标签:语句 函数 矩阵 笔记 matlab fout 范数 向量 复习
主要记录的是自己复习过程中遇到的零零散散、貌似很重要但又容易忘的知识点,总的来说比较基础,适合无聊的时候,一边摸鱼一边看。
数据科学中的数学基础
目录
1.标量
>> a=4 % 可以是整数 a = 4 >> b=5.2 % 可以是小数 b = 5.2000 >> x=-1.3 % 可以是负数 x = -1.3000 >> p=pi % 可以是某个 常数 p = 3.1416 >> y=inf % 可以是无穷大 y = Inf >> z=‘M’ % 可以是一个字母 z = ‘M’ >> n=NaN % 可以是非数 (Not a Number) n = NaN >> 3==5 % 可以是逻辑值 ans = logical 0
2.向量
b=linspace(1,10,5) % 以 linspace 在区间 1~10 之间生成 5 个元素的向量 b = 1.0000 3.2500 5.5000 7.7500 10.0000 >> c=logspace(1,5,3) % 以 logspace 在区间 1~5 之间生成包含 3 个对数等分数据的行向 量 c = 10 1000 100000
3.矩阵
tril(A) lower triangular matrix 下三角矩阵
triu(A) upper triangular matrix 上三角矩阵
A=[1,2,3;3,4,5;7,8,9]; %3x3 的矩阵 R=triu(A,-1) % 以第 -1 条对角线分隔提取上三角 R = 1 2 3 3 4 5 0 8 9
diag(A) diagonal 对角线
eye(n) :生成n*n阶单位矩阵 eye(m,n):生成m*n的单位矩阵,对角线元素为 1,其他为0 eye(size(A)):生成一个矩阵A大小相同的单位 矩阵
size(A) 输出A矩阵的行数和列数。如果A多维,则输出每一维的个数(维数的长度)。
size(A,2) 输出A第二维的个数。
size(A,[1,3]) 输出A第一和第三维的个数。
size(A,2:4) 输出二到四维的个数。
以下函数与eye用法类似。
ones() 全1矩阵
zeros() 全0矩阵
rand() 随机矩阵 默认0~1的范围,可以通过n*rand()设置想要的范围。
randn() 生成n*n的服从标准正态分布的随机矩阵
加法:
矩阵和向量相加,即向量和矩阵的每一 行相加。这是一种隐式地复制向量到很 多位置的方式,称为广播。
乘法
注意点乘 .* 和直接 * 的区别
dot(x,y) 标量点积
A = [4 -1 2]; B = [2 -2 -1];计算
A
和B
的点积。C = dot(A,B); C结果为 8,因为C = A(1)*B(1) + A(2)*B(2) + A(3)*B(3)
用cross() 表示叉积
使用点积验证
C
是否与A
和B
垂直。dot(C,A)==0 & dot(C,B)==0
范数norm()
向量的1范数为各个元素的绝对值之和 向量的2范数为各个元素的平方和的平方根 向量的负无穷范数为所有元素的绝对值中最小的 向量的正无穷范数为所有元素的绝对值中最大的 向量的p范数为p次方和的p次方根
矩阵的1-范数(列和范数):矩阵的每一列上的元素绝对值先求和,再从中取最大值。(列和最大)norm(A,1); 矩阵的2-范数(欧几里德范数,谱范数):矩阵标签:语句,函数,矩阵,笔记,matlab,fout,范数,向量,复习 来源: https://blog.csdn.net/lwk___123/article/details/122251783
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。