干货|MIT线性代数课程精细笔记[第二课]

2017 年 8 月 25 日 机器学习研究会
0
 前言

MIT线性代数课程精细笔记[第一课]笔记见MIT线性代数课程精细笔记[第一课]


该笔记是连载笔记,希望对大家有帮助。




1
知识概要



这一节中我们介绍一下消元法,即是上一节中我们提到的“系统化”求解方程所用的方法,通过矩阵消元运算可以很轻松地求解复杂方程。


另外还介绍了消元矩阵即我们的消元运算在矩阵乘法中所表现的形式。并从消元矩阵引入,介绍逆矩阵的基础知识




2
 消元法求解方程 




2.1 消元法介绍



对于一些“好”的系数矩阵(可逆矩阵)A 来说,我们可以使用消元法来求解方程 Ax = b,我们还是从一个例子谈起。



所谓矩阵的消元法,与我们初等数学中学习的解二元一次方程组的消元法其实师出同门,都是通过将不同行的方程进行消元运算来简化方程,最后能得到简化的方程组,只不过这里我们把系数单独抽出来进行运算,寻找一种矩阵情况下的普遍规律而已。






注:


并不是所有的 A 矩阵都可消元处理,需要注意在我们消元过程中,如果主元位置(左上角)为 0,那么意味着这个主元不可取,需要进行 “换行”处理:


首先看它的下一行对应位置是不是 0,如果不是,就将这两行位置互换,将非零数视为主元。如果是,就再看下下行,以此类推。若其下面每一行都看到了,仍然没有非零数的话,那就意味着这个矩阵不可逆,消元法求出的解不唯一。




下面是三个例子:




2.2 回带求解



其实回带求解应该和消元法同时进行,只不过本课中以及一些软件工作原理中它们是先后进行的,所以我们这里分开讨论,先介绍增广矩阵:



一下子就看出来了,就是把系数矩阵 A 和向量 b 拼接成一个矩阵就行了。




3
 消元矩阵 




转自:机器学习算法与自然语言处理

登录查看更多
0

相关内容

线性代数(Linear Algebra)是数学的一个分支,它的研究对象是向量,向量空间(或称线性空间),线性变换和有限维的线性方程组。向量空间是现代数学的一个重要课题;因而,线性代数被广泛地应用于抽象代数和泛函分析中;通过解析几何,线性代数得以被具体表示。线性代数的理论已被泛化为算子理论。由于科学研究中的非线性模型通常可以被近似为线性模型,使得线性代数被广泛地应用于自然科学和社会科学中。 - 题图来自「维基百科」。
【斯坦福】凸优化圣经- Convex Optimization (附730pdf下载)
专知会员服务
211+阅读 · 2020年6月5日
一份简短《图神经网络GNN》笔记,入门小册
专知会员服务
224+阅读 · 2020年4月11日
干货书《数据科学数学系基础》2020最新版,266页pdf
专知会员服务
314+阅读 · 2020年3月23日
特征方程的物理意义
算法与数学之美
6+阅读 · 2019年5月13日
博客 | MIT—线性代数(下)
AI研习社
6+阅读 · 2018年12月20日
博客 | MIT—线性代数(上)
AI研习社
8+阅读 · 2018年12月18日
BAT机器学习面试题1000题(331~335题)
七月在线实验室
12+阅读 · 2018年8月13日
深度学习面试100题(第56-60题)
七月在线实验室
9+阅读 · 2018年7月23日
入门 | 这是一份文科生都能看懂的线性代数简介
机器之心
13+阅读 · 2018年3月31日
【干货】​深度学习中的线性代数
专知
21+阅读 · 2018年3月30日
BAT机器学习面试1000题系列(第51~55题)
七月在线实验室
10+阅读 · 2017年10月8日
BAT机器学习面试1000题系列(第46~50题)
七月在线实验室
7+阅读 · 2017年10月7日
干货|全景视频拼接的关键技术分析
全球人工智能
13+阅读 · 2017年7月15日
Arxiv
27+阅读 · 2018年4月12日
Arxiv
10+阅读 · 2018年3月23日
VIP会员
相关资讯
特征方程的物理意义
算法与数学之美
6+阅读 · 2019年5月13日
博客 | MIT—线性代数(下)
AI研习社
6+阅读 · 2018年12月20日
博客 | MIT—线性代数(上)
AI研习社
8+阅读 · 2018年12月18日
BAT机器学习面试题1000题(331~335题)
七月在线实验室
12+阅读 · 2018年8月13日
深度学习面试100题(第56-60题)
七月在线实验室
9+阅读 · 2018年7月23日
入门 | 这是一份文科生都能看懂的线性代数简介
机器之心
13+阅读 · 2018年3月31日
【干货】​深度学习中的线性代数
专知
21+阅读 · 2018年3月30日
BAT机器学习面试1000题系列(第51~55题)
七月在线实验室
10+阅读 · 2017年10月8日
BAT机器学习面试1000题系列(第46~50题)
七月在线实验室
7+阅读 · 2017年10月7日
干货|全景视频拼接的关键技术分析
全球人工智能
13+阅读 · 2017年7月15日
Top
微信扫码咨询专知VIP会员