сумму. Сохранившиеся диагональные элементы, ${ displaystyle a_ {я, я}}$, известны как собственные значения и обозначен ${ displaystyle lambda _ {я}}$ в уравнении, которое сводится к ${ displaystyle A { vec {e}} _ {i} = lambda _ {i} { vec {e}} _ {i}}$. Полученное уравнение известно как уравнение на собственные значения^[4] и использовался для получения характеристический многочлен и далее, собственные значения и собственные векторы.

Другими словами, собственные значения из диаг (λ₁, ..., λ_п) находятся λ₁, ..., λ_п с ассоциированным собственные векторы из е₁, ..., е_п.

Характеристики

В детерминант из диаг (а₁, ..., а_п) это продукт а₁...а_п.

В сопоставлять диагональной матрицы снова диагональной.

Квадратная матрица диагональна тогда и только тогда, когда она треугольная и нормальный.

Любая квадратная диагональная матрица также является симметричная матрица.

Симметричная диагональная матрица может быть определена как матрица, которая одновременно верхний и нижнетреугольный. В единичная матрица я_п и любой квадрат нулевая матрица диагональные. Одномерная матрица всегда диагональна.

Приложения

Диагональные матрицы встречаются во многих областях линейной алгебры. Из-за простого описания матричной операции и собственных значений / собственных векторов, приведенных выше, обычно желательно представить данную матрицу или линейная карта диагональной матрицей.

Фактически, данный п-от-п матрица А является аналогичный в диагональную матрицу (это означает, что существует матрица Икс такой, что Икс⁻¹ТОПОР диагональна) тогда и только тогда, когда она имеет п линейно независимый собственные векторы. Такие матрицы называются диагонализуемый.

Над поле из настоящий или сложный числа, правда больше. В спектральная теорема говорит, что каждый нормальная матрица является унитарно похожий к диагональной матрице (если AA^∗ = А^∗А тогда существует унитарная матрица U такой, что UAU^∗ диагональный). Кроме того, разложение по сингулярным числам следует, что для любой матрицы А, существуют унитарные матрицы U и V такой, что БПЛА^∗ диагональна с положительными элементами.

Теория операторов

В теория операторов, особенно изучение PDEsоператоры особенно просты для понимания, а УЧП легко решаются, если оператор диагонален по отношению к базису, с которым он работает; это соответствует разделимое дифференциальное уравнение в частных производных. Следовательно, ключевым методом понимания операторов является изменение координат - на языке операторов, интегральное преобразование- который меняет основу на собственный базис из собственные функции: что делает уравнение разделимым. Важным примером этого является преобразование Фурье, который диагонализует операторы дифференцирования с постоянными коэффициентами (или, в более общем смысле, операторы, инвариантные относительно сдвига), такие как оператор Лапласа, скажем, в уравнение теплопроводности.

Особенно легко операторы умножения, которые определяются как умножение на (значения) фиксированной функции - значения функции в каждой точке соответствуют диагональным элементам матрицы.

Смотрите также

Примечания

использованная литература

• Хорн, Роджер А .; Джонсон, Чарльз Р. (1985). Матричный анализ. Издательство Кембриджского университета. ISBN 0-521-30586-1.