01 / PERMUTATION / ROW ORDER
矩阵不只会乘数字:
它还能把行的位置交换。
消元时如果主元刚好为0,我们会交换方程的顺序。这样的“换行”也能写成矩阵乘法:P 左乘 A,会重新排列 A 的行。例如 P=[[0,1],[1,0]],它把任意两行矩阵的第一行和第二行交换。
一般置换矩阵的每行、每列恰有一个 1,别处都是0。因为换行不会改变数字本身,只改变位置,所以 Pᵀ 正好把行送回原位:PᵀP=I,故 P⁻¹=Pᵀ。
结合前一讲,当高斯消元中必须换行时,分解写作 PA=LU。注意这不是要求 P 一定等于自身转置:交换两行的 P 恰好如此,但三行循环换位的矩阵通常满足 Pᵀ≠P。
把向量 (x,y,z)ᵀ 变成 (z,x,y)ᵀ 的置换,连续执行三次又回到 (x,y,z)ᵀ。所以这类 P 满足 P³=I,但 P 本身不是 I;矩阵乘法中的“置换”与日常调换位置的直觉完全一致。
随堂检查 01 · 置换矩阵
先自己推算,再检查。
查看完整解析与错因
P 第一行=(0,1),左乘A取原A的第二行,所以PA=[[3,7],[2,5]],第一行是(3,7)。
02 / TRANSPOSE / SYMMETRY
把行换成列,
会让哪些矩阵保持不变?
对 m×n 的矩阵 A,转置 Aᵀ 是 n×m 矩阵,定义为 (Aᵀ)ᵢⱼ=Aⱼᵢ。例如 [[1,4,0],[2,5,−1]] 的转置是 [[1,2],[4,5],[0,−1]]。两次转置恢复原矩阵。
如果一个方阵 A 满足 Aᵀ=A,它叫对称矩阵:主对角线两侧的数字像照镜子一样相等。若 Aᵀ=−A,它是反对称矩阵:对角线必为零(因为实数 a=−a 只能 a=0),其他数字两侧互为相反数。
任意实矩阵 R 的 RᵀR 一定对称。证明:(RᵀR)ᵀ=Rᵀ(Rᵀ)ᵀ=RᵀR;并不需要 R 是方阵。后面求最小二乘时,这样的乘积会频繁出现。
对 n×n 对称矩阵,主对角线上有 n 个自由数字,主对角线上方有 n(n−1)/2 个,其下方都被上方决定,所以共有 n(n+1)/2 个自由参数。反对称矩阵的对角线为零,仅上方 n(n−1)/2 个自由参数。这种计数是 MIT 配套练习检验的能力之一。
随堂检查 02 · 对称矩阵自由度
先自己推算,再检查。
查看完整解析与错因
主对角线3个,上方3个,下面3个都由镜像确定;所以独立数字3+3=6,或3×4/2=6。
03 / VECTOR SPACE / CLOSURE
“一堆向量”还不够:
运算之后不能跑出去。
R² 是所有有两个实数分量的列向量的集合;R³ 是三维实向量的集合。向量空间允许两个基本运算:向量相加和乘任意实数。对普通实向量,这些运算本来就满足结合、交换、分配等基本规则。
但任意挑选一个子集合,未必仍是向量空间。例如仅取两个分量都严格为正的向量:正向量相加仍然为正,可是将 (1,2)ᵀ 乘 −1,得到 (−1,−2)ᵀ,已经离开集合。乘 0 也得到不在严格正集合内的零向量。它没有对数乘封闭。
这里“闭合”不是说图形包围住区域,而是封闭性:合法向量做线性组合后,结果必须还属于 W。令 a=b=0 可知任何非空子空间必须包含零向量;若集合连零向量都没有,立即可以否定其子空间资格。
例如直线 y=3x 上的向量都可写成 t(1,3)ᵀ。两个这样的向量的任意线性组合仍是 (at₁+bt₂)(1,3)ᵀ,仍在直线上,所以它是 R² 的子空间。但直线 y=3x+1 不经过原点,绝不可能是子空间。
随堂检查 03 · 封闭性反例
先自己推算,再检查。
查看完整解析与错因
若 y=2x+1,零向量(0,0)不满足0=1,因此不是子空间;另外三个均对任意线性组合封闭。
04 / SUBSPACE / COLUMN SPAN
为什么矩阵的列组合,
自己形成一个向量空间?
对一个 m×n 矩阵 A,把它的所有列组合 Ax(x 可以取 Rⁿ 中任何向量)收集起来,得到 列空间 C(A)。若 u=Ax 和 v=Ay 都属于列空间,对任意实数 α、β,有 αu+βv=A(αx+βy);结果仍是某个输入的输出,所以 C(A) 对线性组合封闭,且含 A0=0。
用一个独立例子:A 的两列为 u=(1,0,1)ᵀ、v=(0,1,−1)ᵀ。任意组合 su+tv=(s,t,s−t)ᵀ,因此列空间恰好是三维中满足 z=x−y 的过原点平面。目标 (2,1,1)ᵀ 可达,因为1=2−1;目标 (2,1,2)ᵀ 不可达。
考虑 W={ (x,y)ᵀ : y=2x+c };用其中向量 v=(1,2+c)ᵀ 和它的两倍来验证封闭性。
v=(1,2)ᵀ,2v=(2,4)ᵀ
若 2v 仍在 W,在 x=2 时必须有 y=4。
c=0:零向量属于直线,而且任意倍数与和仍留在这条过原点的直线上,是子空间。
MIT 本讲把 R²、R³ 的子空间分成过原点的直线、过原点的平面、零空间等几何类型;接下来一讲会严格讨论列空间和零空间是怎样决定方程 Ax=b 的。
随堂检查 04 · 列空间可达性
先自己推算,再检查。
查看完整解析与错因
任意列组合是(s,t,s−t)ᵀ;取s=3、t=1时得到(3,1,2)ᵀ,故只有该目标可达。
PRACTICE / EXPLAIN EVERY STEP
独立写出过程,
再展开答案。
先检查运算,再解释为什么这样做。以下题目为本站重新设计,难度参照本讲实际授课内容和可获得的配套练习。
令 P 把 (x,y,z)ᵀ 变成 (z,x,y)ᵀ,写出 P 的每一行,并验证 P³=I,而 P≠I。
展开完整解析
P=[[0,0,1],[1,0,0],[0,1,0]]。执行一次为(z,x,y),第二次为(y,z,x),第三次为(x,y,z)。对任意输入都恢复,因此P³=I,但P第一行不是(1,0,0),所以P≠I。
计算 R=[[1,3],[2,4]] 的 RᵀR,并证明你算出的矩阵对称。
展开完整解析
Rᵀ=[[1,2],[3,4]],所以RᵀR=[[1²+2²,1×3+2×4],[3×1+4×2,3²+4²]]=[[5,11],[11,25]];非对角的两个11相同,因此该矩阵对称。一般证明还可用(RᵀR)ᵀ=RᵀR。
不罗列矩阵中的所有数字,分别求 5×5 实对称矩阵和实反对称矩阵的独立参数数量,并解释为什么。
展开完整解析
对称:5个对角线参数和5×4/2=10个严格上三角参数,总15个。反对称:对角线被a=−a约束为0,只有上方10个参数独立,因此是10个。
证明集合 W={(x,y,z)ᵀ:z=x−y} 是 R³ 的子空间,并求 W 内一个非零向量。
展开完整解析
零向量满足0=0−0。若u=(x₁,y₁,x₁−y₁),v=(x₂,y₂,x₂−y₂),任取α、β,组合的第三分量为α(x₁−y₁)+β(x₂−y₂)=(αx₁+βx₂)−(αy₁+βy₂),所以仍在W。取(1,0,1)ᵀ作为非零向量。
在所有 2×2 实矩阵中,证明对称矩阵形成线性子空间,并给出“所有非对称矩阵”不构成子空间的一个简单理由。
展开完整解析
令Aᵀ=A、Bᵀ=B,则(αA+βB)ᵀ=αAᵀ+βBᵀ=αA+βB。又零矩阵对称,所以构成子空间。非对称矩阵集合不含零矩阵(零矩阵对称),立刻违反必须包含0的条件,不能成为子空间。
A 的两列为 u=(2,1,0)ᵀ、v=(0,1,2)ᵀ。推导所有可达到的 b=(a,b,c)ᵀ 满足的等式,并找出一个不可达目标。
展开完整解析
若b=su+tv=(2s,s+t,2t)ᵀ,则a=2s,c=2t,中央分量b=s+t=(a+c)/2,即2b=a+c。反过来若满足此式,取s=a/2、t=c/2就能组合达到目标。比如(0,1,0)ᵀ不满足2×1=0+0,故不可达。
行交换由置换矩阵记录;转置把行与列互换;子空间则是对所有线性组合都封闭的向量集合。
本讲 4 道随堂题,可逐项答题并查看反馈。
这里只用实数域 R 的欧几里得向量空间和固定形状矩阵空间。一般域上的向量空间公理、零空间的精确求法以及四大基本子空间将在后续讲解。
返回线性代数目录 ↗MIT 18.06SC · Transposes, Permutations, Vector Spaces。可复核资料:official session ↗official summary ↗official problems ↗official solutions ↗。
实际核对 MIT 原始 Session 页面、官方讲义摘要全部两页教学内容及 PDF 页面图片、练习 5.1–5.3 和对应答案;未完整观看授课与习题视频,也未通读教材。 本站不是 MIT 官方中文译课;文字、数值案例、模型和题目独立设计。