matlab 程式設計:進階篇 線性代數
DESCRIPTION
MATLAB 程式設計:進階篇 線性代數. 張智星 (Roger Jang) [email protected] http://mirlab.org/jang 台大資工系 多媒體檢索實驗室. 反矩陣. 反矩陣 : 一個矩陣 A 的反矩陣可表示成 ,滿足下列恆等式: 只有在 A 為方陣時, 才存在。 若 不存在,則 A 稱為 Singular. 反矩陣 (2). inv : MATLAB 的 inv 指令可用於計算反矩陣 範例 6-1 : inv01.m - PowerPoint PPT PresentationTRANSCRIPT
MATLAB 程式設計進階篇:線性代數
反矩陣 反矩陣:
一個矩陣 A 的反矩陣可表示成 ,滿足下列恆等式:
只有在 A 為方陣時, 才存在。 若 不存在,則 A 稱為 Singular
IAA
IAA
1
1
1A
1A
1A
Quiz!
MATLAB 程式設計進階篇:線性代數
反矩陣 (2) inv :
MATLAB 的 inv 指令可用於計算反矩陣 範例 6-1: inv01.m
結果: B = 4.0000 -6.0000 4.0000 -1.0000
-6.0000 14.0000 -11.0000 3.0000 4.0000 -11.0000 10.0000 -3.0000 -1.0000 3.0000 -3.0000 1.0000
Note that det(pascal(n)) is always equal to 1.
A = pascal(4); % 產生 4x4 的 Pascal 方陣
B = inv(A)
MATLAB 程式設計進階篇:線性代數
反矩陣 (3) inv :
若矩陣 A 為 Singular (即其反矩陣不存在),則在使用 inv 指令時,會產生警告訊息
範例 6-2 : inv02.m
結果:
A = [1 2 3; 4 5 6; 7 8 9];
B = inv(A)
Warning: Matrix is close to singular or badly scaled. Results may be inaccurate. RCOND = 1.541976e-018. > In inv02 at 2 B = 1.0e+016 * -0.4504 0.9007 -0.4504 0.9007 -1.8014 0.9007 -0.4504 0.9007 -0.4504
MATLAB 程式設計進階篇:線性代數
行列式 det :
欲計算矩陣 A 的行列式,可用 det 指令 範例 6-3 : det01.m
結果:d = 29
A = [1 3 4; -3 -4 -1; 2 2 5];
d = det(A)
MATLAB 程式設計進階篇:線性代數
反矩陣公式 由 Crammer Rule 可知矩陣 A 的行列式和反矩陣有下列關係式:
其中 代表 A 的行列式, 代表 A 的 Adjoint Matrix
Equivalent statements is singular does not exist
IAAadjAA
AadjA *)(*
)(1
A )(Aadj
A1A
0A
Quiz!
Quiz!
MATLAB 程式設計進階篇:線性代數
Cofactor and Adjoint Take a 3x3 matrix A for example:
IAAadjA
AcofactorAadj
aa
aa
aa
aa
aa
aaaa
aa
aa
aa
aa
aaaa
aa
aa
aa
aa
aa
AAA
AAA
AAA
Acofactor
aaa
aaa
aaa
A
T
*)(*
)(
)(
2221
1211
2321
1311
2322
1312
3231
1211
3331
1311
3332
1312
3231
2221
3331
2321
3332
2322
333231
232221
131211
333231
232221
131211
...131312121111 AaAaAaA
Quiz!
MATLAB 程式設計進階篇:線性代數How to Verify the Formula?
IA
A
A
A
AaAaAaAaAaAaAaAaAa
AaAaAaAaAaAaAaAaAa
AaAaAaAaAaAaAaAaAa
AAA
AAA
AAA
aaa
aaa
aaa
AadjA
IAAadjA
*
00
00
00
)(*
?*)(* verify toHow
333332323131233322322131133312321131
332332223121232322222121132312221121
331332123111231322122111131312121111
332313
322212
312111
333231
232221
131211
333332323131
232322222121
131312121111
: thatNote
AaAaAa
AaAaAa
AaAaAaA
Quiz!
MATLAB 程式設計進階篇:線性代數
Quiz Candidates If A is a 3x3 matrix, what is
cofactor(A)? What is adj(A)?
And can you verify that
?
333231
232221
131211
Aadj
aaa
aaa
aaa
A
IAAAadj **
Quiz!
MATLAB 程式設計進階篇:線性代數
反矩陣與行列式之驗證 (1/2) 若 A 為整數矩陣,則 乘上 必為整數矩陣,可驗証如下:
範例 6-4: det02.m
結果:
A 1A
A = [1 3 4; -3 -4 -1; 2 2 5];
det(A)*inv(A)
ans = -18 -7 13 13 -3 -11 2 4 5
MATLAB 程式設計進階篇:線性代數
反矩陣與行列式之驗證 (2/2) 若 A 為整數矩陣,將 inv(A) 以有理形式( Ration
al Format ,即分子和分母都是整數的分數)來表示,即可察覺出它和行列式的關係
從這裡可以很明顯的看出, inv(A) 中每個元素的分母值,就是 det(A)
範例 6-5: det03.m
結果:
A = [1 3 4; -3 -4 -1; 2 2 5];
format rat % 以有理形式表示數值
inv(A)
format short % 改回預設的數值表示形式ans =
-18/ 29 -7/ 29 13/ 29
13/ 29 -3/ 29 -11/ 29
2/ 29 4/ 29 5/ 29
MATLAB 程式設計進階篇:線性代數
固有值與固有向量 一個方陣 A 的固有向量( Eigenvector ) 與固有值 ( Eigenvalue ) 的關係式如下:
上式可化簡成
由於 x 不是一個零向量,因此 必須是 Singular ,上式才會有解。當 是 Singular 時,其行列式為零:
x
xAx
0) xIA
0 IA
IA IA
Quiz!
MATLAB 程式設計進階篇:線性代數
固有值分解 (1/2) 若 A 為 n×n 的矩陣,則上式為 的 n 次多項式 ,代表 將有 n 個解 ,滿足下列關係式:
或可寫成矩陣形式:
其中
如果 存在,則由上式可得矩陣 A 的固有值分解( Eigenvalue decomposition ):
nnn xAx
xAx
111
XDAX
||
||
1
nxxX
n
D
00
00
001
1XDXA
1X
n 1
Quiz!
MATLAB 程式設計進階篇:線性代數
固有值分解 (2/2) If A is symmetric, then Suppose A is 3x3, then
TTT
T
T
T
T
T
T
T
xxxxxx
x
x
x
xxx
x
x
x
xxx
XDXXDXA
333222111
33
22
11
321
3
2
1
3
2
1
321
1
|||
|||
00
00
00
|||
|||
TXX 1
Quiz!
MATLAB 程式設計進階篇:線性代數
計算固有值 eig :
MATLAB 的 eig 指令可用於計算矩陣的固有值及固有向量。若只想計算固有值時,可輸入如下:
範例 6-6: eig01.m
結果:
A = magic(5);
lambda = eig(A)
lambda =
65.0000
-21.2768
-13.1263
21.2768
13.1263
MATLAB 程式設計進階篇:線性代數
計算固有值與固有向量 若要同時計算固有值及固有向量,須提供兩個輸出引數 範例 6-7: eig02.m
結果:
A = magic(5);
[X, D] = eig(A)
X = -0.4472 0.0976 -0.6330 0.6780 -0.2619 -0.4472 0.3525 0.5895 0.3223 -0.1732 -0.4472 0.5501 -0.3915 -0.5501 0.3915 -0.4472 -0.3223 0.1732 -0.3525 -0.5895 -0.4472 -0.6780 0.2619 -0.0976 0.6330 D = 65.0000 0 0 0 0 0 -21.2768 0 0 0 0 0 -13.1263 0 0 0 0 0 21.2768 0 0 0 0 0 13.1263
請驗證看看
X*D*inv(X)是否等於A 。
MATLAB 程式設計進階篇:線性代數
固有向量和固有值的展示 Try “eigshow” to plot the trajectory of
a linear transform in 2D
MATLAB 程式設計進階篇:線性代數
奇異值與奇異向量 一個矩陣 A 與其奇異值( Singular Value ) 及奇異向量( Singular Vectors ) u 與 v 之間存在下列的關係式:
若將所有的行向量 u 並排成矩陣 U ,所有的行向量 v 並排成矩陣 V 。則上式可寫成:
其中 Σ 的主對角線即是對應的 值,其餘元素為零
vuA
uAvt
VUA
UAVT
MATLAB 程式設計進階篇:線性代數
奇異值分解 若 A 的維度是 m×n ,則 U、 Σ、 V 的維度分別是
m×m、m×n 以及 n×n 。一般而言, U 和 V 均是 Unitary 矩陣(即矩陣內的行向量均兩兩相互垂直,且行向量的長度均為 1 ),滿足下列條件:
因此矩陣 A 可寫成:
上式稱為奇異值分解( Singular Value Decomposition )
IVV
IUUT
T
TVUA
MATLAB 程式設計進階篇:線性代數
計算奇異值與奇異向量 svd :
svd 指令可用於計算矩陣的奇異值及奇異向量 範例 6-8: svd01.m
結果:U =
-0.5577 0.0881 -0.6954 0.4447
-0.7714 0.0333 0.2489 -0.5848
-0.1771 0.6471 0.5453 0.5025
-0.2504 -0.7565 0.3965 0.4558
A = [3 5; 4 7; 2 1; 0 3];
[U, S, V] = svd(A)
S =
10.4517 0
0 1.9397
0 0
0 0
V =
-0.4892 0.8722
-0.8722 -0.4892
請驗證看看
U*S*V’是否等於 A 。
MATLAB 程式設計進階篇:線性代數
計算 奇異值與奇異向量 (2) 若 A 為 m×n 的矩陣且 m >> n ,則我們可在原先的 svd 指令加入另一個輸入引數 0 ,使其產生的 U 及 S 矩陣具有較小的維度
範例 6-9: svd02.m
結果 :
U = -0.5577 0.0881 -0.7714 0.0333 -0.1771 0.6471 -0.2504 -0.7565
A = [3 5; 4 7; 2 1; 0 3];
[U, S, V] = svd(A, 0)
S = 10.4517 0 0 1.9397 V = -0.4892 0.8722 -0.8722 -0.4892
請驗證看看
U*S*V’是否等於 A 。
MATLAB 程式設計進階篇:線性代數
線性聯立方程式 聯立線性方程式:
線性代數中最重要的問題,即是解決聯立線性方程式。一組線性方程式可用矩陣表示如下:
AX = B 其中 A 、 B 是已知矩陣,而 X 則是未知矩陣
MATLAB 程式設計進階篇:線性代數
線性聯立方程式之可能情況 線性聯立方程式:
為簡化起見,我們可以假設 A 、 X 、 B 的維度分別是 m×n 、 n×1 、 m×1 ,其中 m 代表方程式的數目,n 則是未知數的數目,可分成三種情況:
若 m = n ,則方程式的個數和未知數的個數相等,通常會有一組解滿足 AX = B
若 m > n ,則方程式的個數大於未知數的個數,通常無一解可滿足 AX = B ,但我們可轉而求取最小平方解( Least-Squares Solution) X ,使得 為最小值
若 m < n ,則方程式的個數小於未知數的個數,通常有無限多組解可滿足 AX = B ,我們可尋求一基本解( Basic Solution) X ,使得 X 最少包含 m-n 個零元素
2BAX
MATLAB 程式設計進階篇:線性代數
斜線和反斜線運算 斜線和反斜線運算:
MATLAB 提供一個反斜線運算( Back Slash Operator ,即「 \ 」)使得 X=A\B 能滿足上述三種情況
反斜線運算又稱「左除」( Left Division ) MATLAB 也提供了斜線運算( Slash Operator ,即「 / 」)
斜線運算又稱「右除」( Right Division ) 可用於對付 XA = B 的方程組。
MATLAB 程式設計進階篇:線性代數
斜線和反斜線運算:記憶法 整理: MATLAB 常用的數學函數
在上表中,欲解 AX = B 或 XA = B ,我們可以想像在等號兩邊各除以 A ,並依 A 的位置分別取用「左除」或「右除」
方程式形式 MATLAB 解法
AX = B X = A\B(左除)
XA = B X = B/A(右除)
MATLAB 程式設計進階篇:線性代數
範例:通過三點的二次曲線 斜線和反斜線運算:
範例 6-10: leftDiv01.m
結果: X = 1.0000 2.0000 3.0000
此例代表通過 (1, 6), (2, 11), (3, 18) 的二次曲線為
A = vander(1:3);
B = [6; 11; 18];
X = A\B
>> A*X – BAns = 0 0 0
322 xxy
MATLAB 程式設計進階篇:線性代數
範例:最小平方解 斜線和反斜線運算:
當 m > n 時,「左除」可以找到最小平方解 範例 6-11: leftDiv02.m
結果: X = 1.0000 1.0000
在上例中,我們有 3 個方程式,但卻只有 2 個未知數,此 3 個方程式在 x-y 平面並未交於一點,故嚴格地說,此方程組無解,而 MATLAB 「左除」找到的 X 為最小平方解,使得 為最小
A = [2 -1; 1 -2; 1 1];
B = [2; -2; 1];
X = A\B
2BAX
MATLAB 程式設計進階篇:線性代數
範例:基本解 斜線和反斜線運算:
當 m < n 時,「左除」可以找到基本解 範例 6-12: leftDiv03.m
結果: X = -3.0000 0 3.3333
基本解至少有 n-m 個零。
A = [1 2 3; 4 5 6];
B = [7; 8];
X = A\B
MATLAB 程式設計進階篇:線性代數
使用「左除」進行最小平方法 問題:在平面上找出一點 P ,使得 P 到下列三條直線的距離平方和為最小:
解法:
1 =y +x
3- =y 4x
2 =4y -3x
y
xA
whereAyxL
xb
bx
,
2/1
17/3
5/2
,
2/12/1
17/117/4
5/45/3
,2
1 y x
17
3 y 4x
5
2 -4y -3x),(
2222
.is
0 line a and point a
between distanceshortest The :Hint
22
00
00
ba
cbyax
cbyax, yx
MATLAB 程式設計進階篇:線性代數
類似問題 解析幾何
問題:在平面上找出一點 P ,使得 P 到下列X 的 Y 為最小
X :三條直線、三點 Y :距離和、距離平方和
古典幾何 問題:在平面上找出一點 P ,使得 P 到三角型的 X 的 Y 為最小
X :三邊、三頂點 Y :距離和、距離平方和
MATLAB 程式設計進階篇:線性代數
本章指令彙整 與線性代數相關的函式,彙整如下:
類別 函式 功能 d e t 行列式 n o rm 矩陣或向量的 n o rm n o rm est 估測矩陣的 2 -n o rm n u ll N u ll 空間
o rth 垂直基底(O rth o n o rm a l B a sis)
ran k 矩陣的 ran k
rre f R ed u c ed R o w E c h e lo n F o rm
su b sp ace 子空間的夾角
矩陣 相關性質
tra c e 矩陣對角線元素的總和
MATLAB 程式設計進階篇:線性代數
本章指令彙整 (2) 與線性代數相關的函式,彙整如下:
類別 函式 功能 ex p m 矩陣的指數函數 fu n m 矩陣的一般函數 lo g m 矩陣的對數函數 sq rtm 矩陣的開平方
「 \」及「 /」 左除及右除,用於解線性方程式
ch o l C h o le sk y 分解
矩陣函式
ch o lin e 不完全的 C h o le sk y 分解
MATLAB 程式設計進階篇:線性代數
本章指令彙整 (3) 與線性代數相關的函式,彙整如下:
類別 函式 功能
co n d 矩 陣 的 C o n d itio n N u m b er,以測試其接近 S in g u la r 的程度
co n d es t 1 -n o rm C o n d itio n N u m b er 的估計
In v 反矩陣 lu L U 分解 lu in c 不完全 L U 分解 q r Q R 分解 lsco v Q R 分解
矩陣函式
n n ls 非負的最小平方法