はじめに

『機械学習のエッセンス(http://isbn.sbcr.jp/93965/)』のPythonサンプルをJuliaで書き換えてみる。（第04章04疎行列）の続きです。

逆行列を求める

逆行列はinv関数で求めることができます。

\begin{pmatrix}
   3 & 1 & 1 \\
   1 & 2 & 1 \\
   0 & -1 & 1
\end{pmatrix}

julia> a = [3 1 1; 1 2 1; 0 -1 1]
3×3 Array{Int64,2}:
 3   1  1
 1   2  1
 0  -1  1

julia> inv(a)
3×3 Array{Float64,2}:
  0.428571  -0.285714  -0.142857
 -0.142857   0.428571  -0.285714
 -0.142857   0.428571   0.714286

""演算子を使う。（1次方程式を解く）

\begin{pmatrix}
   3 & 1 & 1 \\
   1 & 2 & 1 \\
   0 & -1 & 1
\end{pmatrix}
\begin{pmatrix}
  x \\
  y \\
  z
\end{pmatrix}
=
\begin{pmatrix}
  1 \\
  2 \\
  3
\end{pmatrix}

Juliaでは\（バックスラッシュ）演算子で1次方程式が解けるようです。便利ですね。

julia> a = [3 1 1; 1 2 1; 0 -1 1]
3×3 Array{Int64,2}:
 3   1  1
 1   2  1
 0  -1  1

julia> b = [1, 2, 3]
3-element Array{Int64,1}:
 1
 2
 3

julia> a \ b
3-element Array{Float64,1}:
 -0.5714285714285714 
 -0.14285714285714302
  2.857142857142857

LU分解により連立方程式を解く

JuliaにはLinearAlgebraモジュールにluという関数があります。
https://docs.julialang.org/en/v1/stdlib/LinearAlgebra/index.html#LinearAlgebra.lu
日本語訳はこちら。
https://code.i-harness.com/ja/docs/julia~1.0/stdlib/linearalgebra/index#LinearAlgebra.lu

julia> using LinearAlgebra

julia> l, u, p = lu(a)
LU{Float64,Array{Float64,2}}
L factor:
3×3 Array{Float64,2}:
 1.0        0.0  0.0
 0.333333   1.0  0.0
 0.0       -0.6  1.0
U factor:
3×3 Array{Float64,2}:
 3.0  1.0      1.0     
 0.0  1.66667  0.666667
 0.0  0.0      1.4  

julia> u \ (l \ b)
3-element Array{Float64,1}:
 -0.5714285714285714
 -0.14285714285714302
  2.857142857142857

参考

JuliaにはLinearAlgebra.factorizeという関数があって、与えられた行列に対して最適な分解をしてくれるようです。
https://docs.julialang.org/en/v1/stdlib/LinearAlgebra/index.html#LinearAlgebra.factorize
日本語訳はこちら。
https://code.i-harness.com/ja/docs/julia~1.0/stdlib/linearalgebra/index#LinearAlgebra.factorize

上記のaに対してfactorize関数を使ってみるとLU分解してくれました。

julia> a = [3 1 1; 1 2 1; 0 -1 1]
3×3 Array{Int64,2}:
 3   1  1
 1   2  1
 0  -1  1

julia> using LinearAlgebra

julia> factorize(a)
LU{Float64,Array{Float64,2}}
L factor:
3×3 Array{Float64,2}:
 1.0        0.0  0.0
 0.333333   1.0  0.0
 0.0       -0.6  1.0
U factor:
3×3 Array{Float64,2}:
 3.0  1.0      1.0     
 0.0  1.66667  0.666667
 0.0  0.0      1.4