码迷,mamicode.com
首页 > 其他好文 > 详细

MATLAB(矩阵基本运算)

时间:2021-04-19 16:05:02      阅读:0      评论:0      收藏:0      [点我收藏+]

标签:魔方   正交   含义   class   efault   magic   列表   lis   randn   

矩阵的基本命令和功能

技术图片

MATLAB命令功能效果
A’ 矩阵A的转置 技术图片
A+B 矩阵A和矩阵B的和 技术图片
A-B 矩阵A减矩阵B 技术图片
A*B 矩阵A乘以矩阵B 技术图片
k*A 数看乘以矩阵A 当k等于3时技术图片
det(A) A的行列式 技术图片
rank(A) A的秩 技术图片
inv(A) A的逆 技术图片
B/A B左乘A的逆;A右除B,即B*inv(A) 技术图片
A\B B右乘A的逆;A左除B,即inv(A)*B 技术图片
A^n A的n次幂 当n=2时技术图片
A.*B A与B的对应元素相乘 技术图片
a3=A(3,:) A的第三列生成一个行向量 技术图片
b2=B(:,2) B的第2列生成一个列向量 技术图片
A(始行:步长:终行,始列:步长:终列) A的某几行、某几列上交叉元素生成A的子矩阵  
zeros(6) 生成6阶的零矩阵 技术图片
eye(4) 生成4阶单位阵 技术图片
a1*a2‘ 两个向量的内积  

常用的函数列表

MATLAB函数功能格式效果
ones 生成全1阵 y=ones(n) %生成n×n的全1阵
y=ones(m,n) %生成m×n的全1阵
技术图片
rand 生成均匀分布随机矩阵 y=rand(n) %生成n×n的随机矩阵 其元素在(0,1)内
y=ones(m,n) %生成m×n的随机矩阵
技术图片
randn 生成正态分布随机矩阵 y=randn(n) %生成n×n的正态分布随机矩阵
y=ones(m,n) %生成m×n的正态分布随机矩阵
技术图片
linspace 产生线性等分向量 y=linspace(a,b) %产生100个线性等分点
y=linspace(a,b,n) %产生n个线性等分点
当a=3,b=2,n=5时技术图片
logspace 产生对数等分向量 y=logspace(a,b) %在()之间产生50个对数等分向量
y=logspace(a,b,n) %在()之间产生n个对数等分向量
当a=3,b=2,n=5时技术图片
numel 计算矩阵中元素的个数 n=numel(A) %返回矩阵A的元素的个数 技术图片
blkdiag 产生以输入元素为对角线元素阵 out=blkdiag(a,b,c,d…) %产生以a,b,c,d,…为对角线元素的矩阵 当a=3,b=2,c=4,d=8时技术图片
hadamard 生成hadamard矩阵 H=hadamard(n) %返回n阶hadamard矩阵 当n=2时技术图片
Hankel 生成Hankel方阵 H=hankel( c ) %第1列元素为c,反三角以下元素为0
H=hankel(c,r) %第1列元素为c,最后1行元素为r,如果c的最后一个元素与r的第1个元素不同,交叉位置取为c的最后一个元素
 
hilb 生成Hilbert矩阵 H=hilb(n) %返回n阶Hilbert矩阵,H(i,j)=1/(i+j-1) 技术图片
invhilb 生成逆Hilbert矩阵 H=invhilb(n) %产生n阶逆Hilbert矩阵 技术图片
magic(n) 生成Magic矩阵 M=magic(n) %产生n阶魔方矩阵 技术图片

向量的范数norm,使用格式和具体的数学含义分别为:

技术图片
技术图片

使用格式数学含义效果
n=norm(X) X为向量,求欧几里德范数即 \vert \vert X\vert \vert _2=\sqrt{\sum\vert X_k \vert^2}X2?=Xk?2? 技术图片
n=norm(X,inf) 求∞范数,即\vert \vert X\vert \vert=max(abs(X))X=max(abs(X)),即 技术图片
n=norm(X,1) 求1范数,即 \vert \vert X\vert \vert _1=\sum\vert X_k \vertX1?=Xk? 技术图片
n=norm(X,-inf) 求向量-X的元素的绝对值的最小值,即\vert \vert X\vert \vert=min(abs(X))X=min(abs(X)) 技术图片
n=norm(X,p) 求p-范数,即\vert \vert X\vert \vert _p=\sqrt[p]{\sum\vert X_k \vert ^p}Xp?=pXk?p?, 所以norm(X,2)=norm(X) 当p=2时技术图片
n=norm(A) A为矩阵,求欧几里德范数 ,等于A的最大奇异值\vert \vert A\vert \vert_2A2? 技术图片
n=norm(A,1) 求A的列范数\vert \vert A\vert \vert_1A1? ,等于A的列向量的1-范数的最大值 技术图片
n=norm(A,2) 求A的欧几里德范数\vert \vert A\vert \vert_2A2? ,和norm(A)相同 技术图片
n=norm(A,inf) 求行范数\vert \vert A\vert \vert_\inftyA? ,等于A的行向量的1-范数的最大值,即:max(sum(abs(A’))) 技术图片
n=norm(A,‘fro’) 求矩阵A的Frobenius范数\vert \vert A\vert \vert _F=\sqrt{\sum\sum\vert A_{ij}\vert^2}AF?=Aij?2? ,即sqrt(sum(diag(A’*A))),不能用矩阵p-范数 技术图片

矩阵的其它有关运算,包括矩阵的特征值、特征向量、矩阵初等变换的实现、向量组线性相关性的判定、矩阵条件数的计算、矩阵的LU分解等内容

技术图片

使用格式功能效果
D=eig(A) 求A的特征值,得到一个由特征值构成的向量D 技术图片
[X,D]=eig(A) A的特征向量矩阵X及A的特征之组成的对角阵D 技术图片
Q=orth(A) 将非奇异矩阵A正交化为Q, Q’*Q=1 技术图片
A([i,j],:)=A([j,i],:)?? 互换A的第i行与第j行 技术图片
A(:,[i,j])=A(:,[j,i]) 互换A的第i列与第j列 技术图片
A(i,:)=k*A(i,:) 用k乘以A的第i行 当i=1,k=2时技术图片
A(i,:)=A(i,:)+k*A(j,:) 将A的第j行的k倍加到第i行上 当i=1,k=2,j=2时技术图片
A(:,i)=A(:,i)+k*A(:,j) 将A的第j行的k倍加到第i列上 技术图片
B=[A,E;O,A] 由已定义的矩阵A,E,O, A作为矩阵的子块,生成矩阵B  
rref’(A) 求A的列向量组的一个极大线性无关组 技术图片
c=cond(A) cond 2(A)= 技术图片
c=cond(A,p) cond p(A)= 当p=2时技术图片
[L,U]=lu(A) U为上三角阵,L为下三角阵或其变换形式,满足LU=A 技术图片
[L,U,P]=lu(A) U为上三角阵,L为下三角阵,P为单位矩阵的行变换矩阵,满足LU=PA 技术图片

MATLAB(矩阵基本运算)

标签:魔方   正交   含义   class   efault   magic   列表   lis   randn   

原文地址:https://www.cnblogs.com/OIqng/p/14671257.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!