矩阵论 - 5 - 转置、置换、向量空间
转置、置换、向量空间
置换矩阵(Permutation Matrix)
置换矩阵(Permutation Matrix),\(n\)阶方阵的置换矩阵有\(\binom{n}{1}=n!\)个,3阶方阵的置换矩阵有6个:
为了交换两行,我们在左边乘以一个置换矩阵。
例如右乘 $$P_{12} = \begin{bmatrix}
0 & 1 & 0 \
1 & 0 & 0 \
0 & 0 & 1 \
\end{bmatrix}$$以交换3 × 3矩阵的第一和第二行。
矩阵 \(A\) 左乘一个置换矩阵\(P\)交换矩阵的行,右乘则交换矩阵的列。
置换矩阵有一个比较重要的性质是:任何置换矩阵的逆等于它的转置,即\(P^{-1} = P^T\)。
对置换矩阵\(P\),有\(P^TP = I\)。
LU分解的补充:若\(P\)为置换矩阵,对任意可逆矩阵\(A\)有:\(PA=LU\)
转置矩阵(Transpose Matrix)
转置:\((A^T)_{ij} = (A)_{ji}\)
例子:(转置就好像是让矩阵站了起来)
\(\begin{bmatrix}1&0&0\\3&1&0\end{bmatrix}^T = \begin{bmatrix}1&3\\0&1\\0&0\end{bmatrix}\)
一些性质:
\((A^T)^T = A\)
\((AB)^T=B^TA^T\)
对称矩阵(Symmetric Matrix)
满足\(A^T=A\) 的矩阵为对称矩阵。
对任意矩阵\(R\),都有\(R^TR\)为对称矩阵。
推导过程:
A matrix \(A\) is symmetric if \(AT=A\). Given any matrix \(R\) (not necessarily square) the product \(R^TR\) is always symmetric, because \((R^TR)T=R^T(R^T)^T=R^TR\).
向量空间(Vector Space)
向量的线性组合张成(span)向量空间(即将向量相加或者进行数乘)。
We can add vectors and multiply them by numbers, which means we can dis cuss linear combinations of vectors. These combinations follow the rules of a vector space.
一个具体的实例就是\(\mathbb{R}^2\) ,他就是全部的x-y平面,二维空间。
Another example of a space is \(\mathbb{R}^n\), the set of (column) vectors with n real number components
封闭性(Closure)
向量空间中任意向量的数乘、求和运算得到的向量也在该空间中。即向量空间要满足加法封闭和数乘封闭。
举例:第一象限不是向量空间,\(\begin{bmatrix}1\\1\end{bmatrix}\)数乘-2得到\(\begin{bmatrix}-2\\-2\end{bmatrix}\),不属于第一象限。
子空间(Subspaces)
如果一个向量空间存在于另一个向量空间内,就称为为一个子空间。
举例:如果 \(v\;in\;\mathbb{R}^2\) ,对于任意 \(\textrm{c}v\) (c是任意实数)都是\(\mathbb{R}^2\)的一个子空间\((\textrm{c}v\) 是一条过零点的直线,\(\mathbb{R}^2\)是xy平面)。需要注意的是:任何子空间都要包含0向量,否则如果乘以系数为0的话就不满足子空间的定义了
Every subspace must contain the zero vector because vector spaces are closed under multiplication.
\(\mathbb{R}^2\)的典型子空间:
- \(\mathbb{R}^2\)(自己)
- 任何通过点\(\begin{bmatrix}0\\0\end{bmatrix}\)的直线
- 0向量
\(\mathbb{R}^3\)的典型子空间:
- \(\mathbb{R}^3\)(自己)
- 任何穿过原点的面
- 任何穿过原点的线
- 0向量
综上,向量空间的重点为:
- 所有向量空间都必须包含原点(Origin);
- 向量空间要满足加法封闭和数乘封闭。
reference
[1] textbook
[2] mit18.06学习笔记
矩阵论 - 5 - 转置、置换、向量空间相关推荐
- [线性代数]Note4--A的LU分解转置-置换-向量空间
继续是线性代数的学习笔记,这次的笔记包含第四.五.六节三节课的内容. 第四节课是介绍A的LU分解.A的LU分解是指将矩阵A分解成一个下三角矩阵和一个上三角矩阵的乘积.其主要应用在数值分析中,用来解线性 ...
- 转置-置换-向量空间R
首先是置换(Permutation),前面的A=LU分解中消元都是假设没有行交换,但是有时为了防止主元为0,行交换总是不可避免的,所以如果存在行交换,那么上一篇中的A=LU就变成了PA=LU(A是可逆 ...
- MIT 线性代数 1-5讲总结:消元、主元、初等矩阵、不可逆矩阵的证明、高斯-约尔当求逆、上下三角矩阵、置换矩阵、转置、向量空间与子空间
1.增广矩阵 系数矩阵右边加一列(线性方程组的解) 2.消元与主元 主元(图中绿色圈中的元素):消元的关键,不能为0,为0则需行变换改变主元 3.初等矩阵 通过将n倍的某行加到令一行达到消元的目的 而 ...
- 线性代数:置换、转置矩阵和向量空间
转置置换矩阵 转置矩阵 置换矩阵 对称矩阵 向量空间 从矩阵中构建子空间 本节是网易公开课上的麻省理工大学线性代数课程第五节: 转置-置换-向量空间R 的学习笔记. 本篇主要讲解 转置.置换矩阵.向量 ...
- LinearAlgebra_1
方程组的几何解释 linear equation row picture column picture 矩阵计算的两种方法 some questions 需要思考的其他问题 矩阵消元 回顾 主题 消元 ...
- MIT公开课18.06 Gilbert Strang 线性代数 笔记1 - Ax=b和四个子空间
文章目录 相关链接 课程链接 参考笔记链接 问题 第1讲:方程组的集合解释 1. 从方程组到矩阵 2. Ax=bAx = bAx=b解法1:row picture 行图像 3. Ax=bAx = bA ...
- 麻省理工公开课:线性代数》中文笔记来了
MLNLP社区在Github上最新发布了一套MIT线性代数课程Linear Algebra的学习笔记,目前已获得1600star.项目简介如下所示,欢迎大家关注! 1.项目动机 <麻省理工公开课 ...
- MIT 线性代数(4—6)读书笔记
---------------------------------------------------------------------------------------------------- ...
- 神经网络调参经验大汇总
作者:Andrej Karpathy,翻译:杰少 @大野人007 今天看到一篇非常非常棒的调节NN的文章,作者是特斯拉高级总监Andrej Karpathy,就翻译过来和大家一起分享,难免翻译有问题, ...
最新文章
- AtomicReference 原子引用
- React开发(154):注意div得写法
- html设置table表格的弧度,用CSS3和table标签实现一个圆形轨迹的动画的示例代码
- 魅族17系列渲染图曝光:“防爆盾”后盖引网友无限吐槽
- 上周末Jscex项目介绍的幻灯片
- _tkinter.TclError: invalid command name “tixComboBox“ 的解决办法
- studio创建java工程_Android studio从头一步步创建Java项目
- K8s-Demo实现
- Linux 内存管理之 SLUB分配器(1): Object-layout
- 如何在自己的板子上实现android关机
- Java中类与对象编程题
- 电线 电流 和 断路器选择
- IT人应该读的几本书
- Linux程序包管理命令之rpm
- windows10系统,如何进行文件内容多关键字搜索
- Mars3D中模型加载慢的优化办法
- 网络Sniffing原理
- 5G和MEC在工业互联网中的应用探讨
- 测试用例编写练习(二)
- 20180402-B · US Tuition Costs · ggplot2, 条线图 柱状图 · R 语言数据可视化 案例 源码