
矩阵分析与最优化
文章平均质量分 66
学习矩阵分析和最优化的笔记~
蛋总的快乐生活
无人驾驶小白,努力学习中。
展开
-
设A,B均为n阶方阵,又E-AB可逆,证明:(E-BA)逆=E+B(E-AB)逆A
设AAA,BBB均为nnn阶方阵,又E−ABE-ABE−AB可逆,证明:(E−BA)−1=E+B(E−AB)−1A(E-BA)^{-1}=E+B(E-AB)^{-1}A(E−BA)−1=E+B(E−AB)−1A证明:(主要将EEE拆成合适的形式进行合并)E+B(E−AB)−1A=B[B−1+(E−AB)−1A]=B[(E−AB)−1(E−AB)B−1+(E−AB)−1A]=B(E−AB)−1[(E−AB)B−1+A]=B(E−AB)−1B−1=B(E−AB)−1B−1A−1A=B[AB(E−AB)原创 2021-01-10 14:57:01 · 3733 阅读 · 2 评论 -
画出单纯形法的迭代路径
上升方向/下降方向:如z=x+yz=x+yz=x+y,使得zzz变大的方向因此x+y−z=0x+y-z=0x+y−z=0,(∂f∂x,∂f∂y)=(1,1)(\frac {\partial f}{\partial x},\frac {\partial f}{\partial y})=(1,1)(∂x∂f,∂y∂f)=(1,1),沿着该方向移动函数上升,为上升方向。最速下降方向:−∇f(x)-\nabla f(x)−∇f(x),即负梯度方向则−∇f(x)=(−1,−1)-\nabla f(x).原创 2020-12-12 11:42:56 · 2831 阅读 · 0 评论 -
拉格朗日对偶的实例计算
一、Lagrange 对偶函数1.1 拉格朗日函数1.2 拉格朗日对偶函数二、标准形式线性规划拉格朗日对偶minCTxs.t.Ax=bx≥0min C^Tx\\s.t. Ax=b\\x\ge0minCTxs.t.Ax=bx≥0构建拉格朗日表达式在标准优化形式中,f(x)≤0f(x)\le0f(x)≤0,因此将满足条件的第二条转换为−x≤0-x\le0−x≤0,那么函数表达式如下:L(x,λ,μ)=CTx+∑λi(−xi)+∑μi(Axi−b)=CTx−λTx+uT(Ax−b)=原创 2020-12-05 11:00:57 · 9473 阅读 · 4 评论 -
已知某物理量y与另外两个物理量t1和t2的依赖关系式,确定参数并求其最小二乘问题的数学模型
x1、x2、x3x_{1}、x_{2}、x_{3}x1、x2、x3为待定参数,为了确定这三个参数,测得t1、t2、yt_{1}、t_{2}、yt1、t2、y的5组数据:y=x1x3t11+x1t1+x2t2y= \frac{ x_{1}x_{3}t_{1} } { 1+x_{1}t_{1}+x_{2}t_{2} } y=1+x1t1+x2t2x1x3t1t1t_{1}t1t2t_{2}t2yyy110.126210.21912原创 2020-11-09 13:02:59 · 977 阅读 · 0 评论 -
矩阵的交子空间与和子空间的求解方法
如果V1和V2是V的两个子空间,求交子空间与和子空间。原创 2020-10-14 14:52:27 · 2138 阅读 · 0 评论 -
设T是R3的线性变换,定义为T(x,y,z)=(0,x,y),求T2的像集及核
T2(x,y,z)=T[T(x,y,z)]=T(0,x,y)=(0,0,x)该变换的几何意义是投影到xoy平面。核子空间的意义是,在线性变换后作用是零,因此T2下,只要取第一个变量为0即可,如T2(0,y,z)=0, 那么这种情况下的坐标基底为(0,0,1)和(0,1,0)即可表示所有让变换后为0的情况,表示出(0,y,z)像子空间的意义是,在V中所有的元素构成的,经过T2后,由于只剩下x分量,因此基底为(0,0,1)因此 T2V=L(0,0,1),kerT2=L((0,0,1),(0,原创 2020-10-16 14:49:39 · 5581 阅读 · 0 评论