机器学习|数学基础Mathematics for Machine Learning系列之线性代数(13):线性方程组的解的结构
Posted 海轰Pro
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了机器学习|数学基础Mathematics for Machine Learning系列之线性代数(13):线性方程组的解的结构相关的知识,希望对你有一定的参考价值。
前言
Hello!小伙伴!
非常感谢您阅读海轰的文章,倘若文中有错误的地方,欢迎您指出~
自我介绍 ଘ(੭ˊᵕˋ)੭
昵称:海轰
标签:程序猿|C++选手|学生
简介:因C语言结识编程,随后转入计算机专业,有幸拿过一些国奖、省奖…已保研。目前正在学习C++/Linux/Python
学习经验:扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语!
机器学习小白阶段
文章仅作为自己的学习笔记 用于知识体系建立以及复习
知其然 知其所以然!
往期文章
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(1):二阶与三阶行列式、全排列及其逆序数
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(2):n阶行列式、对换
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(3):行列式的性质
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(4):行列式按行(列)展开
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(5):克拉默法则
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(6):矩阵的运算
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(7):逆矩阵
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(9):矩阵的秩、线性方程组的解
【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
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(11):向量组的线性相关性
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(12):向量组的秩
4.4 线性方程组的解的结构
解向量
设有齐次线性方程组
{
a
11
x
1
+
a
12
x
2
+
.
.
.
.
+
a
1
n
x
n
=
0
a
21
x
1
+
a
22
x
2
+
.
.
.
+
a
2
n
x
n
=
0
.
.
.
.
.
.
.
.
.
.
.
a
m
1
x
1
+
a
m
2
x
2
+
.
.
.
.
+
a
m
n
x
n
=
0
\\begin{cases} a_{11}x_1+a_{12}x_2+....+a_{1n}x_n=0 \\\\ a_{21}x_1+a_{22}x_2+...+a_{2n}x_n=0\\\\ ...........\\\\ a_{m1}x_1+a_{m2}x_2+....+a_{mn}x_n=0\\\\ \\end{cases}
⎩⎪⎪⎪⎨⎪⎪⎪⎧a11x1+a12x2+....+a1nxn=0a21x1+a22x2+...+a2nxn=0...........am1x1+am2x2+....+amnxn=0
记
A = [ a 11 a 12 . . . a 1 n a 21 a 22 . . . a 2 n . . . . . . a m 1 a m 2 . . . a m n ] , x = [ x 1 x 2 . . . x n ] A=\\begin{bmatrix} a_{11} & a_{12} &... & a_{1n}\\\\ a_{21} & a_{22} & ... &a_{2n}\\\\ . & . & & . \\\\ . & . & & . \\\\ a_{m1} & a_{m2} &... & a_{mn}\\\\ \\end{bmatrix} ,x=\\begin{bmatrix} x_1\\\\ x_2\\\\ .\\\\ .\\\\ .\\\\ x_n \\end{bmatrix} A=⎣⎢⎢⎢⎢⎡a11a21..am1a12a22..am2.........a1na2n..amn⎦⎥⎥⎥⎥⎤,x=⎣⎢⎢⎢⎢⎢⎢⎡x1x2...xn⎦⎥⎥⎥⎥⎥⎥⎤
有
A x = 0 Ax=\\boldsymbol0 Ax=0
若 x 1 = ζ 11 , x 2 = ζ 21 , . . . . , x n = ζ n 1 x_1=\\zeta_{11},x_2=\\zeta_{21},....,x_n=\\zeta_{n1} x1=ζ11,x2=ζ21,....,xn=ζn1为方程的解,则
x = ζ 1 = [ ζ 11 ζ 21 . . . ζ n 1 ] x=\\zeta_1=\\begin{bmatrix} \\zeta_{11}\\\\ \\zeta_{21}\\\\ .\\\\ .\\\\ .\\\\ \\zeta_{n1}\\\\ \\end{bmatrix} x=ζ1=⎣⎢⎢⎢⎢⎢⎢⎡ζ11ζ21...机器学习|数学基础Mathematics for Machine Learning系列之图论:树及其性质
机器学习|数学基础Mathematics for Machine Learning系列之图论:树及其性质
机器学习|数学基础Mathematics for Machine Learning系列之图论(10):匹配基本定理
机器学习|数学基础Mathematics for Machine Learning系列之图论(10):匹配基本定理
机器学习|数学基础Mathematics for Machine Learning系列之图论(10):匹配基本定理
机器学习|数学基础Mathematics for Machine Learning系列之矩阵理论(16):向量和矩阵的极限