Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >线性代数--MIT18.06(五)

线性代数--MIT18.06(五)

作者头像
fireWang
发布于 2019-03-13 10:08:18
发布于 2019-03-13 10:08:18
5310
举报
文章被收录于专栏:零维领域零维领域

正文共:1205 字 41 图 预计阅读时间: 4 分钟

5. 转置、置换和向量空间、子空间

5.1 A的LU分解中存在换行

■ 置换矩阵

继续上一讲的内容,由上一讲可知我们可以将系数矩阵 A 分解为下三角矩阵和上三角矩阵的乘积,但是我们给定了一个前提假设—— A 在消元过程中不做换行,这一次我们来解决如果在消元过程中存在换行的情况。

由矩阵乘法的定义我们知道,实际上对 A 换行,也可以由 A 左乘一个矩阵来完成,我们称 A 左乘的矩阵为置换矩阵(P, Permutation matrix)

由此我们得到

实际上单位阵就是一个置换矩阵,只不过它不对行进行更换,对于原分解过程我们可以这样理解

由此我们得到置换矩阵集合: 对单位矩阵 I 各行进行(或列)重排之后的矩阵集合。 这样对于给定的矩阵 A , 我们也能很快地知道所有的置换矩阵的个数,即为各行的全排列数,即n的阶乘( n! )

另外由其定义我们还可以得知置换矩阵的一个 特性

■ 转置矩阵

直观来看,将矩阵 A 的所有元素绕着一条从第 1 行第 1 列元素出发的右下方45度的射线作镜面反转,即得到 A 的转置。即

■ 对称矩阵

特别的我们发现一些矩阵转置之后还是原矩阵,这样的矩阵称为对称矩阵(Symmetric matrix , S), 即

同时我们发现可以通过任意矩阵,其自身与其转置的乘积得到对称阵,即

5.2 向量空间、子空间

■ 向量空间的定义:

所有 n 维向量构成的空间即为向量空间

■ 子空间的定义:

子空间是向量空间

中满足如下条件的部分空间:

对于

的子空间

,任意

, 它们的所有线性组合也在

中。简单来说就是子空间对其内的向量是对乘法和加法封闭的。

举例来说

的所有子空间:

自身

  1. 零向量
  1. 所有通过零向量

的直线

的所有子空间:

自身

  1. 零向量
  1. 所有通过零向量

的直线

  1. 所有通过零向量

的平面

5.3 习题课:三维空间子空间

2011年秋季习题

问题一

构成的最小子空间

构成的最小子空间

问题二

构成,

是否成立?

  • 给出一个

的子空间 S ,满足

问题三

是什么?

解答

  1. 由子空间的定义我们知道子空间需要对乘法和加法封闭,这两个向量都过原点, 因此他们各自的最小 子空间 就是他们各自所在的直线, 两条直线只有一个交点--原点
  2. 当然不成立,我们知道两个非共线向量可以构成一个平面,而两条直线的并集还是两条直线,同时我们可以知道

,为了满足

, 实际上只需要取任意过原点的直线(

向量的任意线性组合,但是不与

所在的这两条直线重合即可,即只要不取(0,1)或者(1,0)即可)

  1. 就是

所在的直线, 也即

. 因为

恰好就在xy平面上。

由该习题我们也可以得出结论

  • 子空间的并集 不再是子空间
  • 子空间的交集,依然是一个子空间
本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-01-18,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 零维领域 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
线性代数--MIT18.06(十一)
。 若记 M 为所有 3×3 矩阵构成的矩阵空间,则所有的 3×3 对称矩阵构成的矩阵空间 S 和 3×3 上三角矩阵构成的矩阵空间 U 都是 M 的子空间。
fireWang
2019/03/13
7050
MIT-线性代数笔记(1-6)
  对方程组中某个方程进行时的那个的数乘和加减,将某一未知系数变为零,来削弱未知数个数
超然
2018/08/03
9330
MIT-线性代数笔记(1-6)
线性代数--MIT18.06(三)
,我们依然可以使用矩阵消元的形式来求解,只不过要比我们之前提到的矩阵消元多做一些消元而已,这就是Gauss-Jordan法。
fireWang
2019/03/13
6560
线性代数--MIT18.06(七)
之前我们考虑主元主要是从行的角度去看,现在我们主要考虑列的情况,我们称主元所在的列为主元列(pivot columns),主元的个数我们称为矩阵的秩(Rank,简写为r),没有主元的列称为自由变量列(free variable columns), 自由变量的个数也就很好的理解为 n-r 了,在这里就是 4-2=2 。 消元之后我们进行回代的步骤,也就求得解了,即
fireWang
2019/04/24
7050
线性代数--MIT18.06(七)
日拱一卒,麻省理工的线性代数课,向量空间
今天我们继续MIT的线性代数专题,这一节课的内容关于向量空间,它非常非常重要,也是线性代数的核心,是后面几乎所有内容的基础。
TechFlow-承志
2022/09/21
1.5K0
日拱一卒,麻省理工的线性代数课,向量空间
博客 | MIT—线性代数(下)
1、 投影矩阵与最小二乘:向量子空间投影在机器学习中的应用最为广泛。就拿最小二乘的线性拟合来说,首先根据抽样特征维度假设线性方程形式,即假设函数。
AI研习社
2018/12/28
1.5K0
博客 | MIT—线性代数(下)
LinearAlgebra_1
方程组的几何解释 linear equation row picture column picture 矩阵计算的两种方法 some questions 需要思考的其他问题 矩阵消元 回顾 主题 消元
用户1147754
2018/01/02
1.1K0
线性代数--MIT18.06(十)
列空间和零空间我们已经在第六讲讲解过了,在这里我们还将讨论他们所在空间的维数,以及它们自身的维数和构成它们的基。
fireWang
2019/03/13
9550
线性代数--MIT18.06(一)
从行的角度来看,三个三元一次方程表示三维空间中的三个平面,如果三个平面相交于一点,那么交点的坐标即为方程组的解。
fireWang
2019/03/13
1.1K0
线性代数--MIT18.06(十二)
在之前的课程中,列举了很多的矩阵,实际上它们都来自实际问题,而不是简简单单随便想出来的,这些矩阵都可以描述实际问题的拓扑结构,我们在处理这些实际问题时需要搞清楚它们的拓扑结构。
fireWang
2019/04/24
3950
线性代数--MIT18.06(十二)
线性代数--MIT18.06(六)
由上一讲的内容,我们知道了向量空间和子空间的定义,那么如何使用矩阵来构造子空间呢?
fireWang
2019/03/13
4650
线性代数--MIT18.06(三)
,我们依然可以使用矩阵消元的形式来求解,只不过要比我们之前提到的矩阵消元多做一些消元而已,这就是Gauss-Jordan法。
fireWang
2019/03/13
6580
线性代数知识汇总
线性代数是代数学的一个分支,主要处理线性关系问题。线性关系意即数学对象之间的关系是以一次形式来表达的。例如,在解析几何里,平面上直线的方程是二元一次方程;空间平面的方程是三元一次方程,而空间直线视为两个平面相交,由两个三元一次方程所组成的方程组来表示。含有 n个未知量的一次方程称为线性方程。变于关量是一次的函数称为线性函数。线性关系问题简称线性问题。解线性方程组的问题是最简单的线性问题。
章鱼猫先生
2021/10/15
1.5K0
线性代数知识汇总
线性代数--MIT18.06(三十五)
行不满秩,因此其不满秩,那么它不可能为正定矩阵,可以为半正定矩阵。 于是我们也就知道
fireWang
2019/03/13
6320
线性代数--MIT18.06(三十三)
对应于课本(Introduction to Linear Algebra)第六章内容的习题课
fireWang
2019/03/13
7820
透析矩阵,由浅入深娓娓道来—高数-线性代数-矩阵
线性代数是用来描述状态和变化的,而矩阵是存储状态和变化的信息的媒介,可以分为状态(静态)和变化(动态)信息来看待。
周陆军
2018/03/27
7.4K7
透析矩阵,由浅入深娓娓道来—高数-线性代数-矩阵
机器学习数学基础--线性代数
换种表达方式,线性无关是说:其中任意一个向量都不在其他向量张成空间中,也就是对所有的
Ai学习的老章
2019/05/10
1.1K0
机器学习数学基础--线性代数
线性代数(持续更新中)
当 a\times d-b\times c=0 时 A 没有定义,A^{-1}不存在,则 A 是奇异矩阵。
浪漫主义狗
2022/09/28
9160
线性代数(持续更新中)
线性代数--MIT18.06(二十六)
特征值的性质我们已经知道了,由于是对称矩阵的性质,我们再看下它的特征向量,因为特征向量正交,基于十七讲的内容,我们总可以将正交向量矩阵转化为正交矩阵,因此我们就可以将对角化公式进行如下分解
fireWang
2019/03/13
1.4K0
线性代数--MIT18.06(二十)
行列式用一个数值就包含了所有信息,从行列式的值出发我们又可以发现一些新的公式,用于计算我们之前讲解过得一些可以求解但是没有公式用于求解的东西
fireWang
2019/03/13
6650
相关推荐
线性代数--MIT18.06(十一)
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档