matlab考试基础.docVIP

1eig d=eig(A) 返回矩阵A特征值的一个向量d。 d=eig(A,B) www.iLoveM 如果A和B是方阵的，返回包含广义特征的向量。 注意：如果S是稀疏对称的，用d = eig(S) 可以返回S的特征值。如果S是稀疏但不对称，若要想得到S的特征向量，用函数eigs代替eig。 [V,D]=eig(A)计算矩阵A的特征值D和特征矩阵V，满足A*V = V*D。矩阵D是矩阵A的规范形式：主对角线上矩阵A的特征值的对角矩阵。 [V,D] = eig(A,nobalance) 当矩阵A中有与截断误差数量级相差不远的值时，改命令可能更加精确，nobalance起误差调节作用。 [V,D] = eig(A,B) 计算广义特征向量矩阵V和广义特征值矩阵D，满足A*V = B*V*D 。 [V,D] = eig(A,B,flag) 由flag指定算法来计算特征值D和特征向量V，flag的可能值为： chol：表示对B进行cholesky分解算法，这里A是对称的Hermitian矩阵，B为正定矩阵。 www.iLoveM qz：表示使用qz分解算法，这里A、B是非对称或非Hermitian矩阵。Y = inv(X) 求方阵X的逆矩阵。如果X是奇异方阵或接近奇异方阵那么输出一个警告信息。 实际上，很少需要用矩阵的逆矩阵。inv函数被频繁滥用当解线性方程A*X = b时。一个方法是用x = inv(A)*b，更好的方法是，无论在执行时间上还是数值精度上，用矩阵除法操作 x = A\b.这是用高斯消元法求解的，没有用到逆矩阵。rank函数提供了对全矩阵线性无关的行或列的个数的估计。 k = rank(A) 返回矩阵A中精度大于默认精度max(size(A))*eps(norm(A))的奇异值的个数。 k = rank(A,tol) 返回矩阵A中大于tol的奇异值的个数。 矩阵的三角分解有称LU分解，目的是将一个矩阵分解为一个下三角矩阵L和一个上三角矩阵U的乘积，即A=LU。 [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=X。 [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. Y = lu(A) [L,U,P,Q] = lu(A) [L,U,P,Q,R] = lu(A) [...] = lu(A,vector) 《Simulink与信号处理》 [...] = lu(A,thresh) [...] = lu(A,thresh,vector) 6、find ind = find(X) 找出数组X中的所有非零的元素的位置，并且在向量ind中返回非零元素的线性索引。 如果X是一个行向量，则ind也是一个行向量，否则，ind是一个列向量。 如果X没有非零元素或者是空数组，则ind为空数组。 ind = find(X, k)或ind = find(X, k, first) 最多返回数组X中所有非零元素的前k个元素的索引值，k必须为正整数，但可以是任意数值数据类型。 ind = find(X, k, last) 最多返回数组X中所有非零元素的后k个元素的索引值。 [row,col] = find(X, ...) 返回矩阵X中非零元素的行和列的索引，此语法尤其对稀疏矩阵更使用。 如果X是N2的多维数组，col是列的线性索引，比如，对5*7*3的数组X，其中在X(4,2,3)元素不为0，则find返回4在向量row中返回16在向量col，这是因为，(7列在第1页中)+(7列在第2页中)+(2列在第3页中)=16。 [row,col,v] = find(X, ...) 返回X中非零元素的列向量或行向量v和对应的行与列的索引。如果X是一个逻辑式，则v是一个逻辑数组。输出v包含表达式X计算出的逻辑数组的非零值。 比如： A= magic(4) A = 16 2 3 13 5 11 10 8 9 7 6 12 4 14 15 1 [r,c,v]= find(A10); r, c, v ans = 1 2 4 4 1 3 ans = 1 2 2 3 4 4 ans = 1 1 1 1 1 1 这里返回向量v是包含数组N中非零元素的逻辑数组，其中N=(A10).r = randn(n) 生成n*n的包含标准正态分布的随机矩阵。 randn(m,n)或randn([m,n]) 生成的m*n随机矩阵。 randn(m,n,p,...)或randn([m,n,p,...]) 生成的m*n*p随机矩数组。 randn 产生一个随机数。 randn(