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
AI科技星2 小时前
紫金山天文台与6G 超导太赫兹实验对比【乖乖数学】
人工智能·线性代数·机器学习·量子计算·agi
05候补工程师7 小时前
【矩阵代数】伴随矩阵、逆矩阵与秩的逻辑关系全梳理
笔记·线性代数·考研·矩阵
三维重建-光栅投影1 天前
线性代数之超定方程使用最小二乘求解
人工智能·线性代数
三维重建-光栅投影1 天前
最小二乘中的矩阵求导基础总结
线性代数·机器学习·矩阵
star learning white1 天前
线性代数5
线性代数
05候补工程师2 天前
【线性代数笔记】初等变换、正交化与特殊矩阵性质核心总结
经验分享·笔记·线性代数·考研·矩阵
AI科技星2 天前
一种基于全域数学公理体系的低成本韦伯级深空望远镜
人工智能·线性代数·机器学习·量子计算·agi
05候补工程师3 天前
【线性代数】考研复习万字长文:从“工厂模型”到矩阵变换,重构线代底层逻辑
线性代数·考研·矩阵·重构
AI科技星3 天前
第 24 分册:濒死体验与灵魂出窍·数理修行篇(2026 年 5 月 11 日增补版)
人工智能·线性代数·机器学习·量子计算·agi
Controller-Inversion3 天前
240. 搜索二维矩阵 II
线性代数·算法·矩阵