前言
線性代數在工程應用上十分廣泛,在座標系轉換,深度學習,求解演算法的優化解方面有著大量應用。因此掌握線性代數的基本理論,並且具有解決實際工程問題的能力尤為重要。
線性方程組解的情況
線性方程組的解的三種情況
1. 適定方程組:存在唯一解
2. 欠定方程組:存在多解。變數數《方程組數
3. 超定方程組:無解。但可以求出近似解
二元方程組解的三種情況
超定二元方程組的解
以上是無解的,即方程組不相容,但有近似解-----最小二乘解!
用線性代數數值解計算實際工程問題
對某一城市的交通流量分析:
列出方程組是:
按照ax=b的格式轉化成矩陣形式
在ax=b中,b代表常數,這是線性方程組。注意:a必須是方陣才能求逆。對其x的求解,可能出現無解,有解,多解的情況,不能用x求b/a
所以,可以用matlab相關函式求解,使用簡化行列式的思路,對行矩陣變換!
b=[160;-40;210;-330];可以求出u的簡化行列式為:u=rref([a,b]);
可以看出,簡化後屬於欠定方程,屬於多解問題。
矩陣建模的方法
1. 列出全部方程,構成方程組
2. 將方程組變成矩陣
3. 求解,用matlab
複雜的系統。列出的方程通常有兩種形式。(注意,是列方程)
變數在等號左側,常數項在右側,整理出ax=b
若有多種變數,將乙個變數在等號左邊,其餘變數在右邊
使其能變成:
x=qx+pu矩陣
方程是(1-q)x=pu
傳遞函式是w=x/u=inv(1-q)*p
ax=b的五種寫法
ax=b的解法
方法一:
x=b/a用逆矩陣來求(逆矩陣的前提是a是方陣)
逆矩陣的matlab函式是
v=inv(a);ax=b可以求出x=b/a
x=b*inv(a);ax=b,非齊次線性方程組
ax=0, 齊次線性方程組
方法二:
也可以用行列式來判斷解是否存在:
判斷線性方程組的解是否存在和唯一:ax=0
a是係數矩陣,ιaι≠0,解存在
在matlab中求行列式的值,用
det(a);非齊次線性方程組ax=b解存在且唯一的條件是det(a)≠ 0
齊次線性方程組ax=0有非0解的條件是det(a)= 0
ax=b三個不同角度討論
1. ax=b 最簡行列式變換,消元,求有,無,超定,欠定解,rref
2. 把ax當成a是列向量組,判斷是否相關,證明超定方程的最小二乘解!
3. 把a看成乙個幾何變換,把x域中圖形變換到y域中去!
ax=b變換後直線還是直線。
為頂點在(0,0),(1,0),(1,1),(0,1)的單位方塊!
這就是變換矩陣的行列式的意義!
ιaι是變換後面積的變化
在幾何裡面,因為矩陣的變換是ax,所以
不能實現平移等線性變換,所以引入齊次座標系!(增加一維)
(旋轉是繞原點的)
先旋轉後平移,是r*m,不是r+m
ax=b在幾何學上的應用
1. ax=y表示向量空間中x組成的圖形經變換a後變換為向量空間y中的圖形
2. ax=y也表示座標變換,a中各列為y座標的基向量,用這關係可進行正反座標變換。
eigshow(a);在matlab中,可顯示二維向量x沿單位圓轉動時,經a左乘後在y平面上的形狀。
x-y共線時,y=ax= λx,λ為特徵值,x為特徵向量
在matlab中,求取特徵值和特徵向量為
[p,lambada]=eig(a);qr分解的幾何意義qr分解可以看成分解出新的座標系!
在matlab中,求取結果是
[q,r]=qr(a);作qr分解:
從幾何角度來看:
q的第一列代表新成立的x座標,第二列是垂直的y座標!(即分解後的新座標)
線性代數筆記13 Ax b的通解
關於最簡行階梯矩陣和矩陣秩,可參考 線性代數筆記7 再看行列式與矩陣 召喚乙個方程ax b 3個方程4個變數,方程組有無數解,現在要關注的是b1b2b3之間滿足什麼條件時方程組有解,它的解是什麼?在這個例子中可以馬上看出,b1 b2 b3,一般的方法是消元法化簡 化簡到這一步就可以確定主元是x1和x...
線性代數導論8 求解Ax b 可解性和解的結構
第八課時 求解ax b 可解性和解的結構 本課時的目標是ax b,可能有解,也可能無解,需要通過需要消元才知道,有解的話是唯一解還是很多解。繼續用上課時的例子。注意到,方程組中,第三行是第一行和第二行的和。如果方程組有解,b1 b2 b3需要滿足什麼條件?必須滿足b3 b1 b2。消元告訴我們,這是...
機器學習中的線性代數知識(上)
as all we know,線性代數對於機器學習的重要性不言而喻。但縱觀國內的教材和課程,大部分線性代數的講解,一上來就堆滿了各種定義和公式,從而導致我們知其然而不知其所以然,不利於我們深入理解機器學習的演算法。因此,希望本篇博文能幫大家從另乙個角度理解線性代數。但是注意,閱讀本篇博文,最好已經有...