MIT线性代数02_矩阵消元

1. Elimination

pivot 主元

121381041\]−\>\[12102−2041\]−\>\[12102−2005\] \\begin{bmatrix} 1 \& 2 \& 1\\\\ 3 \& 8 \& 1\\\\ 0 \& 4 \& 1\\\\ \\end{bmatrix} -\> \\begin{bmatrix} 1 \& 2 \& 1 \\\\ 0 \& 2 \& -2 \\\\ 0 \& 4 \& 1 \\\\ \\end{bmatrix} -\> \\begin{bmatrix} 1 \& 2 \& 1 \\\\ 0 \& 2 \& -2\\\\ 0 \& 0 \& 5\\\\ \\end{bmatrix} 130284111 −\> 1002241−21 −\> 1002201−25 ## 2. Back-substitution augumented matrix 增广矩阵 \[1212381120412\]−\>\[121202−260412\]−\>\[121202−26005−10\] \\begin{bmatrix} 1 \& 2 \& 1 \& 2 \\\\ 3 \& 8 \& 1 \& 12 \\\\ 0 \& 4 \& 1 \& 2 \\\\ \\end{bmatrix} -\> \\begin{bmatrix} 1 \& 2 \& 1 \& 2\\\\ 0 \& 2 \& -2 \& 6\\\\ 0 \& 4 \& 1 \& 2\\\\ \\end{bmatrix} -\> \\begin{bmatrix} 1 \& 2 \& 1 \& 2 \\\\ 0 \& 2 \& -2\& 6 \\\\ 0 \& 0 \& 5 \& -10\\\\ \\end{bmatrix} 1302841112122 −\> 1002241−21262 −\> 1002201−2526−10 ## 3. Elimination matrices * identity matrix 单位矩阵 * elementary matrix 初等矩阵 * associative law 结合律 * par·en·thesis n. /pəˈrenθəsɪs/= bracket * permutation matrix 置换矩阵 * Inverse ### Step 1: Matries: subtract 3 x row1 from row2 $$ \\begin{bmatrix} 1 \& 0 \& 0 \\ -3 \& 1 \& 0 \\ 0 \& 0 \& 1 \\ \\end{bmatrix} ## \\begin{bmatrix} 1 \& 2 \& 1 \& 2 \\ 3 \& 8 \& 1 \& 12 \\ 0 \& 4 \& 1 \& 2 \\ \\end{bmatrix} \\begin{bmatrix} 1 \& 2 \& 1 \& 2 \\ 0 \& 2 \& -2 \& 6 \\ 0 \& 4 \& 1 \& 2 \\ \\end{bmatrix} $$ ### Step 2: Subtract 2 x row2 from row3 ## $$ \\begin{bmatrix} 1 \& 0 \& 0 \\ 0 \& 1 \& 0 \\ 0 \& -2\& 1 \\ \\end{bmatrix} \\begin{bmatrix} 1 \& 2 \& 1 \& 2 \\ 0 \& 2 \& -2 \& 6 \\ 0 \& 4 \& 1 \& 2 \\ \\end{bmatrix} \\begin{bmatrix} 1 \& 2 \& 1 \& 2 \\ 0 \& 2 \& -2 \& 6 \\ 0 \& 0 \& 5 \& -10 \\ \\end{bmatrix} $$ E32(E21A)=U(E32E21)A=U E_{32} (E_{21} A) = U \\\\ (E_{32} E_{21}) A = U E32(E21A)=U(E32E21)A=U ## 4. Matrix Multiplication 矩阵乘以一个列向量,相当于矩阵的列的线性组合。 一个行向量乘以一个矩阵,相当于矩阵的行的线性组合。 ### Permutation Exchange row1 and row2 $$ \\begin{bmatrix} 0 \& 1 \\ 1 \& 0 \\ \\end{bmatrix} ## \\begin{bmatrix} a \& b \\ c \& d \\ \\end{bmatrix} \\begin{bmatrix} c \& d \\ a \& b \\ \\end{bmatrix} $$ $$ \\begin{bmatrix} a \& b \\ c \& d \\ \\end{bmatrix} ## \\begin{bmatrix} 0 \& 1 \\ 1 \& 0 \\ \\end{bmatrix} \\begin{bmatrix} b \& a \\ d \& c \\ \\end{bmatrix} $$ ### Inverses ## $$ \\begin{bmatrix} 1 \& 0 \& 0 \\ 3 \& 1 \& 0 \\ 0 \& 0 \& 1 \\ \\end{bmatrix} \\begin{bmatrix} 1 \& 0 \& 0 \\ -3 \& 1 \& 0 \\ 0 \& 0 \& 1 \\ \\end{bmatrix} \\begin{bmatrix} 1 \& 0 \& 0 \\ 0 \& 1 \& 0 \\ 0 \& 0 \& 1 \\ \\end{bmatrix} $$

相关推荐
net3m334 小时前
可微分结构搜索, 可微分算子选择 —— 让程序“结构”也可学习 , 具体怎么实现结构的轮询穷举
人工智能·线性代数·矩阵
再卷也是菜19 小时前
第一章、线性代数(2)高斯消元法
线性代数·算法
剑穗挂着新流苏3121 天前
206_深度学习进阶:模型选择、过拟合与欠拟合的生存法则
人工智能·pytorch·深度学习·神经网络·线性代数
Cathy Bryant2 天前
拓扑学:曲面与圆环
笔记·线性代数·矩阵·拓扑学
再卷也是菜2 天前
第一章、线性代数(1)矩阵乘法
线性代数·矩阵
bulingg3 天前
L1与L2正则化的差异
线性代数·矩阵·概率论
历程里程碑3 天前
Protobuf 环境搭建:Windows 与 Linux 系统安装教程
linux·运维·数据结构·windows·线性代数·算法·矩阵
EQUINOX13 天前
马尔可夫链
线性代数·动态规划·随机数学
MediaTea3 天前
NumPy 函数手册:线性代数
线性代数·numpy
AI科技星3 天前
基于v≡c光速螺旋理论的正确性证明:严格遵循科学方法论的完整路径
c语言·开发语言·人工智能·线性代数·算法·机器学习·数学建模