05转置和向量空间
进入了向量空间才算开始了线性代数的大门。几个重要的概念:
- 列空间包含所有列向量的线性组合,记作 C ( A ) C(A) C(A);
- 当且仅当 b b b在 A A A的列空间时, A X = b AX=b AX=b才有解;
一个 m × n m\times n m×n的系数矩阵 A A A的列空间有可能属于和向量分量一样多的空间 R m R^m Rm,也有可能只是子空间。
一、转置矩阵Permutation
转置矩阵适用于执行行交换的。回忆一下我们上一节讲到的
A
=
L
U
A=LU
A=LU分解,一个矩阵
L
U
LU
LU的
L
L
L的特征非常明显,它是进行的行变换的直观矩阵:
A
=
L
U
=
[
1
0
0
0
X
1
0
0
X
X
1
0
X
X
X
1
]
[
1
X
X
X
0
1
X
X
0
0
1
X
0
0
0
1
]
A=LU=\begin{bmatrix} 1&0&0&0\\ X&1&0&0\\ X&X&1&0\\ X&X&X&1 \end{bmatrix}\begin{bmatrix} 1&X&X&X\\ 0&1&X&X\\ 0&0&1&X\\ 0&0&0&1 \end{bmatrix}
A=LU=
1XXX01XX001X0001
1000X100XX10XXX1
如果考虑行交换,那么一个可逆矩阵的
A
A
A更广泛的消元过程应该表示为:
P
A
=
L
U
PA=LU
PA=LU,Permutation矩阵的性质:
- P P P一定可逆的
- 逆等于转置
性质1,因为转置矩阵就是单位矩阵通过不同组合的行交换组成的,当然也可以乘以一个相反的行交换换回单位矩阵。性质2,举个直观的例子,假设一个转置矩阵
P = [ 1 0 0 0 0 0 1 0 0 1 0 0 0 0 0 1 ] P T = [ 1 0 0 0 0 0 1 0 0 1 0 0 0 0 0 1 ] P=\begin{bmatrix} 1&0&0&0\\ 0&0&1&0\\ 0&1&0&0\\ 0&0&0&1\\ \end{bmatrix}\quad P^T=\begin{bmatrix} 1&0&0&0\\ 0&0&1&0\\ 0&1&0&0\\ 0&0&0&1\\ \end{bmatrix} P= 1000001001000001 PT= 1000001001000001 它是一个单位矩阵第二和第三行的交换。 P P T = I PP^T=I PPT=I必然成立!
转置矩阵的数学表达:
(
A
T
)
i
j
=
A
j
i
(A^T)_{ij}=A_{ji}
(AT)ij=Aji
对称矩阵(Symmetrix)的定义:
A
T
=
A
A^T=A
AT=A数字是最直观的,一个对称阵
A
A
A应该是:
A
=
[
3
1
7
1
2
9
7
9
4
]
A=\begin{bmatrix}3&1&7\\1&2&9\\7&9&4\end{bmatrix}
A=
317129794
一个对称矩阵具有转置不变性。我们可以如何获取一个转置矩阵?答案是
R
R
T
RR^T
RRT!矩阵总是可以乘以其转置,举个例子:
[
1
3
2
3
4
1
]
[
1
2
4
3
3
1
]
=
[
10
11
7
11
13
11
7
11
17
]
\begin{bmatrix} 1&3\\ 2&3\\ 4&1 \end{bmatrix}\begin{bmatrix} 1&2&4\\ 3&3&1\\ \end{bmatrix}= \begin{bmatrix}10&11&7\\11&13&11\\7&11&17\end{bmatrix}
124331
[132341]=
1011711131171117
这个是显然的,因为
(
R
R
T
)
T
=
(
R
T
)
T
R
T
=
R
R
T
(RR^T)^T=(R^T)^TR^T=RR^T
(RRT)T=(RT)TRT=RRT。转置等于其本身,符合转置矩阵的定义。
二、向量空间和子空间
定义:
R
n
R^n
Rn空间是所有
n
n
n个分量列向量的组合。
R
5
R^5
R5表示的是五个分量的列向量集合,如
[
3
4
8
1
6
]
[
3
4
−
1
3
2
]
\begin{bmatrix} 3\\4\\8\\1\\6 \end{bmatrix}\quad \begin{bmatrix}3\\4\\-1\\3\\2 \end{bmatrix}
34816
34−132
如果你能枚举所有的这样的向量,那么这个集合组成的就是
R
n
R^n
Rn空间。或者你也可以这么理解,空间的一个点所能表达的最小坐标数。
2.1 向量空间
向量空间是向量集合,在向量集合满足一定规则的向量称为子空间。
子空间是一系列满足一定运算规则构成的所有向量集,这个规则是满足以下条件,
- 任取向量空间中的两个向量 v v v和 w w w, v + w v+w v+w仍然在这个空间;
- 任取一个标量 c c c, c v cv cv属于这个空间;
换句话说,所有向量线性组合都是在子空间。
R
2
R^2
R2就是一个空间向量,其向量集合是所有二维实向量,对于其中的如:
[
3
2
]
[
0
0
]
[
π
e
]
\begin{bmatrix}3\\2\end{bmatrix}\quad \begin{bmatrix}0\\0\end{bmatrix}\quad \begin{bmatrix}\pi\\e\end{bmatrix}
[32][00][πe]无论我们这些二维实向量做何线性运算,其结果仍然在空间
R
2
R^2
R2内。
R
2
R^2
R2空间就是平面空间,随意选取平面上向量集合,如截取
R
2
R^2
R2平面一部分:第一象限,这个平面是否是空间向量呢?不是的,画个图看看:
w
=
u
−
v
w=u-v
w=u−v显然已经不在指定的第一象限,不符合向量空间的定义。
2.2 子空间
前面在
R
2
R^2
R2空间划取第一象限不是一个向量空间。那么在一个向量空间中任意划取一部分,是否有可能组成一个向量空间?答案是肯定的!!如一个过原点的直线空间!
我们随便在蓝色的空间任意选取一个点组成向量,无论我们如何线性组合它仍然属于这个蓝色区域,符合向量空间的定义!能够再举一个例子吗?当然可以,如零向量空间,不过逆只能取到一个向量,零向量的线性组合仍然是零向量。ok!至此,我们找到了
R
2
R^2
R2所有的三种子空间(线面)都被我们找到了!
对于
R
3
R^3
R3也是一个向量空间,三个实数构成一个向量,向量间的线性运算并不会离开
R
3
R^3
R3空间,如:
[
3
2
1
]
[
0
0
0
]
[
π
e
4
]
\begin{bmatrix}3\\2\\1\end{bmatrix}\quad \begin{bmatrix}0\\0\\0\end{bmatrix}\quad \begin{bmatrix}\pi\\e\\4\end{bmatrix}
321
000
πe4
同样的我们也对
R
3
R^3
R3的子空间,进行查找。第一个,过原点的平面:
在这个平面上任取向量进行线性组合,其结果仍然再这个平面上,是一个子空间。
过原点的直线:
显然,同理,它是一个子空间。最后,原点,也是一个子空间。
为什么 R 2 R^2 R2 R 3 R^3 R3的子空间都包含零向量?对于更高维度的子空间是否也包含零向量?原因很简单,如果你是一个向量空间,任取一个向量 v v v,对于任意实数必须有: k v kv kv成立,如果我们取 k = 0 k=0 k=0,他就是一个零向量!这也说明,如果一个空间连零向量都没有那他一定不是向量空间。
2.3 矩阵的列空间
矩阵的列向量的所有的线性组合必然在某个向量空间中,我们将列向量的线性组合的所有可能称为矩阵的列空间。举个例子:
[
1
3
2
3
4
1
]
\begin{bmatrix} 1&3\\ 2&3\\ 4&1 \end{bmatrix}
124331
这个矩阵构成的
矩阵的列空间是一个过原点的
R
3
R^3
R3子空间:平面。当然如果列向量是一个共线向量,那么子空间则是过原点的
R
3
R^3
R3子空间:直线。我们矩阵列构成的空间称为矩阵到列空间,记作
C
(
A
)
C(A)
C(A)。
2.4 向量空间具体的定义
设 V V V是一个非空集合, R \mathbb{R} R为实数域。如果在 V V V中定义了一个加法,即对于任意两个元素 α , β ∈ V \alpha,\beta\in V α,β∈V,总有唯一的一个元素 γ ∈ V \gamma \in V γ∈V与之对应,称为 α \alpha α与 β \beta β的和,记为 γ = α + β \gamma =\alpha+\beta γ=α+β;在 V V V中又定义了一个数与元素的乘法(简称数乘),即对于任一数 λ ∈ R \lambda \in \mathbb{R} λ∈R与任一元素 α ∈ V \alpha\in V α∈V,总有唯一的一个元素 δ ∈ V \delta\in V δ∈V与之对应,称为 λ \lambda λ与 α \alpha α的数量乘积,记作: δ = λ α \delta=\lambda\alpha δ=λα,并且这两中运算满足以下八大运算规律(设 α \alpha α、 β \beta β、 γ \gamma γ ∈ \in ∈ V V V, λ \lambda λ 、 μ \mu μ ∈ \in ∈ R \mathbb{R} R):
- α + β = β + α \alpha+\beta=\beta+\alpha α+β=β+α
- ( α + β ) + γ = α + ( β + γ ) (\alpha+\beta)+\gamma=\alpha+(\beta+\gamma) (α+β)+γ=α+(β+γ)
- 在 V V V中存在零元素 0 0 0,对任何 α ∈ V \alpha\in V α∈V,都有 α + 0 = α \alpha+0=\alpha α+0=α
!!!向量空间必须包含零空间