Chapter 3 Matrices and Vectors 矩陣與向量
§ 3-1 Matrices 矩陣
令 m 與 n 為正整數,一個大小(size)或「階數 order」為m×n的矩 陣是一個數字Aij的有序集合(ordered set)其中 1≤i≤m, 1≤ j ≤n, 長 相如下:
⎟⎟
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜⎜
⎜
⎝
⎛
⋅⋅
⋅
⋅⋅
⋅
⋅⋅
⋅
⋅⋅
⋅
⋅⋅
⋅
⋅⋅
⋅
⋅⋅
⋅
=
mn m
m
n n
A A
A
A A
A
A A
A A
1 1
2 22
21
1 12
11
矩陣內的數字Aij稱為第「i 列(橫)、第 j 行(直)」的「矩陣元素 matrix element」,若 m = n 則 A 稱為「方陣 square matrix」。下列 3-1 表列出 矩陣 A 相關的矩陣
matrix elements example
A Aij
⎟⎟⎠
⎜⎜ ⎞
⎝
⎛
+ 2
1 1
i i
A~
(or AT) Transpose of A
(倒置)
( )
A~ij = Aji⎟⎟⎠
⎜⎜ ⎞
⎝
⎛ +
2 1 1 i
i
A∗
Complex conjugate of A (複數共軛)
∗
∗) =( )
(A ij Aij
⎟⎟⎠
⎜⎜ ⎞
⎝
⎛
−
− 2 1
1 i
i
( )
∗+ ≡ A
A ~
Hermitian conjugate of A
(厄密共軛)
( )
∗ ∗+ ij = Aji = Aji
A ~
)
( ⎟⎟
⎠
⎜⎜ ⎞
⎝
⎛
−
− 2 1 1
i i
*Hermitian conjugate A+ =(AT)∗ =(A*)T pf. A∗ Tij = A∗ ji = Aji ∗ = Aij ∗ =A~ij∗
~ ) ( ) ( ) ( )
( , q.e.d.
*對於矩陣 A,若存在矩陣 A-1使得
⎟⎟
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜⎜
⎜
⎝
⎛
=
=
= −
−
...
...
...
...
...
1 0 0
...
0 1 0
...
0 0 1
1 1
1A AA
A
A-1稱為 A 的反矩陣(inverse). 上式中的「1」矩陣稱為「單位矩陣 unit matrix」,其元素除了對角線上的元素全為 1 之外其餘元素全為 0。此 處引進一個符號
Kronecher delta:
⎪⎩
⎪⎨
⎧
≠
= =
j i if
j i if
ij 0,
,
δ 1 ,即 1ij =δij。
可以證明任何方陣 A 乘以相同大小的單位矩陣 1 等於 A 自己,即 1A=A1=A
pf. ij
k kj ik k
kj ik
ij A A A
A = = =
⋅ )
∑
1∑
δ1
( (因為所有k ≠i的項都為 0)。又
ij k
kj ik k
kj ik
ij A A A
A⋅1) =
∑
1 =∑
δ =( (因為所有k ≠ j的項都為 0)
* 矩陣的相等:A=B⇔ Aij =Bij,即各對應元素皆相等。
* 若 A 與 B 為相同的 n 階方陣則定義運算如下
∑
=−
=
− +
= +
−
=
=
n
k
ki ik ij
ij ij ij
ij ij
B A AB
B A B A
const A
A
1
) 3 3 ( )
(
) 2 3 ( )
(
) 1 3 ( . ,
)
(λ λ λ
⎟⎟
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜⎜
⎜
⎝
⎛
⎟⎟
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜⎜
⎜
⎝
⎛
=
⎟⎟
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜⎜
⎜
⎝
⎛
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
) ( ...
...
...
...
...
...
...
...
) ( ) (
2 21
1 1 11
1 2 1
12 11 12
11
nj j
n j
n
in i
i ij
B B B
B B B
A
A A
A A A
AB AB
AB
(3-3)全寫出來就是
∑
n AikBki =Ai B j +Ai B j + +AinBnj=
2 ...
2 1
1 。
若
∑
=
=
= n
k
kj ik
ij A B
C AB C
1
,
ex. ⎟⎟
⎠
⎜⎜ ⎞
⎝
⎛ +
= +
⎟⎟⎠
⎜⎜ ⎞
⎝
⎟⎟⎛
⎠
⎜⎜ ⎞
⎝
⎛
dy cx
by ax y
x d c
b a
ex. ⎟⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⋅ +
⋅ +
⋅
⋅ +
⋅ +
⋅
⋅ +
⋅ +
⋅
⋅ +
⋅ +
⋅
⋅ +
⋅ +
⋅
⋅ +
⋅ +
⋅
⋅ +
⋅ +
⋅
⋅ +
⋅ +
⋅
⋅ +
⋅ +
⋅
⎟=
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
5 9 1 6 2 . 3 7 9 8 6 0 . 3 4 9 0 6 1 3
7 9 8 6 0 3 7 3 8 2 0 . 1 4 3 0 2 1 . 1
4 9 0 6 1 . 3 7 8 8 5 0 . 2 4 8 0 5 1 . 2
5 7 4
1 8 0
2 0 1
9 6 3
3 2 1
8 5 2
注意,通常AB≠BA,例如
⎟⎟⎠
⎜⎜ ⎞
⎝
=⎛
⎟⎟⎠
⎜⎜ ⎞
⎝
⎟⎟⎛
⎠
⎜⎜ ⎞
⎝
⎟⎟ ⎛
⎠
⎜⎜ ⎞
⎝
=⎛
⎟⎟⎠
⎜⎜ ⎞
⎝
⎟⎟⎛
⎠
⎜⎜ ⎞
⎝
⎛
0 0
1 1 1 1
1 1 0 0
1 0 1
0 1 0 0 0
1 0 1 1
1
1 but
但是(AB)C= A(BC) pf.
( ) ( )
ijt
tj it
t k
kj tk it
k t
kj tk it k
kj
ij AB ikC A B C A B C A BC A BC
C
AB) ( ) ( ) ( )
( =
∑
=∑∑
=∑ ∑
=∑
=*
( )
AB T =BTATT T T ij
T T k
T kj T ik k
T ik T kj k
ki jk ji
T
ij AB A B A B B A B A AB B A
AB
pf. ( ) =( ) =
∑
=∑
=∑
=( ) ⇒( ) =1 1
1 1
1 1 1
1
1 1
1 1
1
1 1 1
) 1 (
) (
) (
1 )
( ) (
) (
−
−
−
−
−
−
−
−
−
−
−
−
−
−
−
−
=
⎪⎭⇒
⎪⎬
⎫
=
=
=
⋅
=
=
=
⋅
=
AB A
AA B A
ABB A
B AB and
B B AB A B AB A
B
A B
* AB Q
* 矩陣 A 的行列式(determinant)detA
每一個 n 階的方陣 A 都對應一個數字稱為 A 的行列式。
2×2 矩陣行列式的定義如下:
if det ad cb. d
c b A a
d c
b
A a ⎟⎟⎠⇒ = = −
⎜⎜ ⎞
⎝
=⎛
3 階方陣的行列式定義如下:
* The Levi-Civita symbol εijk
考慮{i, j, k}為{1, 2, 3} 3 個正整數的有序排列(permutaion)集合,這 樣的集合共有 3!=6 個:{1,2,3},{1,3,2},{2,1,3},{2,3,1},{3,1,2},{3,2,1} .
定義「交換數 number of inversion」為{i, j, k}經相鄰數字左、右交換 而成{1,2,3}的總交換數。定義 Levi-Civita 符號εijk
⎪⎩
⎪⎨
⎧
=
→
−
=
→
= +
odd k
j i of inversion of
number if
even k
j i of inversion of
number if
ijk 1, {, , } {1,2,3}
. }
3 , 2 , 1 { } , , { ,
ε 1
⎩⎨
⎧
−
=
=
=
=
=
∴ =
1 1
321 213 132
312 231 123
ε ε ε
ε ε
ε
且εijk =0如果任二腳標相等,i.e., ε112 =ε131 =ε212 =...=0
* 一個 3 階矩陣 A 的「行列式」detA 定義為
∑
=
=
} , , {
3 2 1
33 32 31
23 22 21
13 12 11
det
k j i all
k j i
ijkA A A
A A A
A A A
A A A
A δ
32 23 11 33 21 12 31 22 13 31 23 12 32 23 13 33 22 11 3 2
detA=
∑
εijkA1iA jAk = A A A + A A A +A A A −A A A +A A A −A A A有一種簡單的 3×3 矩陣行列式的算法:
ex. 15 0 12 18 0 10 19
4 2 5 4 2
3 1 0 3 1
2 1 3 2 1
5 4 2
0 3 1
3 2 1
= +
−
− + +
=
−
−
−
−
=
−
−
= A
19 6 10 15 ) 6 4 ( 3 ) 5 ( 2 4 15
2 3 3 1
5 2
0 2 1
5 4
0
1 3 = − − + − = + − =
−
⋅−
− +
⋅
− −
⋅
=
另有一個 3 階方陣行列式的算法:
det A =
∑
=
− + 3
1
' ) 1 (
j
ij j
i A , 對任何一列 i.
其中A'ij為「cofactor of element Aij」
A'ij= det (原方陣 A 去掉第 i 列及第 j 行剩下的 n-1 階方陣)
* 行列式為 0 的方陣稱為「singular matrix」.若一方陣行列式非 0 則 為「nonsingular」.
* 由「行列式」的定義可推出下列性質:
1. det(AT)=detA
2. 若 A 任何行或列全為 0 則detA=0。例如 0 4 0 1
1 0 1
3 0 2
=
−
。
3.
i h g
f e d
c b a
i h g
f e d
c b a
γ γ γ γ
= . 例如
2 1 1
0 1 2
3 1 2 3 2 1 1
0 1 2
9 3
6 −
−
=
−
−
。
4. A 任二行(或列)互換後所得的方陣的行列式=-det A .例如
3 1 1
1 4 0
5 2 2
5 2 2
1 4 0
3 1 1
−
−
=
−
。
5. 若 A 的任二行(或列)的元素全等,則 det A = 0.例如
0 3 5 3
1 4 1
2 1 2
=
− 。
6. det A 可經由某行(或列)的「拆解」而成 2 個方陣行列式的和。
例如
6 0 2
5 4 0
3 3 1
6 2 2
5 1 0
3 2 1
6 0 2 2
5 4 1 0
3 3 2 1
− +
−
= +
−
− +
。
7. 某行(或列)加上另一行(或列)的 c 倍後,新方陣的行列式 不變。例如
6 5 4
3 2 1
6 3 4
6 5 4
3 2 1
0 1 2
−
−
=
−
−
:右邊的行列式為左邊的第一列加上第二
列×2。
* A 的反矩陣 A-1
A A of cofactor
A ij ji
) det
( −1 = , i.e., if detA=0, A−1不存在。其中
cofactor of Aji =(−1)j+idet( A 去掉第 j 列與第 i 行後剩下的 n-1 階矩陣)
ex. ⎟⎟
⎠
⎜⎜ ⎞
⎝
⎛
−
−
−
= −
⇒
≠
−
=
−
−
=
⎟⎟⇒
⎠
⎜⎜ ⎞
⎝
⎛
= + −
1 1
1 3
0 1 3 ) 1 ( 2 2 det
1
1 1
i i A i
i i
i A
A i
check: ⎟⎟
⎠
⎜⎜ ⎞
⎝
=⎛
⎟⎟⎠
⎜⎜ ⎞
⎝
⎛
+ +
−
−
− +
+
− +
−
= −
−
1 0
0 1 2 1 2
2 2 2
1 2 3
1 1
i i i
i i i
AA i and A-1A = 1.
Ex. ⎟⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
−
−
−
=
⇒
=
⎟⇒
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
= −
0 2 4
6 5 2
0 6 0 12 12 1
det 1
2 2
0 0 2
3 0 1
A1
A
A
Check: 1
12 2 10 12 4 4
0 12
0
0 6 6 12
12
1 1 =
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
−
− +
−
−
− =
AA =A-1A.
Ex. 非齊次聯立方程組的解
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⎟=
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⎟≡
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⎟=
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⎪ ⇒
⎩
⎪⎨
⎧
= + +
= + +
= + +
γ β α γ
β α γ
β α
z y x A z
y x
l h g
f e d
c b a
lz hy gx
fz ey dx
cz by ax
上式兩邊×
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⎟=
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⎟⇒
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⎟=
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⇒ − − −
−
γ β α γ
β α
1 1
1
1 A
z y x A
z y x A A
A ,只要detA≠0。
但是如果是齊次方程式α =β =γ =0
0 0
0 0
0 0 0
0 0 0
1
1 ⇒ = = =
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⎟=
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⎟=
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⇒
⎟⇒
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⎟=
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⇒ − A− x y z
z y x 存在 A if z
y x A
就只剩全 0 的「自明解 trivial solution」。所以齊次方程組要想有 nontrivial solution, 那麼方程組裡未知數係數所形成的矩陣的行列 式就不能為 0.
§ 3-2 座標轉換
考慮一個單純的座標旋轉。此處我們使 用(x1, x2)而不用(x, y)來寫平面座標。考 慮繞垂直於 x1與 x2軸且通過原點的軸
逆時針轉θ角,並定義轉完後的座標軸為x'1與x'2軸。若平面上一點 P 其座標在原座標系為(x1, x2),在新座標系為(x'1,x'2)則可看出新舊座標 之間的關係為
⎪⎪
⎪
⎩
⎪⎪
⎪
⎨
⎧
−
− +
=
− +
=
− +
+
=
− +
−
=
) 2 3 ( 2 )
cos(
cos
) 2 3 ( sin
cos '
) 1 3 ( cos 2 )
cos(
) 1 3 ( cos
sin '
2 1
2 1
1
2 1
2 1
2
b x
x
a x
x x
b x
x
a x
x x
π θ θ
θ θ
θ π θ
θ θ
⎟⎟⎠
⎜⎜ ⎞
⎝
⎟⎟⎛
⎠
⎜⎜ ⎞
⎝
⎛
= −
⎟⎟⎠
⎞
⎜⎜⎝
⇒⎛
2 1 '
2 ' 1
cos sin
sin cos
x x x
x
θ θ
θ θ
其中 ⎟⎟
⎠
⎜⎜ ⎞
⎝
⎛
− θ θ
θ θ
cos sin
sin
cos 稱為平面的「轉換或旋轉矩陣」。由(3-1b)與(3-2b)
可以看出若定義
) , ' cos( i j
ij ≡ x x
λ =cos(xi' −axis與xj−axis的夾角)
⎪⎪
⎪
⎩
⎪⎪
⎪
⎨
⎧
=
=
−
= +
=
=
=
−
=
=
=
=
⇒
θ λ
θ π θ
λ
θ π θ
λ
θ λ
cos ) , cos(
sin 2 )
cos(
) , cos(
sin 2 )
cos(
) , cos(
cos ) , cos(
2 ' 2 22
1 ' 2 21
2 ' 1 12
1 ' 1 11
x x
x x
x x
x x
這使得平面的座標旋轉可以重新寫為
⎟⎟⎠
⎜⎜ ⎞
⎝
⎟⎟⎛
⎠
⎜⎜ ⎞
⎝
=⎛
⎟⎟⎠
⎜⎜ ⎞
⎝
⎛
2 1
22 21
12 11 '
2 ' 1
x x x
x
λ λ
λ
λ 。
或在 3D 空間
. '
'2 3
3
1 1 3
13 2 12 1 11 ' 1
3 2 1
33 32 31
23 22 21
13 12 11
' 3 ' 2 ' 1
x and x for similar
x x
x x
x
x x x
x x x
j j
∑
j=
= +
+
=
⇒
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⎟=
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
λ λ
λ λ
λ λ λ
λ λ λ
λ λ λ
所以可以寫出一個通式 . 3 , 2 , 1 ,
'
3
1
=
=
∑
=
i for x x
j j ij
i λ 請特別注意 i, j 的順序 (3-14)
做為結論,3D 空間的旋轉矩陣可寫為
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
=
33 32 31
23 22 21
13 12 11
λ λ λ
λ λ λ
λ λ λ λ
其 矩 陣 元 素 λij =cos(x'i ,xj) 為 x'i 軸 在 相 對 於 xj 軸 的 「 方 向 餘 弦 directional cosine」.
Ex. 考慮值角座標系對 x3軸逆時針轉 90o
⎪⎩
⎪⎨
⎧
=
−
=
=
⇒
3 ' 3
1 ' 2
2 ' 1
x x
x x
x x
⇒非 0 矩陣元素為
⎪⎩
⎪⎨
⎧
=
=
=
−
=
=
=
33 3
' 3
21 1
' 2
12 2
' 1
1 ) , cos(
1 ) , cos(
1 ) , cos(
λ λ λ
x x
x x
x x
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
−
=
⇒
1 0 0
0 0 1
0 1 0
λ1 現考慮對 x1軸逆時針轉 90o
⎪⎪
⎩
⎪⎪⎨
⎧
−
=
=
=
−
⇒
2 ' 3
3 ' 2
1 '
1
x x
x x
axis x axis x
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
−
=
⇒
0 1 0
1 0 0
0 0 1
λ2 若定義向量
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
=
3 2 1
x x x
X
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
=
' 3 ' 2 ' 1 '
x x x X
考慮兩次座標旋轉:先對 x3軸逆時針轉 90o之後再對新的 x1軸逆時 針轉 90o
X X
X and X
X'=λ1 , " =λ2 ' =λ2λ1
⇒ 則
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⎟ −
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
−
⎟=
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
1 0 0
0 0 1
0 1 0 0 1 0
1 0 0
0 0 1
"
3
"
2
"
1
x x x
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⎟=
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⎟=
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
1 3 2
3 2 1
3 2 1
0 0 1
1 0 0
0 1 0
x x x
x x x
x x x
然而若將這兩個座標旋轉的次序顛倒,結果
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
−
−
⎟=
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
−
−
⎟=
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⎟ −
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
−
=
2 1 3
3 2 1
3 2 1
2 1
0 1 0
0 0 1
1 0 0
0 1 0
1 0 0
0 0 1
1 0 0
0 0 1
0 1 0
x x x
x x x
x x x λ X
λ
可以看出總旋轉矩陣λ1λ2 ≠λ2λ1所以最終結果也不同。這也是矩陣乘 法「不可交換性 non-commutibility」的一個明顯的例子。本例子也清 楚點出旋轉運動中角度變化「角位移」Δθ不是一個向量,因為不滿 足向量加法的可交換性。
* 旋轉矩陣的性質
(1)空間中過原點一直線與 x1, x2, x3軸的夾角分別為α,β,γ ,則該直 線的「方向餘弦 directional cosine」滿足
1 cos cos
cos2α + 2β + 2γ = (3-5)
證 明 ( 3-5 ) 式 如 下 : 令 rv 為 在 直 線 上 點 P 的 位 置 向 量 ]
cos , cos , cos
[r α r β r γ r =
⇒ v
. 1 ) (cos )
(cos )
(cos
) cos ( ) cos ( ) cos (
2 2
2
2 2 2
2 2
2 2
= +
+
⇒
= +
+
= + +
=
⋅
γ β
α
γ β
α r r r
r z y x r r vv
( 2 ) 若 過 原 點 兩 直 線 與 x1, x2, x3 軸 的 夾 角 分 別 為(α,β,γ) 與 )
' , ' , '
(α β γ ,而且兩直線間夾角為θ,則
' '
' cos cos cos cos
cos cos
cosθ = α α + β β + γ γ (3-6)
證明(3-6)式如下:兩直線上各選一點 P 與 P’,位置向量各為 ]
cos , cos , cos
[r α r β r γ
rv= , rv'=[r'cosα',r'cosβ',r'cosγ']
. cos cos cos
cos cos
cos cos
cos cos
cos cos
cos cos
cos
' '
'
' ' '
' '
' '
' ' ' '
γ γ β
β α
α θ
θ γ
γ β
β α
α
+ +
=
⇒
= +
+
=
+ +
=
⋅
rr rr
rr rr
zz yy xx r r vv
現 考 慮 座 標 系 (x1,x2,x3) 對 一 通 過 原 點 的 任 意 軸 做 旋 轉 而 成 )
, , (x1' x2' x3'
⇒ ,而λij =cos(x'i,xj), j=1..3.則為x'i軸在原座標系(x1,x2,x3)的 方向餘弦。由(3-5),因x'1軸方向餘弦可得
2 1
13 2 12 2
11 +λ +λ =
λ (3-7)
similarly, 由x'2與x'3可得λ221+λ222+λ223 =1與λ231+λ322 +λ233 =1,連同上式可 寫為
) 9 3 ( .
, 1
) 8 3 (
1 2 2 3 3
1 1 3
1 2 1
−
=
=
⇒
−
=
=
=
=
∑
∑
∑
∑
∑
=k i if
j kj ij
j
j j j
j j j
j j j
j
λ λ
λ λ λ
λ λ
λ λ
已 知 x'1 軸 和 x'2 在 原 座 標 系 的 方 向 餘 弦 分 別 為 (λ11,λ12,λ13) 與
) , ,
(λ21 λ22 λ23 ,現由於x'1與x'2夾角為 90o,所以可由(3-6)
0 2 0
cos
cos 1 2
23 13 22 12 21
11 + + = = = ⇒ =
⇒
∑
j
j jλ π λ
θ λ
λ λ λ λ λ
由於x'1與x'3夾角為 90o、x'2與x'3夾角亦為 90o,所以
) 11 3 ( .
, 0
) 10 3 (
0 2 3 1 2
3 1
−
≠
=
⇒
−
=
=
=
∑
∑
∑
∑
k i if
j kj ij
j
j j j
j j j
j j
λ λ
λ λ λ
λ λ
λ
合併(3-9)與(3-10) 與 kronecher delta,旋轉矩陣的元素有如下性質
ik j
kj
ijλ δ
λ =
∑
(3-12)(3-12)稱為旋轉矩陣元素的「正交條件 orthogonal condition」,是基 於直角座標軸之間都是彼此正交(垂直)的。
一矩陣 A 被稱為「正交矩陣 orthogonal matrix」如果 AT=A-1。我 們可以由(3-12)證明旋轉矩陣λ就是「正交矩陣」:
pf. ij ij
k jk ik k
T kj ik ij
T) 1
(λλ =
∑
λ λ =∑
λ λ =δ = Q且(λTλ)ij =δij ⇒λλT =λTλ=1⇒λT =λ−1 ( ij ij
Tλ δ
λ ) =
( 自己回去證明)
* 幾種特殊的矩陣
(
A A)
A indepotenA A
diagonal A
a A or j i if A
unitary A
A A
orthogonal A
A A
Hermitian A
A A
ric antisymmet A
A A
symmetric A
A A
real A A A
n
ij ij ij ij
T T T
:
: ,
0
: : :
: : :
2 1 1
⇔
=
⇒
=
⇔
=
≠
=
⇔
=
⇔
=
⇔
=
⇔
−
=
⇔
=
⇔
=
+
−
− +
∗
δ
* 座標系統的 inversion:透過原點的反射(reflection),即所有xi →−xi。
⎪⎩
⎪⎨
⎧
−
=
−
=
−
=
3 ' 3
2 ' 2
1 ' 1
x x
x x
x x
所以 inversion 矩陣為
⎟⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
−
−
−
=
1 0 0
0 1 0
0 0 1
λI ,(λI)ij =−δij ⇒λTI =λ−I1⇒λI orthogonal.
注意:座標 inversion 的動作是不能經由座標旋轉的組合形成!i.e.,
....
'R
R
I λ λ
λ ≠
其中λR表旋轉矩陣。可以證明detλR =1 and detλI =−1,所有的旋轉也 稱為 proper rotation,而 inversion 則稱為 improper rotation。
座標旋轉在「純量」、「向量」的定義上是有意義的:考慮一個下 列形式的座標轉換
ik j
kj ij j
j ij
i x with
x' =
∑
λ∑
λ λ =δ若一個量ϕ在這樣的座標轉換之下「不變」則ϕ為一純量,例如質量 )
, , ( ) ' , ' , '
(x y z M x y z
M = 所 以 質 量 為 一 純 量 。 若 有 一 個 量 以 集 合 A = )
, ,
(A1 A2 A3 表現而當座標由
{ } { }
xi x'i→λ 時 A 的分量也做相同的轉換
. )
, , ( 1 2 3
' A A A A A is a vector A
j j ij
i =
∑
λ ⇒ v =*行列式的微分
0 0 cos
0 1 0
0 sin
0 0 0
0 sin
0 1
3 2 1
0 0 sin
0 1 .
) (
)]
( [det
) ( ) ( ) ( det
) (
3 2 3
2 3
3 2
' 3 2 1 3 ' 2 1 3 2 ' 1
3 2 1
x e
x x x
x e
x x x
x e
x x
x e
x x x dx ex d
A A A A A A A A A x
dx A d
x A x A x A A
x A A
x x
x x
k j i k j i k j i ijk
k j i ijk
+ +
=
+ +
=
⇒
=
⇒
=
∑
∑
ε ε
§ 3-3 Eigenvalue problem 本徵值問題
一個任意的A3×3矩陣可視為一個作用在任何一個3×1行向量
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
=
3 2 1
v v v vv
的「operator 算符」,作用如Avv =uv,i.e., A 作用在vv後將vv變成uv。例 如
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⎟=
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
1 2 2
1 1 1
0 1 0
0 0 2
1 0 1
*對應於一個給定的矩陣 A,有一組特別的向量xv具有一特性:
x x
Av =λv, λ為一常數
≡
⇒ xv 矩陣 A 的”對應於「eigenvalue 本徵值」λ ” 的「本徵向量 eigenvector」。換言之,當矩陣 A 作用在自己的 eigenvector 時只會將 eigenvector 放大λ倍,而這個放大的倍數稱為 eigenvalue. 例如
⎟⎟⎠
⎜⎜ ⎞
⎝
⎛
−1
1 就是矩陣 ⎟⎟
⎠
⎜⎜ ⎞
⎝
⎛
−
= −
1 1
1
A 1 的 eigenvector, ⎟⎟
⎠
⎜⎜ ⎞
⎝
⎛
= −
⎟⎟⎠
⎜⎜ ⎞
⎝
⎛
= −
⎟⎟⎠
⎜⎜ ⎞
⎝
⎛
⎟⎟ −
⎠
⎜⎜ ⎞
⎝
⎛
−
−
1 2 1 2 2 1 1 1 1
1 Q 1
對應的「本徵值」與「本徵向量」是相互聯繫的;每一個 A 的本徵 向量只對應一個本徵值,但是對於某些「本徵值」有可能一個「本徵
給定一個矩陣,要如何計算其對應的本徵值與本徵向量?請見下 列例子:
⎟⎟⎠
⎜⎜ ⎞
⎝
⎛
−
= −
1 1
1
A 1 ,令 ⎟⎟
⎠
⎜⎜ ⎞
⎝
=⎛
2 1
x
xv x ⇒ ⎟⎟
⎠
⎜⎜ ⎞
⎝
⎟⎟⎛
⎠
⎜⎜ ⎞
⎝
=⎛
⎟⎟⎠
⎜⎜ ⎞
⎝
= ⎛
⎟⎟⎠
⎜⎜ ⎞
⎝
⎟⎟⎛
⎠
⎜⎜ ⎞
⎝
⎛
−
−
2 1
2 1
2 1
0 0 1
1 1 1
x x x
x x
x
λ λ λ
1 0 1
1 ) 1
1 (
2 1⎟⎟⎠=
⎜⎜ ⎞
⎝
⎟⎟⎛
⎠
⎜⎜ ⎞
⎝
⎛
−
−
−
= −
−
⇒ x
x x
A λ
λ v λ
要避免 trivial solution x1 = x2 =0則前面的矩陣行列式必須為 0
2 1 2
, 2 , 0
0 ) 2 ( ) 1 1 )(
1 1 ( 1 ) 1 (
1 0 1
1 det 1
) 1 det(
λ λ λ
λ λ λ
λ λ
λ λ λ
≡
=
⇒
=
−
−
= +
−
−
−
=
−
−
⇒
⎟⎟=
⎠
⎜⎜ ⎞
⎝
⎛
−
−
−
= −
−
⇒ A
上式在解λ時所導入的方程式det(A−λ1)=0叫做 secular equation(久期 方程式)。
對於本徵值 ⎟⎟
⎠
⎜⎜ ⎞
⎝
=⎛
= b
x a let 1
1 0, v
λ
1 . 0 1 0 0 1 1 1 1
1 : 1
1 1 1
0 0 0
1 1
1 1
1
⎟⎟⎠
⎜⎜ ⎞
⎝
= ⎛
⎟⎟⎠
⎜⎜ ⎞
⎝
=⎛
⎟⎟⎠
⎜⎜ ⎞
⎝
⎟⎟⎛
⎠
⎜⎜ ⎞
⎝
⎛
−
−
⎟⎟⎠
⎜⎜ ⎞
⎝
=⎛
⇒
=
=
⇒
=
⇒
⎟⎟⎠
⎜⎜ ⎞
⎝
=⎛
⎟⎟⎠
⎜⎜ ⎞
⎝
⎛ +
−
⇒ −
⎟⎟⎠
⎜⎜ ⎞
⎝
= ⎛
⎟⎟⎠
⎜⎜ ⎞
⎝
⎟⎟⎛
⎠
⎜⎜ ⎞
⎝
⎛
−
⇒ −
check
x b a let b a
b a
b a b
a b
a
v
長度=1 的向量稱做「歸一化的 normalized」向量。我們通常希望所 得的本徵向量是歸一化的,歸一化的xv1就是原xv1將自己的長度除掉
1 1 1 2 1
1
1 ⎟⎟⇒ =
⎠
⎜⎜ ⎞
⎝
= ⎛ x
xv v 。
對於本徵值 ⎟⎟
⎠
⎜⎜ ⎞
⎝
=⎛
= d
x c let 2
2 2, v
λ
. 1 1
1 2 1
1 2 1 2 2 1 1 1 1
1 : 1
1 1 1
1
0 0 0
0 2
1 1
1 2 2 1
1 1
1 1
2 2
2
=
⎟⎟⇒
⎠
⎜⎜ ⎞
⎝
⎛
= −
⎟⎟⎠
⎜⎜ ⎞
⎝
⎛
= −
⎟⎟⎠
⎜⎜ ⎞
⎝
⎛
= −
⎟⎟⎠
⎜⎜ ⎞
⎝
⎛
⎟⎟ −
⎠
⎜⎜ ⎞
⎝
⎛
−
−
⎟⎟⎠
⎜⎜ ⎞
⎝
⎛
= −
⇒
−
=
⇒
=
⇒
−
=
⇒
⎟⎟⎠
⎜⎜ ⎞
⎝
=⎛
⎟⎟⎠
⎜⎜ ⎞
⎝
⎛
−
−
−
⇒ −
⎟⎟⎠
⎜⎜ ⎞
⎝
=⎛
⎟⎟⎠
⎜⎜ ⎞
⎝
⎟⎟⎛
⎠
⎜⎜ ⎞
⎝
⎛
−
−
−
⇒ −
⎟⎟⎠
⎜⎜ ⎞
⎝
= ⎛
⎟⎟⎠
⎜⎜ ⎞
⎝
⎟⎟⎛
⎠
⎜⎜ ⎞
⎝
⎛
−
⇒ −
x x
normalized check
x d
c d c
d c
d c d
c d
c d
c
v v
v
所以, ⎟⎟
⎠
⎜⎜ ⎞
⎝
⎛
−
= −
1 1
1
A 1 ⇒λ1 =0, ⎟⎟
⎠
⎜⎜ ⎞
⎝
= ⎛ 1 1 2 1
xv1 ; λ2 =2, ⎟⎟
⎠
⎜⎜ ⎞
⎝
⎛
= −
1 1 2 1
xv2 .
Ex. Find eigenvalues for
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
−
=
1 1 0
1 0 0
1 0 0 A
2 3 1 2
4 1 ,1 0
] 1 [
] 1 ) 1 ( 1 [
0 0 1
1 0 1
1 1 0
1 0
1 0 det
0 1
1 0
1 0
1 0 1
0 0
0 1 0
0 0 1 1 1 0
1 0 0
1 0 0 )
1 (
2
i
z y x
z y x x
A From
= ±
−
= ±
⇒
+
−
−
= +
−
−
−
− = + −
−
−
− −
=
⎟=
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
−
−
−
−
⇒
⎟=
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
−
−
−
−
⎟=
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⎥⎥
⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⎟−
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
−
=
−
λ
λ λ λ λ
λ λ λ
λ λ λ
λ λ λ
λ λ λ λ
λ v
這也讓我們看到一個「實矩陣」是可能有「複數」的本徵值。
* 由於解「本徵值」時要解一個久期方程式
0 ...
...
...
...
...
det 21 22
12 11
⎟=
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
−
−
λ λ
a a
a a
所以對於一個n×n的矩陣最多可以解出 n 個複根,但是常會遇到重根 的 case,那些重根的λ稱為「簡併的 degenerate」本徵值。如果λ是 m 重根,則λ為「m 重簡併 m-fold degenerate」。「簡併的」本徵值所對 應的本徵向量也稱為「簡併的本徵向量」。
Ex. Find eigenvalues and eigenvectors for ⎟⎟
⎠
⎜⎜ ⎞
⎝
⎛
= −
3 1
1 A 1
2 )
2 ( 4 4 1
) 3 )(
1 ( 3 0
1 1 det1
. = = − − + = 2− + = − 2 ⇒ 1= 2 =
−
−
− λ λ λ λ λ λ λ
λ Sol λ
⎟⎟⎠
⎜⎜ ⎞
⎝
= ⎛
⎟⎟⎠
⎜⎜ ⎞
⎝
=⎛
⎟⎟⎠
⎜⎜ ⎞
⎝
⎟⎟⎛
⎠
⎜⎜ ⎞
⎝
⎛
−
⎟⎟⎠
⎜⎜ ⎞
⎝
=⎛
=
⇒
=
⎩ ⇒
⎨⎧
= +
−
=
⇒ −
⎟⎟⎠
⎜⎜ ⎞
⎝
=⎛
⎟⎟⎠
⎜⎜ ⎞
⎝
⎟⎟⎛
⎠
⎜⎜ ⎞
⎝
⎛
−
⇒ −
⎟⎟=
⎠
⎜⎜ ⎞
⎝
⎟⎟⎛
⎠
⎜⎜ ⎞
⎝
⎛
−
−
⇒ −
⎟⎟⎠
⎜⎜ ⎞
⎝
= ⎛
⎟⎟⎠
⎜⎜ ⎞
⎝
⎟⎟⎛
⎠
⎜⎜ ⎞
⎝
⎛
−
1 2 1 2 2 1 1 3 1
1 : 1
1 1
0 0 0
0 1
1 1 1
2 0 3 1
1 2 2 1
3 1
1 1
2 1
2 1 2
1 2 1
2 1
2 1
2 1
2 1
check x x
x x x
x x x x
x
x x x
x x
x
v v
ex. Find eigenvalues and eigenvectors for
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
=
0 1 1
1 0 1
1 1 0 A
. , , 1 , 1 , 2
0 ) 1 )(
2 (
) 1 )(
2 )(
1 (
] 2
)[
1 (
) 1 ( 2 ) 1 )(
1 (
) 1 ( ) 1 ( ) 1 (
1 1 1 1
1 1 1
0 1 1
1
1 1
1 1 det
:
3 2 1 2 2 2
λ λ λ λ
λ λ
λ λ λ
λ λ λ
λ λ
λ λ
λ λ
λ λ
λ λ
λ λ λ
λ λ λ
≡
−
−
=
⇒
= + +
−
=
+ +
− +
=
+
− +
=
+ + +
−
−
=
+ + + +
−
−
=
+ −
− −
−
− −
=
=
−
−
−
⇒ Sol
For 非簡併本徵值λ1 =2
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
=
⎟⇒
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
=
⇒
=
=
∴
=
⇒
= +
−
⇒
−
⎪⎩
⎪⎨
⎧
=
−
⎭ −
⎬⎫
=
− +
= +
−
= + +
−
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⎟=
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
−
−
−
1 1 1 3 1 1
1 1
1 0
3 3 ) 2 ( ) 1 (
0 ) 2
3 ( 0
2
) 2 ( 0
2
) 1 ( 0
2
0 0 0 2
1 1
1 2 1
1 1 2
1 1
2 1
2 1 2
1
3 2 1 3
2 1
3 2 1
3 2 1
3 2 1
x x
x x
choose x
x x
x
x x x x
x x
x x x
x x x
x x x
v v
For 簡併本徵值λ2 =λ3 =−1
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
−
=
⎟⇒
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
−
=
⇒
−
=
=
=
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
−
=
⎟⇒
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
−
=
⇒
=
−
=
=
⇒
= + +
⎟⇒
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⎟=
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
1 0 1 2 1 1
0 1
1 ,
0 , 1
0 1 1 2 1 0
1 1
0 , 1 ,
1
0 0
0 0 1
1 1
1 1 1
1 1 1
3 3
3 2 1
2 2
3 2
1
3 2 1
3 2 1
x x
y y y choose or
x x
y y
y choose
y y y y
y y
v v
v v
總結:
⎪⎪
⎪⎪
⎩
⎪⎪
⎪⎪
⎨
⎧
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
−
⎟ =
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
−
=
−
=
=
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
=
=
1 0 1 2 , 1
0 1 1 2 , 1
1
; 1 1 1 3 , 1
2
3 2
3 2
1 1
x x
x
v v
v
λ λ λ
我們注意到xv1⋅xv2 =0 and xv1⋅xv3 =0但是簡併本徵向量之間卻不彼此正 交,不過我們可以透過所謂的「Gram-Schmit 過程」使得到一組相互 正交的簡併本徵向量。
* 向量的內積(inner product, or, dot product) av ⋅bv 考慮 2 個行向量
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
⎟ =
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
=
3 2 1
3 2 1
,
b b b b a a a
av v
定義av,bv間的內積為
( )
b aibib a a a b a b
a =
∑
⎟⎟
⎟⎞
⎜⎜
⎜⎛
=
≡
⋅ + 2 *
1
* 3
* 2
*
1, ,
v v v v