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
天宫风子11 小时前
线性代数小述(一)
线性代数·算法·矩阵·抽象代数
老歌老听老掉牙17 小时前
使用 SymPy 进行向量和矩阵的高级操作
python·线性代数·算法·矩阵·sympy
fen_fen1 天前
学习笔记(25):线性代数,矩阵-矩阵乘法原理
笔记·学习·线性代数
luofeiju1 天前
矩阵QR分解
线性代数·算法
闻缺陷则喜何志丹1 天前
【分治法 容斥原理 矩阵快速幂】P6692 出生点|普及+
c++·线性代数·数学·洛谷·容斥原理·分治法·矩阵快速幂
程序员老周6661 天前
4.大语言模型预备数学知识
人工智能·神经网络·线性代数·自然语言处理·大语言模型·概率论·数学基础
luofeiju1 天前
行列式的性质
线性代数·算法·矩阵
Morpheon1 天前
从线性代数到线性回归——机器学习视角
线性代数·机器学习·数学建模·线性回归
2401_881244402 天前
斐波那契数列------矩阵幂法
线性代数·算法·矩阵
2401_881244402 天前
基础线性代数
python·线性代数·机器学习