置换矩阵就是重新排列后的单位矩阵
对一个矩阵进行行交换，需要通过置换矩阵（permutation matrix）来完成。
在对一个Ax=b的方程组进行高斯消元的过程中，我们常常会遇到一种情况，也就是消元消不下去的情况。下面，我列出了两个不同的3x3矩阵的消元过程：
上图中的第一行，是一个比较常见的消元流程。对于3x3方阵而言，先令主对角线上的第一个元素A11（在图中左上角用方框框出）为主元（pivot），且当前列被称为主元列。用A11所在的行去乘以一个合适的系数减去下面各行（第二，第三行），使得A11这一列下面的元素都为0。之后，再令A22为主元，A22所在的列为主元列，用A22所在的行乘以一个相应的系数减去下面各行（第三行），使得A22所在列下面的元素都为0。一直进行到，对角线上的最后一个元素。
但有时候，我们在消元过程中可能会遇到主对角线上为0的情况，正如上图中的第二个消元过程。当消元进行到主对角线上的A22（图中第二行第二步中用方框框出来的元素）时，消元无法进行下去了。因为，0无论乘以任何系数都无法消除0下面的元素。这时，我们就要把A22下面的非零元素所在的行，和A22所在的行，进行行交换。使得主对角线上的A22不为0，并完成后续的消元过程。
上面提到的行交换的矩阵表达形式就是置换矩阵P。也就是用置换矩阵P左乘以该矩阵。例如，我们下面这个例子：
消元一开始就遇到了问题，主对角线上的第一个元素A11=0，消元进行不下去了。这时我们只需把上面的两行对调一下就可以得到下面的方程组。
而如果我们把这一过程用矩阵的形式来表现的话就是：
重点：现在我再重申一遍这篇文章开头的标题，置换矩阵就是重新排列后的单位矩阵。实际上，最简单的置换矩阵P就是单位矩阵I本身，他的作用就是对矩阵不做任何处理，即：
P = I（no exchanges）
为了更加直观的描述一个置换矩阵的功能，我们可以用矩阵来表示置换矩阵。用去左乘另一个矩阵，会交换这个矩阵I的i行和j行。如果我们仔细比较置换矩阵中的i，j行和相同尺寸的单位矩阵中的i，j行，我们会发现，他就是交换了单位矩阵中ij行后的矩阵。
置换矩阵的性质
1，对任何一个置换矩阵P而言，每一行，梅一列都只有一个“1”。
2，同时，置换矩阵的转置也是一个置换矩阵，可能是同一个矩阵P，可能是另一个矩阵。
3，任意两个置换矩阵的乘积也是一个置换矩阵。
置换矩阵也可以是一次交换多行的矩阵P，这需要通过两个置换矩阵相乘得到：
例子：
4，对于任何n阶矩阵，共有n的阶乘种置换矩阵。其中，n！=1x2x3...xn。因此，若n=4就对应有24种置换矩阵，若n=5，就会有120种置换矩阵！
5，置换矩阵的逆矩阵就是他自己。已知，置换矩阵的作用就是交换另一个矩阵的i行和j行，要想恢复这个操作，那就是把另一个矩阵的i行和j行再交换一次，所以：
注意，第五条所说的性质，只争对进行一次行交换的置换矩阵，但，如果是一次执行多次行交换的置换矩阵，例如P=P21P32，他的矩阵和他的逆不同，如下：
但他的逆确实实现了对p操作的还原，如下：
6，置换矩阵被广泛的用于对非奇异矩阵（nonsingular matrix）进行高斯消元时，遇到主元为零时需要进行行交换的情况。即：PA=LU（或者PA=LDU）。对于奇异矩阵（singular matrix）,行交换也无法彻底杜绝主元为0的情形。
By the way: LU分解是一个伟大的矩阵分解！
以下是一些早期的个人笔记：
置换矩阵：
置换矩阵的乘法：
置换矩阵的性质：
注：上文中提到的，置换矩阵P可用于列交换，需要进一步考证，待定！
（全文完）
作者 --- 松下J27
格言摘抄：人就是三个口！（无名氏）
参考文献（鸣谢）：
文中截图均来自于：《Introduction to Linear Algebra》,5th Edition - Gilbert Strang
（配图与本文无关）文章来源：https://www.toymoban.com/news/detail-455114.html
版权声明：所有的笔记，可能来自很多不同的网站和说明，在此没法一一列出，如有侵权，请告知，立即删除。欢迎大家转载，但是，如果有人引用或者COPY我的文章，必须在你的文章中注明你所使用的图片或者文字来自于我的文章，否则，侵权必究。 ----松下J27文章来源地址https://www.toymoban.com/news/detail-455114.html
到了这里，关于线性代数 --- 置换矩阵 (Permutation matrix）的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
