第5课 转置，置换，向量空间R

第5课 转置，置换，向量空间R

置换 Permutation

对于A= LU 来说，L是
$L= \begin{bmatrix} 1&0&0&0&..\\ ?&1&0&0&..\\ ?&?&1&0&..\\ ?&?&?&1&..\\ ..&..&..&..&.. \end{bmatrix}$是一个下三解矩阵，而U是经过消元后变成一个上三解矩阵
$U= \begin{bmatrix} 1&?&?&?&..\\ 0&1&?&?&..\\ 0&0&1&?&..\\ 0&0&?&1&..\\ ..&..&..&..&.. \end{bmatrix}$。

然而现实情况是，我们总会碰到主元是0的情况，那这样就需要行变换，即交换两行或多行，这称之为置换 Permutation。

这种变成了$PA=LU$，它先把A通过置换变成比较好的行序，然后再进行LU变换。

Permutations(置换矩阵)是单位矩阵经过重新行排序后的矩阵。对于一个N阶方阵，它的个数为$n!=n(n-1)...(3)(2)(1)$，这一类矩阵都有很好的性质，比如都存在逆矩阵，且其逆矩阵和其转置相等，即$PP^T=I,P^{-1}=P^T$。

转置 Transfrom

假设有矩阵$\begin{bmatrix} 1&3\ 2&3\ 4&1 \end{bmatrix}^{T} = \begin{bmatrix} 1&2&4\\ 3&3&1 \end{bmatrix}$

如果用数学公式表达转置即 $(A^T)_{ij}=A_{ji}$。

还有一种对称矩阵(Symmetric Matrix)，其转置等于本身。$A^T = A$。
比如$\begin{bmatrix} 3&1&7\ 1&3&9\ 7&9&4 \end{bmatrix}$就是一个对称矩阵。

$R^TR$is always symmetric. 任何矩阵的转置乘以其本身，是一个对称矩阵。比如：

$$\begin{bmatrix} 1&3\\ 2&3\\ 4&1 \end{bmatrix}^{T} \begin{bmatrix} 1&2&4\\ 3&3&1 \end{bmatrix} = \begin{bmatrix} 10&11&7\\ 11&13&11\\ 7&11&17 \end{bmatrix}$$

下面证明一下为什么？

$(R^TR)^T = R^T(R^T)^T = R^TR$，所以$R^TR$是一个对称矩阵。

向量空间 Vector Spaces

Examples : $R^2$是所有二维向量组成的空间，它就是一个二维平面。

子空间

它们具有封闭性，即向量之和，数乘，任意线性组合，都还在子空间中。
任合子空间必须有零向量。

举例：

比如对于坐标平面中的第一象限，它就不是一个向量空间。向量之和还在第一象限，但如果是任何负数乘以子向量，它就不闭合了。

我们还从二维向量空间出发，任何一个穿过原点的直线，是一个子空间。但不穿过原点$\begin{bmatrix}0\\0\end{bmatrix}$的直线，不是子空间。

列举一下$R^2$的所有子空间：

• 它自己是自己的子空间

• 所有经过$\begin{bmatrix}0\\0\end{bmatrix}$的直线是子空间

• $\begin{bmatrix}0\\0\end{bmatrix}$ 自己是子空间

列举一下$R^3$的所有子空间：

• 它自己是自己的子空间

• 所有经过$\begin{bmatrix}0\\0\\0\end{bmatrix}$的平面是子空间

• 所有经过$\begin{bmatrix}0\\0\\0\end{bmatrix}$的直线是子空间

• $\begin{bmatrix}0\\0\\0\end{bmatrix}$ 自己是子空间

矩阵列空间

举例对于矩阵
$A=\begin{bmatrix} 1&3\ 2&3\ 4&1 \end{bmatrix}$
它所有的列向量都在$R^3$中。

它们所有的线性组合构成一个子空间，我们称之为列空间,记作C(A) column of A

想像一下，几何上，这个列空间其实是一个由两条向量通过线性组合充满的平面。