跳至正文

MIT 18.06SC · UNIT I · SESSION 06

转置、置换与向量空间

Transposes, Permutations, Vector Spaces

前几讲的矩阵好像只是一个计算工具。但真正让线性代数强大的,是研究“哪些向量可以一起运算、结果还留在同一个世界里”。在认识向量空间前,我们先补齐两个关键动作:换行与转置。

先修:第1讲列组合、第3讲消元、第5讲 LU 分解4 个教学章节4 道随堂题 · 6 道解析题

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。

P=[ [0,1], [1,0] ],P⁻¹=Pᵀ=PA=[ [0,4], [2,3] ] → PA=[ [2,3], [0,4] ]

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。

三行轮换也能还原。

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

P=[[0,1],[1,0]],A=[[2,5],[3,7]]。PA 的第一行是什么?
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。

对称:[ [a,b], [b,c] ]反对称:[ [0,d], [−d,0] ]

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

一个 3×3 实对称矩阵,能够独立指定多少个元素?
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。

集合 W 若是 Rⁿ 的子空间:u,v∈W,a,b∈R ⇒ au+bv∈W

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

下列哪个集合不能成为 R² 的线性子空间?
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。

C(A)={ (s,t,s−t)ᵀ : s,t∈R }等价条件:z=x−y
LIVE MODEL / DOES THE LINE PASS THROUGH ZERO?只改变截距 c,判断一条直线能否成为子空间

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。

当前直线 y=2x+0

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。

本实验以零向量和 2v 作为快速否证;当 c=0 时还需上文完整的封闭性推导才能证明是子空间。

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

A 的两列为 (1,0,1)ᵀ、(0,1,−1)ᵀ,以下哪个 b 属于 C(A)?
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。

01 / 置换的循环

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。

02 / 转置与对称

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。

03 / 自由参数计数

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。

04 / 证明子空间

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。

05 / 矩阵集合是否封闭

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。

06 / 列空间与目标

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。

THE IDEA TO KEEP

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 ↗
本讲参考的大学材料

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。