高效执行矩阵运算：求解C=(A^T A)^(-1)A^T B的方法

你要计算的公式 ( C=(A^T A)^{-1}AT B ) 是线性最小二乘问题的闭式解，完全不需要手动计算，用Excel或Python都能快速搞定，具体步骤如下：

方法一：使用Excel #

Excel通过矩阵运算函数组合就能实现，注意旧版Excel需要用数组公式（按Ctrl+Shift+Enter确认），新版Excel 365支持动态数组，直接回车即可：

• 假设矩阵A存放在A1:I18（18行9列），矩阵B存放在J1:J18（18行1列）
• 计算 ( A^T A )：选中9×9的空白区域（比如K1:S9），输入公式 =MMULT(TRANSPOSE(A1:I18), A1:I18)，按数组确认键完成
• 求逆矩阵 ( (A^T A)^{-1} )：选中另一块9×9区域（比如K11:S19），输入 =MINVERSE(K1:S9)，按数组确认键完成
• 计算 ( A^T B )：选中9×1区域（比如T1:T9），输入 =MMULT(TRANSPOSE(A1:I18), J1:J18)，按数组确认键完成
• 最终计算C：选中9×1区域（比如U1:U9），输入 =MMULT(K11:S19, T1:T9)，按数组确认键得到结果

方法二：使用Python（推荐，更高效稳定） #

用numpy库处理矩阵运算最便捷，尤其是处理大规模矩阵时优势明显：

1. 先安装并导入numpy：

   import numpy as np
   

2. 加载矩阵A和B（可以直接定义或从文件读取）：

   # 示例：直接定义矩阵（实际使用可替换为从csv/txt读取，比如np.loadtxt("A.csv")）
   A = np.array([[1,2,...], [3,4,...], ...])  # 18行9列
   B = np.array([[1], [2], ...])  # 18行1列，确保是列向量
   

3. 两种计算方式：
   • 严格按照公式计算：

     A_T = A.T
     A_T_A = A_T @ A
     inv_A_T_A = np.linalg.inv(A_T_A)
     A_T_B = A_T @ B
     C = inv_A_T_A @ A_T_B
     

   • 更稳定的最小二乘函数（推荐，自动处理矩阵奇异情况）：

     C = np.linalg.lstsq(A, B, rcond=None)[0]
     

4. 输出结果：print(C) 就能得到9×1的矩阵C

内容的提问来源于stack exchange，提问作者callum