为了与上一节
但为了对
Example:
令
第一步用第二行减去第一行的
为明确减去第一行的倍数,我们令
令
之所以称为是因为它是上三角形矩阵(upper triangular)的第一个单词的首字母,而且 它的对角线的下方的元素全为;同理为单位下三角形矩阵(unit lower triangular)的lower的首字母,从下面这个矩阵中,我们很容易发现, 它的主对角线上的元素全为,对角线上方的元素全为。
并令
则容易验证
我们又可以再次回顾下第四讲的一个结论:对于
那么,现在,如果我们需要对行进行互换,我们该怎么办?
在矩阵的代数运算过程中,我们不可能保证,每次在计算过程中所遇到的首元均不为
在Matlab中,Matlab不仅会像人一样,检验主元位置,检验它是否为0。它甚至不允许存在非常小的非零主元。主元接近于0,数值运算上很难处理,因此在Matlab的实际运算中,它会对一些我们认为没必要的行进行互换操作。虽然代数上,我们认为这没有必要,但它对数值准确性是有影响的。
既然,行互换是不可避免的,那我们应该怎么解决呢?答案在下方
Permutation is the identity matrix with reordered rows.
当然置换在上一节也提到过,这一节打算举例子来更加地说明。
比如一个单位矩阵(Identity)就是一个置换矩阵。
任何一个矩阵乘以
Example:
所以单位矩阵
我们再来看另外一个置换矩阵:
Example:
在上节,我们提到过一个
之所以,说它好,是因为,一个转置矩阵乘以它本身就变为了单位矩阵。
即
下面,我们再来说说转置(transpose)。
所谓转置就是把矩阵的行元素和列元素进行互换。用数学符号表示就是
Example:
接着是对称矩阵(symmetric matrices):
Example:
这就是一个对称矩阵。这里都是正数这只是一个偶然,对称矩阵不需要如此,只要转置以后形态不变的都是对称矩阵。
这里,我想引起大家的注意,这种具有转置不变性质的矩阵,它们非常容易找到。之前,我们讲过“转置=逆”的矩阵,但这种矩阵数量稀少,远没现在这种情况普遍,毕竟这种情况只要求转置等于其本身就行了。这很常见,我甚至随时能求出对称矩阵。
当然上面那个例子
但我可以用它构造出一个对称矩阵出来,只需要把它们俩相乘。
现在,我令
令
只要将它们俩相乘,就能得到对称矩阵。
我们先来乘乘看
结论:
那么,用矩阵语言如何描述这种现象呢?
我们先思考这样一个问题,为什么
我们先把它转置一下,希望它转置后形式不变。
下面我们就开始转置:
没错,将它转置,最终还是得到了它。验证完毕,没有用任何具体的数字。
参考资料:
- Linear Algebra with Applications(Ninth Edition)
- MIT 18.06 Linear Algebra, Spring 2005
MIT课程链接:
【完整版-麻省理工-线性代数】全34讲+配套教材_哔哩哔哩 (゜-゜)つロ 干杯~-bilibiliwww.bilibili.comLinear Algebra with Applications电子版可去“CSXP”微信公众号下。