基础解系的理解

以齐次方程组为例。

基础解系:顾名思义就是通过这个解系可以表示出所有与系数矩阵空间垂直的向量集。

这里可以通过三维向量理解:如果三维空间理解。(也就是三个未知数,三个方程,齐次)

这个方程组的系数矩阵*这个未知数构成的向量组=0

直观可以看出未知数构成的向量组是与方程组的系数矩阵垂直的。

也就是求得的基础解系与系数矩阵是垂直的。

现在理解:

  1. 如果系数矩阵的秩为1,说明系数矩阵在三维空间中仅仅是一个线。那么与他垂直的向量组也就是基础解系构成的这个向量组是一个面,这个面涵盖了所有与系数矩阵表示的线垂直的线。这也可以解释基础解系秩=n-r(A)
  2. 如果系数矩阵的秩为2,说明系数矩阵在三维空间中是一个面。那么与他垂直的向量组就是一个线(因为只有线才可以与面中的所有线垂直),基础解系秩符合n-r(A)
  3. 如果系数矩阵的秩为3,说明系数矩阵在三维空间中是一个三维空间。同一个空间系如果乘积为0,那么基础解系向量组只能是0向量(方程组为齐次),因为找不到任何一个向量*一个空间=另一个向量空间(同维)。

高维向量组可以借助三维空间理解。这就是基础解系= n-r(A)的原因。

至于求基础解系的时候为什么用0,1直接替换,因为0,1构造的极大线性无关组也就是组成基础解系空间的单位空间,其余向量可以通过他们直接表示(就是相关)。

比如面通过两个k倍的单位不共线向量表示

 

  • 32
    点赞
  • 77
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
BAT机器学习面试1000题系列 1 前言 1 BAT机器学习面试1000题系列 2 1 归一化为什么能提高梯度下降法求解最优解的速度? 22 2 归一化有可能提高精度 22 3 归一化的类型 23 1)线性归一化 23 2)标准差标准化 23 3)非线性归一化 23 35. 什么是熵。机器学习 ML基础 易 27 熵的引入 27 3.1 无偏原则 29 56. 什么是卷积。深度学习 DL基础 易 38 池化,简言之,即取区域平均或最大,如下图所示(图引自cs231n) 40 随机梯度下降 46 批量梯度下降 47 随机梯度下降 48 具体步骤: 50 引言 72 1. 深度有监督学习在计算机视觉领域的进展 73 1.1 图像分类(Image Classification) 73 1.2 图像检测(Image Dection) 73 1.3 图像分割(Semantic Segmentation) 74 1.4 图像标注–看图说话(Image Captioning) 75 1.5 图像生成–文字转图像(Image Generator) 76 2.强化学习(Reinforcement Learning) 77 3深度无监督学习(Deep Unsupervised Learning)–预测学习 78 3.1条件生成对抗网络(Conditional Generative Adversarial Nets,CGAN) 79 3.2 视频预测 82 4 总结 84 5 参考文献 84 一、从单层网络谈起 96 二、经典的RNN结构(N vs N) 97 三、N VS 1 100 四、1 VS N 100 五、N vs M 102 Recurrent Neural Networks 105 长期依赖(Long-Term Dependencies)问题 106 LSTM 网络 106 LSTM 的核心思想 107 逐步理解 LSTM 108 LSTM 的变体 109 结论 110 196. L1与L2范数。机器学习 ML基础 易 163 218. 梯度下降法的神经网络容易收敛到局部最优,为什么应用广泛?深度学习 DL基础 中 178 @李振华,https://www.zhihu.com/question/68109802/answer/262143638 179 219. 请比较下EM算法、HMM、CRF。机器学习 ML模型 中 179 223. Boosting和Bagging 181 224. 逻辑回归相关问题 182 225. 用贝叶斯机率说明Dropout的原理 183 227. 什么是共线性, 跟过拟合有什么关联? 184 共线性:多变量线性回归中,变量之间由于存在高度相关关系而使回归估计不准确。 184 共线性会造成冗余,导致过拟合。 184 解决方法:排除变量的相关性/加入权重正则。 184 勘误记 216 后记 219

“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 7
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
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