实验四 矩阵.docVIP

实验四 矩阵运算、分解和特征值 【实验目的】 1．矩阵的基本运算。 2．矩阵的LU、QR和Cholesky分解。 3．矩阵的特征向量和特征值。 【实验内容】 问题1：求线性方程组 的解。（提示：对于线性方程组，先求的行列式；若可逆，则解为） 问题2： （1）求矩阵的LU分解。 （2）求矩阵的QR分解。 （3）求5阶pascal矩阵的Cholesky分解（其中5阶pascal矩阵可以用命令pascal(5)生成） 问题3： （1）求矩阵的特征值和特征向量。 （2）求矩阵的奇异值分解。 思考：[U,S,V]=svd(A) 和[U,S,V]=svd(A,0) 结果有什么不同？可以用命令help svd 看使用说明。 【相关内容介绍】 (一)矩阵的基本运算。 已知矩阵，求 （1），（2），（3），（4）的行列式，（5）的逆。 A=[3,1,1;2,1,2;1,2,3];B=[1,1,-1;2,-1,0;1,0,1]; A+B 6*A A*B det(A) %的行列式 inv(A) %的逆 大家算一下： A.*B %运算符*前加多一个点.，组成了一个新运算 比较这个运算和A*B有什么不同？ (二)矩阵的LU、QR和Cholesky分解 在实际运用中，为了简化计算，我们常常要对矩阵做一些特殊的分解，最常用的分解是LU、QR和Cholesky分解。 1．矩阵的LU分解 LU分解是将一个方阵表示为一个（排列的）下三角矩阵和一个上三角矩阵的乘积。所谓排列的下三角矩阵是指经过列的一些互换后，可以变成下三角矩阵。MATLAB命令为 [L,U]=lu(A) 矩阵A的LU分解，输出中的L,U 分别代表下三角矩阵和上三角矩阵。 例如，利用LU分解法可将A和B二矩阵分别拆解为上、下三角形矩阵 注意分解矩阵B得到的第一个矩阵[LB]是排列的下三角形矩阵，如果第二、三列互换，则此变成完全的下三角形矩阵。 注意：，但是 事实上， 2．矩阵的QR分解 QR分解把矩阵分解为正交矩阵和上三角矩阵的初等变换形式的乘积，比如把矩阵A进行如下分解AP＝QR，其中P为初等变换矩阵。MATLAB命令为 [Q,R]=qr(A) 矩阵A的QR分解，输出中的Q,R 分别代表正交矩阵和上三角矩阵。 3．矩阵的Cholesky分解 Cholesky分解把矩阵分解为上三角矩阵和其转置的乘积， 即A＝RTR，其中R为上三角矩阵。MATLAB命令为 R=chol(A) 矩阵A的Cholesky分解，输出中的R 代表上三角矩阵。 (三)矩阵的特征值和特征向量 情形1：假若A是一个方阵，那么 [X,D]=eig(A) 得到D的对角线元素是特征值，X是矩阵，它的列是相应的特征向量。 情形2：假若矩阵A的行数大于列数，那么 [U,S,V]=svd(A) 给出的是满足A=USV的U,S,V，其中U,V是方阵，而S是形如 的矩阵。这可以看作是情形1的推广。上面的这种分解称为矩阵A的奇异值分解，而U,S,V称为奇异值分解三元组。 补充（奇异解分解的定义）： 满足A = U*S*V U和V中分别是A的奇异向量，而S中是A的奇异值。AA的特征向量组成U，特征值组成SS，AA的特征向量组成V，特征值（与AA相同）组成SS。因此，奇异值分解和特征值问题紧密联系。 例如，求教材《数学模型》P247的矩阵 的特征值与特征向量，跟教材比较，是否一样？ SVD Singular value decomposition. [U,S,V] = SVD(X) produces a diagonal matrix S, of the same dimension as X and with nonnegative diagonal elements in decreasing order, and unitary matrices U and V so that X = U*S*V. S = SVD(X) returns a vector containing the singular values. [U,S,V] = SVD(X,0) produces the economy size decomposition. If X is m-by-n with m n, then only the first n columns of U are computed and S is n-by-n. See also SVDS, GSVD. Overloaded methods help sym/svd.m