【线代笔记】2.7 Transposes and Permutations |
您所在的位置:网站首页 › 线代dimension › 【线代笔记】2.7 Transposes and Permutations |
2.7 Transposes and Permutations - 转置与置换
本节要介绍一种新的矩阵——置换矩阵 具体来说,当A是一个(m,n)的矩阵时,它的转置是一个(n,m)的矩阵 Transpose if A = [ 1 2 3 0 0 4 ] then A T = [ 1 0 2 0 3 4 ] \text{Transpose}\quad \text{if}\quad A=\begin{bmatrix} 1&2&3\\ 0&0&4 \end{bmatrix}\quad \text{then}\quad A^T=\begin{bmatrix}1&0\\2&0\\3&4\end{bmatrix} TransposeifA=[102034]thenAT=⎣⎡123004⎦⎤ A中的行即为AT中的列,A中的列即为AT中的行,即 ( A T ) i j = A j i (A^T)_{ij}=A_{ji} (AT)ij=Aji 下三角矩阵的转置是上三角矩阵,但是下三角矩阵的逆依然是下三角矩阵 关于矩阵的转置运算的三个规则 Sum The Transpose of A + B is A T + B T \mathbf{\text{Sum}}\quad \text{The Transpose of}\quad A+B\quad \text{is}\quad A^T+B^T SumThe Transpose ofA+BisAT+BT Product The Transpose of A B is ( A B ) T = B T A T \mathbf{\text{Product}}\quad \text{The Transpose of}\quad AB\quad \text{is}\quad (AB)^T=B^TA^T ProductThe Transpose ofABis(AB)T=BTAT Inverse The Transpose of A − 1 is ( A − 1 ) T = ( A T ) − 1 \mathbf{\text{Inverse}}\quad \text{The Transpose of}\quad A^{-1}\quad \text{is}\quad (A^{-1})^T=(A^T)^{-1} InverseThe Transpose ofA−1is(A−1)T=(AT)−1 注意第二个积的转置,当B仅为一个向量 x \mathbf{x} x时,有 ( A x ) T = x T A T (A\mathbf{x})^T=\mathbf{x}^TA^T (Ax)T=xTAT A x A\mathbf{x} Ax是 A A A的各列的线性组合, x T A T \mathbf{x}^TA^T xTAT是 A T A^T AT的各行的线性组合 The Meaning of Inner Products - 内积的含义我们已经知道关于两个向量x,y的内积为 x i y i x_iy_i xiyi的和,表示的方式为 x ⋅ y \mathbf{x}\cdot\mathbf{y} x⋅y 当了解了转置的概念之后,我们可以用转置来表示内积 內积的表示方式为 x T y \mathbf{x^T}\mathbf{y} xTy,外积的表示方式为 x y T \mathbf{xy^T} xyT 其中前者得到的结果是一个数字,后者的结果是一个矩阵 Symmetric Matrix - 对称矩阵对于一个对称矩阵来说,它本身和它的转置之间没有区别,我们定义对称矩阵 S T = S s i j = s j i S^T=S \quad s_{ij}=s_{ji} ST=Ssij=sji 接下来我们将通过 A T A A^TA ATA来构造一个对称矩阵 S S S Symmetric Product ATA and AAT and LDLT - 对称积某一个矩阵A(可以为矩型),他的转置乘上自身是一个对称的方阵 S = A T A S=A^TA S=ATA A T A = A T ( A T ) T = A T A A^TA=A^T(A^T)^T=A^TA ATA=AT(AT)T=ATA 也可以直接从对应的项上来看, A T A A^TA ATA的(i,j)项和(j,i)项的相乘的两个向量来源是一样的 矩阵 A A T AA^T AAT也是对称的,但是和上述的矩阵是不同的矩阵 对称矩阵的消元 对称矩阵的消元比一般的矩阵更加迅速,因为在处理矩阵时,可以只针对一般的矩阵操作(包含主对角线) 当S是一个对称矩阵的时候,通用的分解LDU,在没有行交换的情况下,变为S=LDLT 要注意到矩阵LDLT的转置(LT)DTLT依然是自身,则消元运算次数从n3/3变为n3/6. Permutation Matrices - 置换矩阵置换矩阵用P来表示,置换矩阵每一行每一列有且仅有一个1,且置换矩阵的转置依然是置换矩阵,可以相同也可以不同,任意两个置换矩阵P1P2的积也依然是置换矩阵 置换矩阵从单位矩阵演变而来,只要将单位矩阵的任意两行进行交换即可得到置换矩阵,即可以是单位矩阵中每一行的任意组合,总共有n!种形式 I = [ 1 1 1 ] P 21 = [ 1 1 1 ] P 32 P 21 = [ 1 1 1 ] I=\left[\begin{array}{lll}1 & &\\& 1& \\& & 1\end{array}\right] \quad P_{21}=\left[\begin{array}{lll}&1 & \\1 & \\&& 1\end{array}\right] \quad P_{32} P_{21}=\left[\begin{array}{ll}&1 & \\ & & 1\\ 1 & &\end{array}\right] I=⎣⎡111⎦⎤P21=⎣⎡111⎦⎤P32P21=⎣⎡111⎦⎤ P 31 = [ 1 1 1 ] P 32 = [ 1 1 1 ] P 21 P 32 = [ 1 1 1 ] P_{31}=\left[\begin{array}{cc}& &1 \\&1 &\\1& &\end{array}\right] \quad P_{32}=\left[\begin{array}{ccc}1 & & \\& &1 \\& 1 & \end{array}\right] \quad P_{21} P_{32}=\left[\begin{array}{cc}& &1 \\1 & &\\&1&\end{array}\right] P31=⎣⎡111⎦⎤P32=⎣⎡111⎦⎤P21P32=⎣⎡111⎦⎤ 任何矩阵左乘一个置换矩阵,即为对原矩阵进行行交换的操作 置换矩阵逆依然还是置换矩阵,左边四个矩阵的逆依然是自身,右边两个矩阵的逆则是彼此 置换矩阵的逆和置换矩阵的转置是一样的,因而 P P T = I PP^T=I PPT=I 在消元之前引入行交换,我们又会得到 P A = L U PA=LU PA=LU The PA = LU Factorization with Row Exchanges - 行交换的因式分解在上一节A=LU分解中我们已经知道了这样一种因式分解的方式,但是在很多情况下我们需要进行行交换来得到主元,以便于后续的消元。 我们将所有的行交换的过程Pij变成一个置换矩阵P来表示 [ 0 1 1 1 2 1 2 7 9 ] → [ 1 2 1 0 1 1 2 7 9 ] → [ 1 2 1 0 1 1 0 3 7 ] → [ 1 2 1 0 1 1 0 0 4 ] \left[\begin{array}{lll}0 & 1 & 1 \\1 & 2 & 1 \\2 & 7 & 9\end{array}\right] \rightarrow\left[\begin{array}{lll}1 & 2 & 1 \\0 & 1 & 1 \\2 & 7 & 9\end{array}\right] \rightarrow\left[\begin{array}{lll}1 & 2 & 1 \\0 & 1 & 1 \\0 & 3 & 7\end{array}\right] \rightarrow\left[\begin{array}{lll}1 & 2 & 1 \\0 & 1 & 1 \\0 & 0 & 4\end{array}\right] ⎣⎡012127119⎦⎤→⎣⎡102217119⎦⎤→⎣⎡100213117⎦⎤→⎣⎡100210114⎦⎤ A → P A → l 31 = 2 → l 32 = 3 A\quad \rightarrow\quad PA\quad \rightarrow\quad l_{31}=2\quad \rightarrow\quad l_{32}=3 A→PA→l31=2→l32=3 主要的问题就是何时运用置换矩阵P 提前做好行交换PA=LU【常用】在消元后进行行交换,通过P1使得U1中的主元的顺序正确。A=L1P1U1若A是可逆的,置换矩阵就会把A行的顺序进行调整以便于PA=LU的分解,这必须要满足行交换后的矩阵A有足够的主元使得A可逆 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |