《Linear Algebra and its Applications》第1章读书笔记

Chater 1 Matrices and Gaussian Elimination

Ax=b can be seen by two pictures, Row picture: Intersection of planes, Column picture: Combination of columns.

If the n planes have no point in common,  or infinitely many points, then the n columns lie in the same plane.

这句话是说，n个方程，n个未知数，从行的角度说是相当于是n个n-1维平面，当一个平面和一个平面交合时就应该减掉1维，减到最后变成0维（就是一个点了）。然而如果平面交合时出现平行、重合等情况，就会出现方程组无解或是有无穷多解的情形，称为奇异的。而从列的角度来说也是一样，交合的点也可以理解为一个向量，是方程组列向量的线性组合，但是如果原始列向量有的就在同一个平面上的话，就可能组合不出b或是有多种可能组合出b。

高斯消去法的执行过程中，要保证主元（pivot）非0，如果出现0，就还需要换行。

高斯消去法的执行效率是n³/3，虽然有更快的算法，但是都停留在理论上。

高斯消去法引出了矩阵的第一种分解形式：LU分解，即一个下三角阵乘以一个上三角阵，其中L的对角线元素为1，其上元素均为0，而U的对角线上是主元，其下均为0。

如果再进一步分解，可分为A=LDU，其中D是一个纯对角阵了，L和U的对角线上均为1。

通过交换行、标量乘行以及标量成行加到另一行这三种变换形成的矩阵可表示为一个置换矩阵与原矩阵的乘积，就是说若想完成方程组计算（A=LU）必须保证主元顺序，所以先用置换矩阵去乘，使PA=LU。当然如果矩阵奇异的话，上式无法成立。

置换矩阵的一个特征是P^T=P^-1.

计算A^-1用Gauss-Jordan方法，Ax=b的值也可由x=A^-1b求出，但是实际计算方程组时不会去求矩阵的逆，因为计算量大，

对陈阵的一个特征，如果对称阵不通过置换就可以分解为A=LDU，则U=L^T，于是A=LDL^T.

此外，非常重要的一个结论：如果A可以LU分解的话，那么这种分解是唯一的！

MATLAB提供的lu函数用于对矩阵进行LU分解，其调用格式为：
[L,U]=lu(X)：产生一个上三角阵U和一个变换形式的下三角阵L(行交换)，使之满足X=LU。注意，这里的矩阵X必须是方阵。
[L,U,P]=lu(X)：产生一个上三角阵U和一个下三角阵L以及一个置换矩阵P，使之满足PX=LU。当然矩阵X同样必须是方阵。

 

转载于:https://www.cnblogs.com/neuzhangyu/archive/2013/04/30/3051944.html