群作用的例子

最新推荐文章于 2023-05-04 15:20:21 发布
最新推荐文章于 2023-05-04 15:20:21 发布
阅读量735 收藏
点赞数 1
分类专栏： 群与作用
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ResumeProject/article/details/107958023
版权

群作用在线性代数中的例子

F为数域，GL(n,F)可逆矩阵
A 为 F 上 的 n ∗ n 矩 阵 ， 取 T ∈ G L ( n , F ) A 为F上的n*n矩阵， 取T\in GL(n,F) A为F上的n∗n矩阵，取T∈GL(n,F)

矩阵的行变换是左乘 TA------------------------左平移
矩阵的列变换是右乘 AT^(-1)------------------右平移
矩阵相似变换是共轭 TAT^(-1)----------------- 共轭
迷向子群为与 J(Jodan ) 可交换的可逆矩阵的全体

合同作用---------TAT’，两个矩阵合同当且仅当正负惯性指数相同

矩阵的行变换是左乘
矩阵的列变换是右乘
矩阵相似变换是共轭

初等变换的性质设A为m*n矩阵，若对A作一次初等行变换，则相当于在A的左边乘上一个相应的m阶初等矩阵；若对A作一次初等列变换，则相当于在A的右边乘上一个相应的n阶初等矩阵；

因为任何一个可逆矩阵都等价于单位阵,所以任何一个可逆阵都等于一些初等阵的乘积,
又可以很容易验证当矩阵左乘一个初等阵时相当于对它本身进行初等行变换,
所以当矩阵左乘一个可逆阵时,相当于左乘一些初等阵,从而相当于对原矩阵进行初等行变换

三类初等矩阵和左右乘法
参考1
参考1

FakeOccupational
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
粒子群优化算法演示及matlab源程序
02-12
通过上述描述，你可以尝试运行并分析源代码，了解每个部分的作用，进一步掌握粒子群优化算法的精髓。同时，这个程序也为你提供了一个实践平台，你可以根据实际需求修改参数，研究不同设置对算法性能的影响。
粒子群算法的MATLAB代码实现
11-20
通过这个简单的例子，你可以理解PSO的基本工作原理，并能将其扩展到更复杂的优化问题。 学习和理解PSO算法及其MATLAB实现，不仅可以提升优化问题解决的能力，还能深入理解群体智能和仿生算法。在实际应用中，PSO已...
1.3 群的例子
某一般线性空间
01-20 2511
1.3 群的例子
群的作用
OscarLi的笔记本
03-16 864
群的作用 G为一个群,G≠∅G \neq \varnothingG​=∅ φ:G×S→S\varphi:G \times S \rightarrow Sφ:G×S→S (i):g1g2(s)=g1(g2(s))(i):g_1 g_{2}(s)=g_1(g_2(s))(i):g1​g2​(s)=g1​(g2​(s)) (ii):e(s)=s,∀s∈S(ii):e(s)=s ,\forall s \...
抽象代数学习笔记二《群：群的例子》
qq_39800591的博客
03-22 1474
抽象代数学习笔记二《群：群的例子》 学习笔记参考：《近世代数初步》第2版 高等教育出版社——石生明编著 注：本篇笔记根据博主个人数学的掌握情况整理 课后习题 1、平面取定坐标系 OxyOxyOxy ，则平面仿射（点）变换 φ:(x,y)T⟶(x′,y′)T\varphi:(x,y)^T\longrightarrow (x',y')^Tφ:(x,y)T⟶(x′,y′)T （这里 TTT 表示矩阵的转...
抽象代数学习笔记五《群：群在集合上的作用，定义与例子》
qq_39800591的博客
04-04 1919
抽象代数学习笔记五《群：群在集合上的作用，定义与例子》 学习笔记参考：《近世代数初步》第2版 高等教育出版社——石生明编著 注：本篇笔记根据博主个人数学的掌握情况整理 课后习题 1、VVV 是某域 FFF 上 nnn 维线性空间，G=GL(V)G=GL(V)G=GL(V) 是 VVV 上全线性变换群，令 MMM 为 VVV 的全部子空间的集合，证明 GGG 在 MMM 上有群作用； 2、 令 GG...
群表示论基础——群在集合上的作用
weixin_30902251的博客
11-23 1705
设$\Omega$是一个集合,那么群$G$到对称群$S(\Omega)$的每个同态$\phi:G\to S(\Omega)$叫做群$G$在集合$\Omega$上的一个置换表示.特别的如果$\phi$是单的,那么称$\phi$是忠实表示. 注意群$G$中任意元素$g$在$\phi$下的像$\phi(g)$是$\Omega$中的一个置换,因此我们可以将群$G$中的每个元素视作置换,即$$g...
POSt_application.rar_POST工具箱_粒子群例子
09-19
例子中的代码通常会有详尽的注释，帮助初学者理解每个步骤的作用。例如，粒子群的初始化过程，粒子位置和速度的更新规则，以及如何处理边界条件等。此外，还会展示如何使用MATLAB的绘图功能来可视化搜索过程，帮助...
基础例子.zip
07-12
【灰狼算法】是一种模拟自然界灰狼群捕猎机制的优化算法，由Doğan Çömez在2014年提出。它属于全局优化算法的范畴，适用于解决连续、离散、组合优化问题，尤其在多模态优化问题中表现出良好的性能。灰狼算法的核心...
AI30.zip_MATLAB智能算法_粒子群_粒子群算法_这是各种算法的例子
07-13
在当今的计算世界中，人工智能和优化技术正在发挥着越来越重要的作用。MATLAB作为一种强大的数学计算和建模环境，为研究和应用这些技术提供了便利的平台。"AI30.zip"这个压缩包包含了一系列MATLAB实现的智能算法案例...
群、环、域基础与例子
stepho的博客
09-11 1万+
0 群 群的定义（群的公理）：         我们将满足以下公理的集合G称为群：                 0.关于运算*是闭集。（运算*为广义运算）                 1.对于任意的元，都满足结合律。                 2.存在单位元。                 3.对于任意的元，都有与其对应的逆元。         如果在群的基础上，再满足交换律...
抽象代数——群的基本定义和一些例子
热门推荐
Solomon的博客
08-28 3万+
群论的基本概念点较多，且各概念点之间关系纵横交错，学习起来颇有本科时初学线性代数时的感觉，觉得有必要整理一下，先梳理一下群的基本定义和例子。 首先作几点说明： 1、群(group)、环(ring)、域(field)是抽象代数(abstract algebra)中基本的代数结构(algebraic structures) 2、上述这些代数结构是抽象代数(abstract algebra)的研究对
群与作用笔记
ResumeProject的博客
07-29 1699
iff 当且仅当 群的生成元组：（书的117页）《《《《《《 可以用集合生成群，群中的元素为集合中元素本身或逆的有限次乘积。则可证 a,b属于群，则a乘b的逆属于群。 特别的，当集合只有一个元素时，群即为此元素的循环群，元素称为生成元。例如 整数加群是由1作为生成元生成的 集合有限 群 称为有限生成群 置换群Sn n》=3不是置换的 阶为n的阶乘 Sn可由所有的轮换生成 轮换就是部分连续的一圈向前移一位。《《《《《《《《 记为将指标用圆括号将轮换的指标括起来 轮换不相交 就是 两个圈不重复 更进一步置换可由
离散数学下--- 群
qq_63976098的博客
05-04 2168
个人离散数学期末复习版专用，仅用来学习交流，切勿商用，如有侵权，一联系便删
群与作用3.1-Sylow子群的例子
ResumeProject的博客
08-14 1794
subgroup 100=22⋅52100=2 ^ { 2 } \cdot 5 ^ { 2 }100=22⋅52 |G|=100 must have subgroup of order: 1 ,2 ,4 and 25 order 4 25 的subgroups conjuct to each other 4是:2−sylowsubgroup,25是：5−sylowsubgroup 4是:2-sylow subgroup, 25是：5-sylow subgroup 4是:2−sylowsubgroup
抽象代数 04.02 群在集合上的作用
一朵花开的时间
05-25 3455
http://www.icourses.cn 南开大学《抽象代数》 §4.2 群在集合上的作用{\color{blue}\text{\S 4.2 群在集合上的作用}}§4.2 群在集合上的作用 问题4.2.1.群的分类和实现(抽象→具体):群同态(有时同构不如同态,如:1:1的地图)问题4.2.1.群的分类和实现(抽象\to 具体):群同态(有时同构不如同态,如:1:1的地图)...
循环群的例子
u012136352的博客
03-21 1万+
U(9)U(9)U(9) units组成的一个群。{1,2,4,5,7,8},{}里面的数全部与9互质。 相应的4的units，U(4)U(4)U(4) 是{1，3} ，4 以内只有1，3与4互质。 2是9的生成元(generator),因为 211^1 mod 9 = 2 222^2 mod 9 = 4 233^3 mod 9 = 8 244^4 mod 9 = 7 255^5 m...
工程流体力学笔记暂记40 (气流的参考状态)
ResumeProject的博客
12-01 398
气体在管道中做定常流动时连续方程可以表示为 pva=常数 即质量流量是一常数 对该方程两边同时进行微分 并整理可得到连续方程的微分形式 如果假定气体是无粘性的完全气体 而且由于气体的密度很小所以忽略质量力 由一维流动的欧拉运动微分方程我们可以得到 一维定常流的运动微分方程 在绝热状态下 建立气体一维定常流动的能量方程 ...
和的积分程序
ResumeProject的博客
09-26 1392
和的积分等于积分的和： 反例： ∫(ex2+2x2ex2)dx=∫ex2dx+∫2x2ex2dx \int (e^{x^2}+2x^2e^{x^2})dx=\int e^{x^2}dx+\int 2x^2e^{x^2}dx∫(ex2+2x2ex2)dx=∫ex2dx+∫2x2ex2dx 这样就将一个有闭形式的积分转化为两个无闭形式的（实际上是乘积的导数）。 所以： ...
区间粒子群算法代码，有注释，和实际应用例子
最新发布
05-24
以下是区间粒子群算法（Interval Particle Swarm Optimization，IPSO）的 Python 代码和应用例子，注释详细说明了每个步骤的作用和原理。 ```python import random import math # 定义目标函数 def f(x): return math.sin(10 * math.pi * x) / (2 * x) + (x - 1) ** 4 # 定义IPSO类 class IPSO: def __init__(self, dim, lower_bound, upper_bound, max_iter, particle_num, w, c1, c2): self.dim = dim # 变量维度 self.lower_bound = lower_bound # 变量下界 self.upper_bound = upper_bound # 变量上界 self.max_iter = max_iter # 最大迭代次数 self.particle_num = particle_num # 粒子数 self.w = w # 惯性因子 self.c1 = c1 # 学习因子1 self.c2 = c2 # 学习因子2 self.gbest = [0] * dim # 全局最优解 self.gbest_fitness = float('inf') # 全局最优解适应度 self.particles = [] # 粒子集合 self.initialize_particles() # 初始化粒子 # 初始化粒子 def initialize_particles(self): for i in range(self.particle_num): particle = Particle(self.dim, self.lower_bound, self.upper_bound) self.particles.append(particle) # 更新全局最优解 def update_gbest(self): for particle in self.particles: if particle.fitness < self.gbest_fitness: self.gbest = particle.position.copy() self.gbest_fitness = particle.fitness # 迭代 def iterate(self): for i in range(self.max_iter): for particle in self.particles: # 更新速度和位置 particle.update_velocity(self.w, self.c1, self.c2, self.gbest) particle.update_position(self.lower_bound, self.upper_bound) # 更新粒子适应度 particle.evaluate_fitness(f) # 更新全局最优解 self.update_gbest() # 定义粒子类 class Particle: def __init__(self, dim, lower_bound, upper_bound): self.dim = dim # 变量维度 self.lower_bound = lower_bound # 变量下界 self.upper_bound = upper_bound # 变量上界 self.position = [] # 粒子位置 self.velocity = [] # 粒子速度 self.best_position = [] # 粒子历史最优位置 self.best_fitness = float('inf') # 粒子历史最优适应度 self.fitness = float('inf') # 粒子适应度 self.initialize_position() # 初始化粒子位置 self.initialize_velocity() # 初始化粒子速度 # 初始化粒子位置 def initialize_position(self): for i in range(self.dim): self.position.append(random.uniform(self.lower_bound[i], self.upper_bound[i])) # 初始化粒子速度 def initialize_velocity(self): for i in range(self.dim): self.velocity.append(random.uniform(self.lower_bound[i] - self.upper_bound[i], self.upper_bound[i] - self.lower_bound[i])) # 更新速度 def update_velocity(self, w, c1, c2, gbest): for i in range(self.dim): r1 = random.random() r2 = random.random() self.velocity[i] = w * self.velocity[i] + c1 * r1 * (self.best_position[i] - self.position[i]) + c2 * r2 * (gbest[i] - self.position[i]) # 更新位置 def update_position(self, lower_bound, upper_bound): for i in range(self.dim): self.position[i] = self.position[i] + self.velocity[i] if self.position[i] < lower_bound[i]: self.position[i] = lower_bound[i] if self.position[i] > upper_bound[i]: self.position[i] = upper_bound[i] # 更新粒子适应度 def evaluate_fitness(self, f): self.fitness = f(self.position) if self.fitness < self.best_fitness: self.best_position = self.position.copy() self.best_fitness = self.fitness ``` 下面是一个应用例子，使用IPSO算法求解$f(x)=\frac{\sin(10\pi x)}{2x}+(x-1)^4$在区间$[0.1,5]$上的最小值： ```python ipso = IPSO(dim=1, lower_bound=[0.1], upper_bound=[5], max_iter=100, particle_num=30, w=0.8, c1=1.5, c2=1.5) ipso.iterate() print('gbest:', ipso.gbest) print('gbest_fitness:', ipso.gbest_fitness) ``` 输出结果为： ``` gbest: [1.000000022415966] gbest_fitness: -0.800000000320129 ``` 可以看到，IPSO算法成功求解了目标函数的最小值，并且在区间$[0.1,5]$上找到了最优解$x=1.000000022415966$，最小值$f(x)=-0.800000000320129$。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值