关于统计学的一些思考（四）

hyszy

已于 2022-09-26 19:39:26 修改

阅读量815

点赞数

分类专栏：数学

于 2022-09-22 22:03:24 首次发布

本文链接：https://blog.csdn.net/study_zy/article/details/126982208

版权

数学专栏收录该内容

4 篇文章 0 订阅

订阅专栏

1.矩阵（二维数组）

1.1 矩阵的维数=矩阵的行数 * 列数

左边维数=4*2=8，右边的维数=2*3=6

1.2 矩阵的写法

左边为集合R（4x2)的元素，表示4行2列的矩阵。

1.3 矩阵中元素的写法

Aij 为矩阵中第i行，第j列的元素，如左边矩阵A11 = 1402

2.向量（只有1列的矩阵）

2.1 别名和写法

4x1矩阵 = 四维的向量；R4。

2.2 向量中元素的写法

yi 为向量y中第i个元素，上面y4=178（从1开始）；也可以从0开始，y3=178。

注意：数学一般从1开始，编程语言一般从0开始。

3.矩阵的运算

3.1 加法

维数相同才能相加：相同位置的元素相加

3.2 标量乘法（数与矩阵的乘法）

实数与矩阵中每个位置的元素逐一相乘

3.3 矩阵与向量的乘法

3.3.1 公式

矩阵A(mxn) 乘以向量xn = 向量ym（注意n相同）

yi = Ai0 x y0 + Ai1 x y1 + .... + Ain x yn 。

1x1 + 3x5 = 16

4x1 + 0x5 = 4

2x1 + 1x5 = 7

3.3.2 应用

例如有4个房子，尺寸分别为2104，1416，1534，852，假设有一个公式h(x)= -40 + 0.25x 可以根据尺寸预测房子的价格，

现在要计算每个房子对应的价格h(x)，可以利用矩阵与向量的乘法快速计算

这种应用的意义在于使用预测函数h(x)预测房子价格时，可以简化算法：预测结果 = 训练集(矩阵) x 参数(向量)。

在编程时，这种写法除了简化代码，也能提高计算效率。

3.4 矩阵与矩阵的乘法

3.4.1 公式

1）矩阵A(mxn) 乘以矩阵B(n, o) = 矩阵C(mxo)

2）矩阵C的第i列 = 矩阵A 和矩阵B的第i列相乘

注意这里相乘时，矩阵维度必须匹配：第一个矩阵的列数=第二个矩阵的行数

3）示例：R2x3 乘以 R3x2 = R2x2

3.4.2 应用

1）在线性回归中，用于计算，而不需要梯度下降法。

2）快速代入假设函数h(x)，计算预测价格

3.4.3 乘法特征

1）矩阵不服从乘法交换律，除非其中一个是单位矩阵I

矩阵A x 矩阵B 不等于矩阵B x 矩阵A

矩阵A x 单位矩阵I = 单位矩阵I x 矩阵A （注意两边的单位矩阵I维度不同）

2）服从乘法结合律

AxBxC = Ax(BxC)

4.单位矩阵I或Inxn

4.1 定义

对角线上都是1，其他位置都是0

4.2 特性

1）矩阵A x 单位矩阵I = 单位矩阵I x 矩阵A = 矩阵A

2）第1个【=】的左边：矩阵A的维度是m x n，那么单位矩阵I的维度是 n x n；

第1个【=】的右边：矩阵A的维度是m x n，那么单位矩阵I的维度是 m x m

所以注意【=】两边的单位矩阵I是不同维度的

5.矩阵的逆运算

5.1 定义

1）类似实数A有一个倒数A-1，A x A-1 =1，例如3 x 3-1 = 3 x 1/3 = 1

2）如果一个方阵(维度是mxm)，而且是可逆的，那么它将满足以下公式：

矩阵A x 逆矩阵A-1 = 逆矩阵A-1 x 矩阵A = 单位矩阵I

注意：方阵的列数和行数相等；

可能部分方阵没有逆矩阵，例如全0

5.2 求逆矩阵（Octave）

>> A = [ 3 4; 2 16 ]
A = 
	3	 4
    2	16
    
>> pinv(A)
ans =
	0.400000	-0.100000
   -0.050000	 0.075000
   
>> inverseOfA = pinv(A)
inverseOfA =
	0.400000	-0.100000
   -0.050000	 0.075000
   
#验证 矩阵x逆矩阵=单位矩阵(计算精度上可能有点误差)
>> A * inverseOfA