您当前的位置:首页 > 指南 > 正文

行阶梯形矩阵的特点,机器学习基础知识学习-线性代数初等变换、矩阵的秩、向量组的秩

关于【行阶梯形矩阵的特点】,今天犇涌小编给您分享一下,如果对您有所帮助别忘了关注本站哦。

内容导航:1、行阶梯形矩阵的特点:机器学习基础知识学习-线性代数初等变换、矩阵的秩、向量组的秩2、行阶梯形矩阵的特点,行阶梯形矩阵是什么

1、行阶梯形矩阵的特点:机器学习基础知识学习-线性代数初等变换、矩阵的秩、向量组的秩

说完了行列式,这一章可以补习一下矩阵的初等变换、矩阵的秩、向量组的秩了。

现在沉下心来学习数学,感受到了数学的博大精深。像计算机最底层的机器语言都是由0、1组成,而作为基础的数学,针对复杂的题型也都是由繁化简,最后基本上都可以由0、1来解决。

来重新线性代数之前学习过机器学习,动辄就会分析上百万条数据,每条数据有20多个字段,经过一系列的数学算法处理,得到的值可以用0、1来表示。不得不感叹数学的神奇!

现在进入正题,开始对本片重点内容的知识点进行梳理。

初等变换

初等变换是指对矩阵的行/列进行变换,本质上是对矩阵的变化。原矩阵和初等变换后的矩阵不能用等号。正确的表示方式是用箭头连起来:()()

行阶梯形矩阵的特点,机器学习基础知识学习-线性代数初等变换、矩阵的秩、向量组的秩

初等行变换规则

行列式是矩阵的特性之一,当方阵进行初等行变换时,和行列式产生了联系

划重点:行列式只适用于行和列相等的矩阵,即方阵

回忆一下行列式的特性:

性质1:=对行成立的性质,对列也成立

性质2:两行互换,值变号 推论:两行(列)相等,D=0

性质3:某一行都乘以k 等于用k乘以D

推论:行列式所有元素均有公因子k,k外提n次

由此,推出方阵初等行/列变换的一些特性:

行阶梯形矩阵的特点,机器学习基础知识学习-线性代数初等变换、矩阵的秩、向量组的秩

方阵初等变换特性

A经初等行/列变换得到B,等价的特性有:

(1)反身性:AA

(2)对称性:ABBA

(3)AB B CAC

两个同阶矩阵可以相乘,用初等方阵乘以一个矩阵会有什么变化呢?看图:

行阶梯形矩阵的特点,机器学习基础知识学习-线性代数初等变换、矩阵的秩、向量组的秩

初等方阵相乘示意图

注:E一般是指单位矩阵,就是对角线都为1,其它元素都是0的方阵

从上图可以初步看出,初等方阵放到左边会改变对应相乘矩阵的行,初等方阵放到右边会改变对应相乘方阵的列。这样是不是得出:“左乘一个初等方阵,相当于对行进行了变化;右乘一个初等方阵,相当于对列进行了变化”了呢?继续证明该推论,看下图:

行阶梯形矩阵的特点,机器学习基础知识学习-线性代数初等变换、矩阵的秩、向量组的秩

初等方阵左乘右乘结果示意图

由上图可以证明:左乘一个初等矩阵,相当于对A进行行变化;右乘一个初等矩阵,相当于对A进行列变化。

设A是一个n阶矩阵,若存在另一个n阶矩阵B,使得:AB=BA=E,则称方阵A可逆,并称方阵B是A的逆矩阵。

行阶梯形矩阵的特点,机器学习基础知识学习-线性代数初等变换、矩阵的秩、向量组的秩

逆阵推导过程

由此,可推导出:(A,E)(E,

一个矩阵右乘单位矩阵,将左边的矩阵换算成单位矩阵时,为了转换方便,可遵守以下规则:

(1)先将第一列换算,再进行第二列,再第3列,...

(2)再进行初等变换时,涉及到某一行乘以e倍对另一行进行相加时,整行的数(两个相乘的矩阵)一块进行操作

(3)如右边化不成E,说明该矩阵不可逆

矩阵的秩

秩是什么?非零子式的最高阶数就是秩

秩用r表示,秩就是rank缩写

例:r(A) = r 表示A矩阵的秩是r

r(A) = 5也可以表示为 秩(A) = 5 表示A矩阵的秩是5

矩阵0的秩是0.表示为 r(0) = 0

若矩阵A有m行、n列,即矩阵A的秩取值范围:0≤r(A)≤min{m,n}

当r(A)=m时,取所有行,行满秩;当r(A)=n,取所有列,列满秩

行满秩或列满秩统称为满秩,表示为r(A)=min{m, n}

降秩表示为r(A)<min{m, n}

A为方阵且A满秩A可逆≠ 0 下面证明一下这个推论:设矩阵, r(a)=n,则由"非零子式的最高阶数就是秩”得出n阶子式不等于0,n阶子式不等于0推出行列式≠ 0。行列式不等于0即可得出A可逆

定理:r(A)=r有一个r阶子式不为0,所有r+1阶为0

假设有一个矩阵为6行8列即,有一个3阶子式不为0,则4阶子式都为0。那么,5阶子式、6阶子式有没有可能不为0呢?将5阶子式按行展开,可用该5阶子式的某一元素×代数余子式求解。5阶子式的代数余子式是4阶,4阶现在都是0,所以5阶子式也全为0。同理,6阶子式也全为0

行阶梯形矩阵的特点,机器学习基础知识学习-线性代数初等变换、矩阵的秩、向量组的秩

秩的求解

阶梯型矩阵

阶梯形矩阵是本篇文章的重点,什么是阶梯型矩阵呢?1、若有零行,零行在非零行的下边;2、左起首非零元左边零的个数随行数的增加而严格增加

行阶梯形矩阵的特点,机器学习基础知识学习-线性代数初等变换、矩阵的秩、向量组的秩

阶梯型矩阵图示

阶梯形矩阵的横线可以跨多个数,竖线只能跨一个数,如图:

行阶梯形矩阵的特点,机器学习基础知识学习-线性代数初等变换、矩阵的秩、向量组的秩

阶梯形矩阵的特性

行简化阶梯形是阶梯形矩阵一个特殊形式,其特点如下:

(1)非零行的首非零元是1

(2)首非零元所在列的其余元素是0

行阶梯形矩阵的特点,机器学习基础知识学习-线性代数初等变换、矩阵的秩、向量组的秩

行简化阶梯形图示

拿到一个矩阵,怎么确认它是不是行简化阶梯形呢?第一步,画折线;第二步,圈出首非零元;第三步,首非零元这一列画虚线,确定除了首非零元,其它数值都为0

说了这么久的阶梯形矩阵,将一个矩阵简化成阶地形矩阵有什么便捷之处呢?矩阵A经过行/列的初等行变换变成阶梯形矩阵,非零行的行数就等于秩,即r(A)=非零行的行数

行阶梯形矩阵的特点,机器学习基础知识学习-线性代数初等变换、矩阵的秩、向量组的秩

将矩阵初等行变化为阶梯形矩阵

最后总结矩阵秩的三个特性:

(1)r(A) = r()

行列式转置值不变,对非零子式的最高阶数是没有影响的

(2)矩阵乘以可逆矩阵,秩不变

(3)可逆矩阵等于初等矩阵的乘积

阶矩阵为可逆方阵,阶矩阵为可逆方阵

可逆矩阵等于初等矩阵的乘积,则P = P1×P2×P3×P4...Pm;Q = Q1×Q2×Q3×Q4...Qn

PA=P1×P2×P3×P4...PmA A左乘初等矩阵,相当于对A做初等行变换,初等行变换不改变矩阵的秩。则r(A)=r(PA) 同理推出r(A)=r(PA)=r(AQ)=r(PAQ)

向量组的秩

讲向量组的秩先看一下极大线性无关组的解释。

极大线性相关组满足的条件:假设向量组的部分向量组1(1)线性无关;(2)每个向量均可由表示

任意两个极大线性无关组,含有的向量个数相同

向量组的秩:极大线性无关组含有向量的个数 r(,...)

(1) 0≤r(,...)≤min{向量的个数 维数}

注:n维向量组有n+1个个数,必线性相关,可推出n维向量的极大线性相关组有n个个数

(2),...线性无关r=s

(3),...线性相关r<s

定理:,...可由...表示,则r(,...) ≤ r(...)

向量组的秩用极大线性相关组求解,矩阵的秩用非零子式求解,看似向量组的秩和矩阵的秩没有关系,在后续的学习中会有很多的关系。

行阶梯形矩阵的特点,机器学习基础知识学习-线性代数初等变换、矩阵的秩、向量组的秩

向量的秩和矩阵的秩之间的关系

#头条创作挑战赛#

2、行阶梯形矩阵的特点,行阶梯形矩阵是什么

行阶梯形矩阵的特点是:如果零行在最下方或者非零首元的列标号随行标号的增加而增加,那么就是阶梯形短阵而且每行的第一个非零元下面的元素都是零,第一个非零元的列数依次加大,全是零的在最下面,现在小编就来说说关于行阶梯形矩阵的特点?下面内容希望能帮助到你,我们来一起看看吧!

行阶梯形矩阵的特点,机器学习基础知识学习-线性代数初等变换、矩阵的秩、向量组的秩

行阶梯形矩阵的特点

行阶梯形矩阵的特点是:如果零行在最下方或者非零首元的列标号随行标号的增加而增加,那么就是阶梯形短阵。而且每行的第一个非零元下面的元素都是零,第一个非零元的列数依次加大,全是零的在最下面。

行阶梯形矩阵,Row-Echelon Form,是指线性代数中的某一类特定形式的矩阵。在阶梯形矩阵中,若非零行的第一个非零元素全是1,且非零行的第一个元素1所在列的其余元素全为零,就称该矩阵为行最简形矩阵。

本文关键词:行阶梯形矩阵的特点有哪些,行阶梯形矩阵怎么求值,行阶梯形矩阵的特点最后一行不全是0可以吗,行阶梯形矩阵的特点?行最简形矩阵的特点?,行阶梯形矩阵例子。这就是关于《行阶梯形矩阵的特点,机器学习基础知识学习-线性代数初等变换、矩阵的秩、向量组的秩》的所有内容,希望对您能有所帮助!


声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,谢谢。

上一篇: 月光月色的意思(月光色是什么颜色)

下一篇: 苹果手机照片如何恢复 如何恢复苹果手机删除的照片



推荐阅读