重温线性代数(1)——线性组合
线性代数是数学中的基础,也是十分重要的数学工具。在接触机器学习之后,我逐渐认识到了线性代数的重要性,矩阵运算,优化求解,都离不开线性代数的知识。同时,我也发现了自己数学基础的严重不足,急需好好重学一遍线性代数,为之后的学习打好基础。因此,“重温线性代数”这个系列就诞生了。或许大家会觉得这个系列的内容稍微基础了点,但学习就是如此,一遍又一遍,脚踏实地,温故知新,每次学习都会有新的收获。
离开了大学的课堂,但还好现在有琳琅满目的网络公开课课程。我选择学习的是网上颇受赞赏的MIT "Introdution to Linear Algebra"课程,由Gilbert Strang主讲。参考书目为Strang编写的《Introduction to Linear Algebra》4th edition。目前为止,我觉得这门课给我提供了不少新的有趣的思路,是我之前学习线性代数的时候没有思考过的,值得一学。
——————————————————————————————————————————————————————————————————
本文涉及的内容是课程视频的前5课,对应的是书中的前两章Introduction to Vectors 和 Solving Linear Equations。由于这两章的内容最为基础,我不会详细地介绍书的内容(我也没看),只是根据课程视频总结一些有趣的points。
这一部分让我印象最深的有两点:
- 如何看待矩阵相乘AX:AX 可以看作矩阵A中列向量的组合(各列向量的组合权重即为x中各项的值);
- 如何看待消元法:消元法可以看作将矩阵A分解为 A = LU。
以下慢慢道来。
1、线性组合
2、置换、转置、逆
转置的定义相信大家十分清楚。所谓对称矩阵即是其转置等于其本身的矩阵。大家想想有什么方法可以快速得到一个对称矩阵呢?以下提供一种有趣的方法:矩阵 一定是一个对称矩阵,其证明也非常简单。
如果有:,我们则说为矩阵A的逆矩阵。矩阵A的逆矩阵不一定存在,以下便是其中一种特殊情况:如果能够找到一个非零向量x使Ax = 0成立,则矩阵A不可逆。利用反证法,我们将等式两边同时左乘即证明该结论。
求解一个可逆矩阵A的逆矩阵的基本方法是Gauss-Jordan方法,即将矩阵 通过消元法得到 ,则矩阵B则为矩阵A的逆矩阵。证明方法如下:
设消元矩阵为E,则有;
因此 ,可得;
所以 。 证毕。
一个小性质:。
3、消元法
消元法是求解线性方程组的基本方法,通过消元得到一个上三角矩阵(对角线一下元素都为零)U,然后通过回代得到各个未知数的解。消元法的具体方法在此不再叙述,但这里我们用矩阵的思想重新解读一下消元法。
需要注意的是,当使用消元法得到主元为零时(主元即对角线上的元素),消元法将会失效。在某些情况下,我们可以通过行交换消除这种主元为零的情况,这样消元法仍然是有效的。我们先考虑不需要进行行交换,消元法仍然有效的情况。
消元法实际上就是在作行变换:
然而实际上,我们有一种更加合理的方式对此进行理解,即将A进行分解得:
其中L为下三角矩阵,U为上三角矩阵。结合以上两个式子,我们可以看到L其实是E的逆:。通俗的理解该等式,矩阵A可以通过消元得到的上三角阵U通过消元的逆操作L得到。
使用L的好处是:消元时的乘数可以直接反映在L当中(multipliers go directly into L),我们举个例子来充分理解上述问题。我们对以下矩阵进行消元:
按照常规方法,我们需要两步:1、用第二行减去3倍的第一行;2、用第三行减去2倍的第二行。得到上三角矩阵:
采用矩阵的思路,我们可得消元矩阵分别为:
而L矩阵则为:
可见L中只反映了消元乘数3和2,比E更具有合理性。
对于需要作行交换的情况,上述分解式即变为:,其中P为置换矩阵。
4、小结
重温线性代数(1)——线性组合相关推荐
- 重温线性代数(3)——正交、投影
线性代数是数学中的基础,也是十分重要的数学工具.在接触机器学习之后,我逐渐认识到了线性代数的重要性,矩阵运算,优化求解,都离不开线性代数的知识.同时,我也发现了自己数学基础的严重不足,急需好好重学一遍 ...
- 【第二章 线性代数之 线性组合、张成的向量空间】3Blue1brown
文章目录 2.线性组合.张成的向量空间 2.1线性组合 2.2基向量 2.3向量空间 2.3线性相关 2.3向量与点 2.线性组合.张成的向量空间 2.1线性组合 在二维空间中有两个特殊的向量,就是图 ...
- 线性代数:线性组合学习笔记
线性组合 线性系统是否有解,就是看向量b能否由矩阵A中的向量线性组合. 两个非平行的向量,可以组合出平面内任一向量.三个非平行向量不一定能组合出三维空间中的任一向量.三个线性无关的向量可以组合出三维空 ...
- 机器学习之重温线性代数
目录 一.矩阵的基本概念和意义 1.一种线性变换 2.加法与数乘 3.矩阵的乘法 二.矩阵运算在深度学习中的应用(初级) 1.数字图像识别 2.矩阵的迹,矩阵的转置,对称矩阵(协方差矩阵) 1.矩阵的 ...
- 【线性代数】线性组合,线性相关与生成子空间(linear combination, linear dependency span)
首先,几个前提 向量在代数上表示一组数的组合 向量在空间中可以表示一个点 向量在空间中可以表示一个向量 走起! 对于代数方程 Ax=bAx=b\mathbf {Ax} = \mathbf b 而言,我 ...
- 线性代数 —— 线性组合与线性表出,线性相关与线性无关
线性代数入门--线性组合与线性表出,线性相关与线性无关 线性组合与线性表出 相关例题 --"xxx能否由xxx线性表出" 线性相关与线性无关 定义 含义 相关例题 线性组合与线性表 ...
- 1.2 二维三维空间向量组的线性组合
二维三维空间向量组的线性组合 向量的基本运算法则,构成了整个线性代数的基础.在物理学中,特别是求系统平衡时,经常碰到这类问题,给定若干矢量,这些矢量和能与某特定矢量平衡吗?这就需要研究向量组的线性组合 ...
- 线性代数1:向量、线性组合、张成的空间和基
课程地址:[官方双语/合集]线性代数的本质 - 系列合集 目录 一.什么是向量 1. 向量的表达方式 2. 向量的加法 3. 向量的数乘 二.线性组合.张成的空间和基 1. 坐标系的基 2. 线性组合 ...
- 【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(10):向量组及其线性组合
文章目录 前言 往期文章 4.1 向量组及其线性组合 定义1 定义2 定理1 定义3 定理2 推论 举例 例 1 例2 定理3 小结 结语 前言 Hello!小伙伴! 非常感谢您阅读海轰的文章,倘若文 ...
最新文章
- Web前端面试自我介绍对话技巧注意事项
- 如何打造BCH使用的刚性需求?
- halcon与c#联合编程的方法
- java中var是什么意思_js中的var是什么意思
- AcWing之从尾到头打印链表
- 打通钉钉+WebHook:日志服务告警升级
- 详解vue动画的封装
- JWT跨域身份验证解决方案
- windows下bat批处理实现守护进程
- rm: cannot remove ‘malloc.pro/.user.ini‘: Operation not permitted
- 16.docker ps
- 阿里巴巴JAVA开发手册资源分享
- 201912-3 化学方程式 的一种解法
- C语言卡路里程序,燃烧app的卡路里--app瘦身之路
- 九九乘法表居中c语言,excel图文教程:九九乘法表的制作方法,你会哪种?
- Python编程小记:基本语法
- 如何使用VLC媒体播放软件下载网页上视频?
- 阐明量子力学到底为何物?
- 鲜花线上销售管理系统的设计与实现
- Word中公式变量解释时破折号对齐方法