線性代數是一門有趣又有用的學科。基於機器學習、深度學習等技術的人工智能的核心數學知識就包含數理統計、微積分與線性代數。
通過 求導矩陣 對多項式求導:
例:
則聲明其係數向量與次數矩陣。
將 D 與 y 做乘,則得到求導後的係數:
對應數學表達式:
同理,可推導 積分矩陣 :
因此,對於式 ,其積分矩陣爲:
- 原式線性多項式最高次冪爲1,則積分後最高次冪爲2,則積分矩陣要表達 2 次的係數,因此 ;
- 即先寫出正常的 ,再取 的(僞)逆。
則對於 ,積分矩陣爲:
將 與 係數向量 做乘,則得到積分後的係數:
對應數學表達式:
注意該不定積分沒有常數項。
啓發:該方法很好理解,利用了矩陣的性質,實現了係數的自動變換與落位,在計算實現時可以考慮該方法減少迭代次數,提高運算效率。但是可能只適合線性多項式。
下面是一個 matlab 的例題,我先通過求導矩陣求其求導後,在通過積分矩陣求其原式,但是不帶常數項。
4th order polynomial
》D
D =
0 0 0 0 0
4 0 0 0 0
0 3 0 0 0
0 0 2 0 0
0 0 0 1 0
》Y
Y =
2
4
6
8
3
》dy = D * Y
dy =
0
8
12
12
8
》% 如何通過dy求Y? 先對D求逆,即積分矩陣
》D_1 = pinv(D)
D_1 =
0 0.2500 0 0 0
0 0 0.3333 0 0
0 0 0 0.5000 0
0 0 0 0 1.0000
0 0 0 0 0
》Y = D_1 * dy
Y =
2
4
6
8
0