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
18538162800航11 小时前
短视频矩阵系统搭建指南:源码部署与全流程解析
线性代数·矩阵·音视频
无风听海1 天前
神经网络之奇异值分解
神经网络·线性代数·机器学习
西西弗Sisyphus1 天前
线性代数 - 奇异值分解(SVD Singular Value Decomposition)- 奇异值在哪里
线性代数·矩阵·奇异值分解·线程方程组
小蜜蜂爱编程1 天前
行列式的展开
线性代数
郝学胜-神的一滴2 天前
计算机图形中的法线矩阵:深入理解与应用
开发语言·程序人生·线性代数·算法·机器学习·矩阵·个人开发
西西弗Sisyphus2 天前
线性代数 - 奇异值分解(SVD Singular Value Decomposition)- 计算顺序 旋转→拉伸→旋转
线性代数·矩阵·奇异值分解·矩阵求逆
唯道行2 天前
计算机图形学·9 几何学
人工智能·线性代数·计算机视觉·矩阵·几何学·计算机图形学
粉色挖掘机2 天前
矩阵在密码学的应用——希尔密码详解
线性代数·算法·机器学习·密码学
西西弗Sisyphus2 天前
线性代数 - 正交矩阵
线性代数·矩阵·线性方程组·正交矩阵·lu分解
qiao若huan喜2 天前
7、webgl 基本概念 + 前置数学知识点(向量 + 矩阵)
线性代数·矩阵·webgl