5.【线性代数】—— 转置,置换和向量空间

五 转置,置换和向量空间

    • [1. 置换矩阵](#1. 置换矩阵)
    • [2. 转置矩阵](#2. 转置矩阵)
    • [3. 对称矩阵](#3. 对称矩阵)
    • [4. 向量空间](#4. 向量空间)
        • [4.1 向量空间](#4.1 向量空间)
        • [4.2 子空间](#4.2 子空间)

1. 置换矩阵

定义: 用于行互换的矩阵P。

之前进行A=LU分解时,可能存在该行主元为0,要进行行互换,即PA=LU

性质: P − 1 = P T P^{-1} = P^{T} P−1=PT, P T P = I P^{T}P=I PTP=I

例子:

1 0 0 0 1 0 0 0 1 \] \[ 0 1 0 1 0 0 0 0 1 \] . . . \\begin{bmatrix} 1\&0\&0\\\\ 0\&1\&0\\\\ 0\&0\&1 \\end{bmatrix} \\begin{bmatrix} 0\&1\&0\\\\ 1\&0\&0\\\\ 0\&0\&1 \\end{bmatrix} ... 100010001 010100001 ... ### 2. 转置矩阵 \[ 1 3 2 3 4 1 \] T = \[ 1 2 4 3 3 1 \] {\\begin{bmatrix} 1\&3\\\\ 2\&3\\\\ 4\&1 \\end{bmatrix}}\^{T} = \\begin{bmatrix} 1\&2\&4\\\\ 3\&3\&1 \\end{bmatrix} 124331 T=\[132341

( A T ) i j = A j i (A^T){ij} = A{ji} (AT)ij=Aji

3. 对称矩阵

定义: A i j = A j i A_{ij} = A_{ji} Aij=Aji

性质: 对称矩阵的转置不变性 A T = A A^T = A AT=A

推论: R T R R^TR RTR都是对称矩阵
( R T R ) T = R T ( R T ) T = R T R (R^TR)^T = R^T(R^T)^T = R^TR (RTR)T=RT(RT)T=RTR

4. 向量空间

4.1 向量空间

记 R 2 R^2 R2为所有二维空间实数向量,组成的向量空间。
R n R^n Rn为所有n维空间实数向量,组成的向量空间。

性质:

  1. 所有数乘,加法都在子空间中
  2. 包含零向量
4.2 子空间

定义:空间中的一部分,且满足性质1和性质2。

例子:
R 2 R^2 R2的子空间包含

  1. R^2 二维平面
  2. 通过(0,0)点的直线
  3. 零向量

其他:存在子空间P和L, P ∪ L P\cup L P∪L不是子空间, P ∩ L P \cap L P∩L是子空间

相关推荐
AI科技星2 天前
紫金山天文台与6G 超导太赫兹实验对比【乖乖数学】
人工智能·线性代数·机器学习·量子计算·agi
05候补工程师2 天前
【矩阵代数】伴随矩阵、逆矩阵与秩的逻辑关系全梳理
笔记·线性代数·考研·矩阵
三维重建-光栅投影2 天前
线性代数之超定方程使用最小二乘求解
人工智能·线性代数
三维重建-光栅投影3 天前
最小二乘中的矩阵求导基础总结
线性代数·机器学习·矩阵
star learning white3 天前
线性代数5
线性代数
05候补工程师4 天前
【线性代数笔记】初等变换、正交化与特殊矩阵性质核心总结
经验分享·笔记·线性代数·考研·矩阵
AI科技星4 天前
一种基于全域数学公理体系的低成本韦伯级深空望远镜
人工智能·线性代数·机器学习·量子计算·agi
05候补工程师5 天前
【线性代数】考研复习万字长文:从“工厂模型”到矩阵变换,重构线代底层逻辑
线性代数·考研·矩阵·重构
AI科技星5 天前
第 24 分册:濒死体验与灵魂出窍·数理修行篇(2026 年 5 月 11 日增补版)
人工智能·线性代数·机器学习·量子计算·agi
Controller-Inversion5 天前
240. 搜索二维矩阵 II
线性代数·算法·矩阵