线性方程的row picture和column picture
对于一个二维具有2个未知数或者三维的具有3个未知数的的线性方程
求解未知数。
用二维的例子来说明,很简单,小学都学过的课程,2个方程代表两条直线,相交的点就是解(row pic)。
那么将方程式用线性组合的方式表示呢?
最终的解就是满足得到向量b的乘数因子。(col pic)
以上推广到三维的话,对于row pic而言,可能是平面与直线的交点为解,对于col pic而言,解则是满足目标向量的三个向量的乘数因子。更高维的以此类推。
消元
这是小学就学过的东西。消元的目的是将原来的矩阵变为上三角矩阵,右边同样变化,最终通过回代逐个解出未知数。
Before After
对角上的非0元素称为主元。
如果主元位置上的元素为0怎么办?通过行置换,并不会改变矩阵的性质。如果始终存在为0的元素,则可能出现无解或者是很多解的情况。
Guass-Jordan消元求逆
假设矩阵可逆,Guass-Jordan消元求逆基于如下公式
经过变换,将原矩阵变为单位矩阵,而原单位矩阵同步变换,最终变为的逆矩阵
A = LU
关于消元,如果我们用矩阵记录下来每一次的消元、交换步骤,再用他们的逆矩阵相乘,则会得到一个很有意思的结果。
例如
步骤
首先是
减去消去第一个元素,对应的消元矩阵为
减去消去第二个元素,对应的消元矩阵为
那么我们实际可以得到
将相乘的结果就是了,记住顺序要相反哦
这节基本上都是关于矩阵运算的相关内容,没有太多概念性的东西。