MIT线性代数 矩阵与高斯消元
来源:互联网 发布:公司网络维护外包 编辑:程序博客网 时间:2024/06/06 09:13
本系列笔记为方便日后自己查阅而写,更多的是个人见解,也算一种学习的复习与总结,望善始善终吧~
1. Gauss Elimination 高斯消元
还是从线性方程组谈起,对于以下方程组:
对其求解,我们使用高斯消元法:
想办法消掉第二个与第三个方程中的
x ,还有第三个方程的y ,使得第三个方程只留下一个未知数z ,代入第二个只有y 和z 的方程得到y ,再重复以上过程代入第一个方程得出x (从小到大数学老师教的方法,是的,这叫高斯消元法),这里需要认识到的是——从矩阵角度来看,我们在求解Ax=b 。
那么这个过程放在矩阵下看就是这样
这里我们的目的就是使得矩阵A成为U这样上三角upper triangular的形式。
每一步画框的数即为pivot(翻译成”主元”还是”模板”?算了,随意吧),我们每次都是根据选定的pivot来做运算使得pivot所在列下方的元素变为
当pivot的值为
0 时,我们可以交换两行使得pivot不为零。
那么将矩阵化简为上三角形式的这个过程有什么用处呢?试着把
写回方程形式,很容易得出解:
2. 以矩阵运算来描述高斯消元
将刚才高斯消元的步骤用矩阵运算的形式写出来(对矩阵乘法有疑惑可以先看<3.新视角看矩阵乘法>):
同理:
用这个方法可以将刚才高斯消元的每一步用矩阵运算的形式描述出来,这样做的好处在于我们可以将这个过程写成矩阵连乘的形式:
对于矩阵乘法,结合律有效:
引申:我要如何才能由
U 变回A 呢?由此引入矩阵的逆,即我们知道EA=U ,那么有矩阵S 使得SU=A ,矩阵S 即为矩阵E 的逆。
3. 新视角看矩阵乘法
对于矩阵乘法,学校里都教过了,但这里老师的方法略有不同:
从列向量column vector角度
首先我们将矩阵中的三列column看成是三个列向量column vector,矩阵乘法就可以被当做三个列向量分别乘以三个系数的和。
从行向量row vector角度
首先我们将矩阵中的三行row看成是三个行向量row vector,矩阵乘法就可以被当做三个行向量分别乘以三个系数的和。
从行向量和列向量角度观察,我们可以更为直观的理解为什么行运算和列运算可以被写为矩阵乘法的形式
矩阵乘法表示实现行/列互换
当pivot为0时,我们需要对行进行交换,这一个过程也可以用矩阵乘法描述:
Tip:
矩阵乘法适用于结合律不适用交换律
- MIT线性代数 矩阵与高斯消元
- MIT线性代数 矩阵乘法与矩阵的逆
- 【线性代数公开课MIT Linear Algebra】 第二课 矩阵与高斯消元
- MIT线性代数--矩阵的LU分解
- 【线性代数公开课MIT Linear Algebra】 第一课 矩阵的行图像与列图像
- 【线性代数公开课MIT Linear Algebra】 第五课 排列矩阵、转置、向量空间与列空间
- 【线性代数公开课MIT Linear Algebra】 第九课 向量与矩阵的桥梁
- 【线性代数公开课MIT Linear Algebra】 第十五课 Ax=b与投影矩阵
- 【线性代数公开课MIT Linear Algebra】 第十六课 Ax=b的解、最小二乘法与矩阵
- 【线性代数公开课MIT Linear Algebra】 第二十二课 特征分解与矩阵的幂
- 矩阵论与线性代数
- 线性代数与矩阵
- MIT 线性代数
- MIT线性代数--矩阵乘法含义浅谈(1-3讲)
- 【线性代数公开课MIT Linear Algebra】 第二十四课 特征值与特征向量的应用——马尔科夫矩阵、傅里叶级数
- 线性代数与矩阵论简史
- [线性代数] SVD 与 协方差矩阵
- Matlab与线性代数 -- 单位矩阵
- linux下搭建nexus提示then set the environment variable RUN_AS_USER=root
- 对象的创建
- QueryRunner类的主要方法
- 希尔排序
- 通过VPNC访问CISCO的VPN服务过程记录
- MIT线性代数 矩阵与高斯消元
- ubuntu 14.04上安装opencv 2.4.13
- 制作java小程序读取数据库并替换生成新的文本
- 使用TextInputLayout时,error信息为空白
- Struts旅程(六)Struts页面转发控制ActionForward和ActionMapping
- Sirqul 的一些研究使用总结以及介绍。
- QT--base20161125 layout嵌套使用
- Android基础面试题
- 安卓定时