机器学习中的数学——单位矩阵和逆矩阵

分类目录:《算法设计与分析》总目录


线性代数提供了被称为矩阵逆的强大工具。对于大多数矩阵A,我们都能通过矩阵逆解析地求解方程组:
A x = b Ax=b Ax=b

为了描述矩阵逆,我们首先需要定义单位矩阵的概念。任意向量和单位矩阵相乘,都不会改变。我们将保持 n n n维向量不变的单位矩阵记作 I n I_n In形式上, I N ∈ R n × n I_N\in R^{n\times n} INRn×n
∀ x ∈ R : I n x = x \forall x\in R:I_nx=x xR:Inx=x

单位矩阵的结构很简单:所有沿主对角线的元素都是1,而所有其他位置的元素都是0:
[ 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 ] \begin{bmatrix} 1&0&0&0\\0&1&0&0\\0&0&1&0\\0&0&0&1\end{bmatrix} 1000010000100001

矩阵 A A A矩阵逆记作 A − 1 A^{-1} A1,其定义的矩阵满足如下条件:
A A − 1 = I n AA^{-1}=I_n AA1=In

所以对于方程组 A x = b Ax=b Ax=b我们可以得到 x x x的解析解:
A x = b ⇒ A − 1 A x = A − 1 b ⇒ I n x = A − 1 b ⇒ x = A − 1 b \begin{aligned} &Ax=b\\ \Rightarrow\quad&A^{-1}Ax=A^{-1}b\\ \Rightarrow\quad&I_nx=A^{-1}b\\ \Rightarrow\quad&x=A^{-1}b\\ \end{aligned} Ax=bA1Ax=A1bInx=A1bx=A1b

当然,这取决于我们能否找到一个逆矩阵 A − 1 A^{-1} A1。在后续的文章中,我们会讨论逆矩阵 A − 1 A^{-1} A1存在的条件。当逆矩阵 A − 1 A^{-1} A1存在时,有几种不同的算法都能找到它的闭解形式。理论上,相同的逆矩阵可用于多次求解不同向量 b b b的方程。然而,逆矩阵 A − 1 A^{-1} A1主要是作为理论工具使用的,并不会在大多数软件应用程序中实际使用。这是因为逆矩阵 A − 1 A^{-1} A1在数字计算机上只能表现出有限的精度,有效使用向量 b b b的算法通常可以得到更精确的 x x x

  • 4
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

von Neumann

您的赞赏是我创作最大的动力~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值