張智星 清大資工系 補充內容：方煒 台大生機系 小幅修改：吳俊仲 長庚機械系 第九章: 矩陣的處理與運算 張智星 清大資工系 補充內容：方煒 台大生機系 小幅修改：吳俊仲 長庚機械系

9-1 矩陣的索引或下標 矩陣 A 中，位於第 i 橫列、第 j 直行的元素可表示為 A(i, j) i 與 j 即是此元素的下標（Subscript）或索引（Index） MATLAB 中，所有矩陣的內部表示法都是以直行為主的一維向量 A(i, j) 和 A(i+(j-1)*m) 是完全一樣的~m為矩陣A的列數 我們可以使用一維或二維下標來存取矩陣

矩陣的索引或下標 (matrix01.m)

矩陣的索引或下標 可以使用矩陣下標來進行矩陣的索引（Indexing） (matrix02.m) A(4:5,2:3) -取出矩陣 A 的 第四、五 橫列與 二、三 直行所形成的部份矩陣 A([9 14; 10 15]) - 用一維下標的方式來達到同樣目的 用冒號（:）, 取出一整列或一整行 (matrix04.m) A(:, 5) -取出矩陣 A 的第五個直行 用 end 這個保留字來代表某一維度的最大值 (matrix05.m) A(:, end) - 矩陣 A 的最後一個直行 可以直接刪除矩陣的某一整個橫列或直行 A(2, :) = [] – 刪除A矩陣的第二列 (matrix06.m) A(:, [2 4 5]) = [] - 刪除 A 矩陣的第二、四、五直行(matrix07.m)

矩陣的索引或下標 可依次把矩陣 A 和其倒數「並排」起來，得到新矩陣 B 用 diag 指令取出矩陣的對角線各元素 B = [A 1./A] - 1./A 是矩陣 A 每個元素的倒數(matrix08.m) 用 diag 指令取出矩陣的對角線各元素 d = diag(B) - 取出矩陣 B 的對角線元素(matrix09.m) 用 reshape 指令來改變一個矩陣的維度 (matrix10.m) C = reshape(B, 2, 8) - 將矩陣 B 排成 2×8 的新矩陣 C 注意!! MATLAB 會先將矩陣 B 排成一個行向量（即 MATLAB 內部的矩陣表示法），再將此行向量塞成 2×8 的新矩陣

9-2 特殊用途矩陣 產生各種特殊用途矩陣的好用指令 : 指令 說明 zeros(m, n) 產生維度為 m×n ，構成元素全為 0 的矩陣 9-2 特殊用途矩陣 產生各種特殊用途矩陣的好用指令 : 指令 說明 zeros(m, n) 產生維度為 m×n ，構成元素全為 0 的矩陣 ones(m, n) 產生維度為 m×n ，構成元素全為 1 的矩陣 eye(n) 產生維度為 n×n ，對角線的各元素全為 1 ，其他各元素全為 0 的單位矩陣 pascal(m, n) 產生維度為 m×n 的 Pascal 矩陣 vander(m, n) 產生維度為 m×n 的 Vandermonde 矩陣 hilb(n) 產生維度為 n×n 的 Hilbert 矩陣 rand(m, n) 產生 [0, 1] 均勻分佈的亂數矩陣，其維度為 m×n randn(m, n) 產生 µ = 0, σ= 1 的正規分佈亂數矩陣，其維度為 m×n magic(n) 產生維度為 n×n 的魔方陣，其各個直行、橫列及兩對角線的元素和都相等

Hilbert矩陣 and 魔方陣 hilb(n) 指令可以產生 n×n 的 Hilbert 矩陣 Hilbert 矩陣的特性: 當矩陣變大時，其反矩陣會接近 Singular（即矩陣的行列式會接近於 0） Hilbert 矩陣常被用來評估各種反矩陣計算方法的穩定性 magic(n) 可以產生一個 n×n 的魔方陣（Magic Matrix）， 其各個直行、橫列及兩對角線的元素值總和都相等

均勻和高斯分布 rand 指令及 randn 指令則常用於產生亂數矩陣 範例9-11: matrix11.m x1 = rand(10000, 1); x2 = randn(10000, 1); subplot(2,1,1); hist(x1, 40); title('均勻分佈'); subplot(2,1,2); hist(x2, 40); title('高斯分佈'); set(findobj(gcf, 'type', 'patch'), … 'EdgeColor', 'w'); % 改邊線為白色

9-3 矩陣的數學運算 矩陣的加減與一般純量（Scalar）的加減類似 相加或相減的矩陣必需具有相同的維度 9-3 矩陣的數學運算 矩陣的加減與一般純量（Scalar）的加減類似 相加或相減的矩陣必需具有相同的維度 範例9-12: matrix12.m C = 13 37 58 24 矩陣與純量可以直接進行加減，MATLAB 會直接將加減應用到每一個元素 >> A = [1 2 3 2 1] + 5 A = 6 7 8 7 6 A = [12 34 56 20]; B = [1 3 2 4]; C = A + B

矩陣的乘法與除法 純量對矩陣的乘或除，可比照一般寫法 >> A = [123 , 442]; >> C = A/3 >> B = 2*A C = B = 41.0000 147.3333 246 884 欲進行矩陣相乘，必需確認第一個矩陣的直行數目（ Column Dimension） 必需等於第二個矩陣的橫列數目（Row Dimension） 範例9-13: matrix13.m C = 3 4 5 6 8 10 矩陣的除法，常藉由反矩陣或解線性方程式來達成 A = [1; 2]; B = [3, 4, 5]; C = A*B

矩陣的次方運算 矩陣的次方運算，可由「^」來達成，但矩陣必需是方陣，其次方運算才有意義 範例9-14: matrix14.m B = 91 67 67 67 91 67 67 67 91 在「*」，「/」及「^」之前加上一個句點，MATLAB 將會執行矩陣內「元素對元素」（Element-by-element） 的運算 A = magic(3); B = A^2 A = [12; 45]; B = [2; 3]; C = A.*B % 注意「*」前面的句點 D = A./B % 注意「/」前面的句點 E = A.^2 % 注意「^」前面的句點

轉置和「共軛轉置」矩陣 複數矩陣 z，其「共軛轉置」矩陣（Conjugate Transpose） 可表示成矩陣 z' 範例9-16: conjTranspose01.m w = 1.0000-1.0000i 3.0000 2.0000 1.0000-2.0000i 想得到任何矩陣 z 的轉置（Transpose），則可表示成矩陣 z. ' 範例9-17: transpose01.m 1.0000+1.0000i 3.0000 2.0000 1.0000+2.0000i 若 z 為實數，則 z' 和 z.' 的結果是一樣的 i = sqrt(-1); % 單位虛數 z = [1+i, 2; 3, 1+2i]; w = z' % 共軛轉置（注意 z 後面的單引號） i = sqrt(-1); % 單位虛數 z = [1+i, 2; 3, 1+2i]; w = z.' % 單純轉置（注意 z 後面的句點及單引號）

Sort指令 sort 指令可對向量元素進行排序（Sorting） 範例9-20: sort01.m sorted = 1 3 4 5 8 index = 4 1 5 2 3 sorted 是排序後的向量，index 則是每個排序後的元素在原向量 x 的位置 x(index) 即等於 sorted 向量 如何使用 sort 指令加上前例中的 sorted 及 index 來求得原先的向量 x？ x = [3 5 8 1 4]; [sorted, index] = sort(x) % 對矩陣 x 的元素進行排序

矩陣的最大元素 找出一矩陣最大元素的位置 範例9-21: max01.m colMax = 23 24 25 21 22 colMaxIndex = 2 1 5 4 3 colMax 代表每一直行的最大值，colMaxIndex 則是每一直行出現最大值的位置 求得 x 的最大元素的位置 範例9-22: max02.m Max value = x(5, 3) = 25 x 的最大元素即是 maxValue，發生位置為 [colMaxIndex(maxIndex), maxIndex] = [5 , 3] 若只要找出一矩陣 x 的最大值，可輸入 max(max(x))或是 max(x(：)) x = magic(5); [colMax, colMaxIndex] = max(x) x = magic(5); [colMax, colMaxIndex] = max(x); [maxValue, maxIndex] = max(colMax); fprintf('Max value = x(%d, %d) = %d\n', colMaxIndex(maxIndex), maxIndex, maxValue);

Learning Linear Algebra 補充內容

Vector Products, Dot and Cross a=[1,2,3];b=[3,2,1]; C=a*b D=a.*b E=dot(a,b) F=cross(a,b) (ex7_0.m)

Ex7_1 Solve a Linear System (ex7_1.m) b=[4;4;2]; % now solve for x x=A\b %we obtain [1;2;3]

Ex7_2 Max and Min (ex7_2.m) x=0:.01:5; y=x.*exp(-x.^2); % take a look at the function so we know what it looks like plot(x,y) % find the max and min ymin=min(y) ymax=max(y) % find the max and min along with the array indices imax and imin % where they occur [ymin,imin]=min(y) [ymax,imax]=max(y)

Ex7_3 Matrix Inverse (ex7_3.m) % load C with the inverse of A C=inv(A) % verify by matrix multiplication % that A*C is the identity matrix A*C

Ex7_5a Special Matrices % eye: % load I with the 4x4 identity matrix (the programmer who invented this % syntax must have been drunk) I=eye(4,4) % zeros: % load Z with a 5x5 matrix full of zeros Z=zeros(5,5) % ones: % load X with a 3x3 matrix full of ones X=ones(3,3) % rand: % load Y with a 4x6 matrix full of random numbers between 0 and 1 % The random numbers are uniformly distributed on [0,1] Y=rand(4,6) % And to load a single random number just use r=rand % randn: % load Y with a 4x6 matrix full of random numbers with a Gaussian % distribution with zero mean and a variance of 1 Y=randn(4,6)

Ex7_6 Determinant Ex7_6 Determinant %Find the determinant of a square matrix this way det(A)

Ex7_8 Sum the Elements %For arrays the command sum adds up the elements of the array: % calculate the sum of the squares of the reciprocals of the % integers from 1 to 10,000 n=1:10000; sum(1./n.^2) % compare this answer with the sum to infinity, which is pi^2/6 ans-pi^2/6 For matrices the sum command produces a row vector which is made up of the sum of the columns of the matrix. A=[1,2,3;4,5,6;7,8,9] sum(A)