机器学习数学基础 :线代(2)

2.3 线性方程组求解

主要是求线性方程组的解和提供个算法来寻找矩阵的逆。

2.3.1 特殊和一般的解决方案

考虑这个例子
在这里插入图片描述
两个方程,4给未知数,所以他有无限个解。这个方程组是很简单的,因为前两列都是一个1 一个0。我们要求四个解在这里插入图片描述可以这样,其中ci 就是每一列[1,0]T 这样的,b就是方程右边的[42,8] 。很简单的就可以看出在这里插入图片描述后面那俩系数为0嘛。。因此这个 [42 ,8 ,0 ,0]T 就是一个特殊解或特别解。我们使用这个来推断一般解。

为了捕获所有其他解决方案,我们需要创造性地使用矩阵的列以非平凡的方式生成0向量:在我们的特殊解决方案中添加0不会改变特殊解决方案。 为此,我们使用前两列(这是非常简单的形式)表示第三列。

在这里插入图片描述在这里插入图片描述
后面那个也是一个思路。。就是凑出个0向量。
在这里插入图片描述
这就是一般解了。。。(仿佛学过。。。完了线代白学了。。。),,步骤就是:

  • 找特殊解 Ax=b
  • 找 Ax=0 所有解
  • 联合就完了。特殊解和一般解都不唯一

当然上面的例子太特殊了,,对于一般的我们有特别的方法可以转换成这种简单的形式:高斯消除。这个的关键就是对线性方程组的基本转换,然后就可以用上面那三个步骤了。

2.3.2 基本转换

这是解线性方程组的关键,保持解集不变,通过转换将方程化为一个简单的形式。

  • 交换两个方程(矩阵的行就代表了方程组的方程)
  • 将一个方程(行)乘以一个常数
  • 两个方程相加,,,,,其实就是化成阶梯型,,,想念我的线代笔记本,,啥时候开学啊。。。
    在这里插入图片描述

【A/b】 是增强矩阵,反正这个过程就是:最好把开头是1 的放到第一列(交换),然后一层一层减去倍数,化成阶梯型,

行的前导系数(就是从左来时的第一个非零数字)被称为枢纽(应该是叫这个吧),并且下面的要在上面的右侧。

基本变量/自由变量:枢纽点的对应的变量是基本变量例如上例的 x1, x3, x4 其他的就是自由变量了,x2, x5

在这里插入图片描述

怎么说呢,,感觉这个方法也不简单。。按我理解:

得到(2.45)方程后,随便带个数就可以得到一个特殊解。我们得到了阶梯型,选取每一行的开头那一列,这个例子就是1,3,4列。然后凑出第二列,第五列在构建个零向量。。[-2,0,0] = -2c1 + 0c3 + 0c4 = c2。所以零向量就是 入1{2,1,0,0,0] 。同理 [1,3,-2] = -2c4 + c3 - 2c1 = c5 ,入2[2,0,-1,2,1] = 0.。。。(总感觉学过但就是想不起来。。。线代老师我对不起你啊。。。)

特殊解:就是用枢纽所在的列表示结果,可以容易的得到对应 入i 的值,2, -1 ,1.再加上其他的就是[2,0,-1,1,0] 了。
在这里插入图片描述

简化阶梯式形式:也叫行精简阶梯形式/行规范形式,是阶梯型,每个枢纽都是1,枢纽其列中唯一的非零元素。这种格式可以帮助我们直截了当的发现方程组的一般解。

高斯消除:使用中算法,让线性方程组使用基本转换成简化阶梯式。

一个简化阶梯形式的例子:
在这里插入图片描述

求解Ax=0 的关键就是枢纽列。反正思想时一样的,特别解可以是[0,0,0.0.0],其他的一般解通过将非枢纽列用枢纽列表示出来就行,也不难。。
在这里插入图片描述

2.3.3 减-1的技巧

介绍一种实用的技巧来对同类型的行列式方程求解(Ax=0) 。考虑k行 n列的矩阵A:
在这里插入图片描述
其中*是任意实数,符合简化阶梯型的格式,我们使用 n-k 行增加到矩阵中扩展成一个 nXn 的方阵,在这里插入图片描述
使增广矩阵的对角线只有 1 or -1。额,,就上面那个矩阵有些列使没有枢纽1的,也就是说对角线的位置除了1 就是0,然后我们将上面那行(不是中间为-1 的意思啊,比如第一行应该加上个[1,0000000…])加上在排排序,让对角线都是1 or -1。。。。就这个意思吧。。。

然后包含-1 的列作为枢纽就是x 的解。更准确的说,这些列构成了 Ax=0 解空间的基础。我们称之为内核/空 空间。。。以后再说

在这里插入图片描述

啊。。。这也行,,,扩展后,对角线上有-1 的就是一般解,这我真没学过。。

计算逆矩阵

计算A的逆矩阵就要找一个矩阵X 满足 AX=In。在这里插入图片描述
就是联立,然后左边化成 In 右边就是逆了。
在这里插入图片描述
这就叫高斯消除啊,,我还以为是啥呢。。。

  • 两方程互换,解不变;
  • 一方程乘以非零数k,解不变;
  • 一方程乘以数k加上另一方程,解不变
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 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
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