数值代数方向相关函数.ppt

计算数学专业数值代数方向的Matlab相关函数 一、创建稀疏矩阵 二、矩阵特征、范数以及条件数 三、矩阵的分解 四、特殊矩阵的生成 五、最小二乘拟合直线 一、创建稀疏矩阵 在MATLAB中，通过函数sparse()把普通矩阵转换为稀疏矩阵，该函数的调用格式如下。 1. S=sparse(A): 该函数将矩阵A转换为稀疏矩阵S。当矩阵A是系数存储时，则函数调用相当于S=A。 2. S=sparse(m,n):该函数产生一个mxn的所有元素都是0的稀疏矩阵。 3. S=sparse(u,v,S): 该函数的输入参数u,v和S是3个等长的向量。S是要建立的稀疏矩阵的非0元素，u(i),v(i) 分别是s(i)的行和列下标，该函数建立一个max(u)行、max(v)列，并以s为非零元素的稀疏矩阵。 4. S=sparse(i,j,s,m,n): 该函数中i和j分别是稀疏矩阵中非零元素的行和列，s为相应的元素值，m和n分别是矩阵的行和列。 计算数学专业数值代数方向的Matlab相关函数 一、创建稀疏矩阵 二、矩阵特征、范数以及条件数 三、矩阵的分解 四、特殊矩阵的生成 五、最小二乘拟合直线 二、矩阵特征、范数以及条件数 （一）矩阵特征 y1=det(A) 求矩阵A的行列式 [V,D]=eig(A) 求矩阵A的特征向量、特征值构成的对角阵 b1=diag(A) 获取A的主对角元素 B2=diag(A,i) 获取第i条对角元素（对角线以上） triu(A) 返回矩阵A的上三角矩阵 Tril(A) 返回矩阵A的下三角矩阵 triu(A,k) 返回矩阵A的第k条对角线以上的元素 C=inv(A) 求逆（A为可逆方阵） D=pinv(A) 求A的广义逆 d=rank(A) 求矩阵A的秩 （二）矩阵范数 n1=norm(A,1) 计算矩阵的1-范数 n2=norm(A) 计算矩阵的2-范数 n3=norm(A,inf) 计算矩阵的无穷范数 n3=norm(A,’fro’) 计算矩阵的Frobenius范数 n5=normest(A) 计算矩阵2-范数的估计值 （三）条件数及其他 c1=cond(A,1) 矩阵的1-范数下的条件数 c2=cond(A,2) 矩阵的2-范数下的条件数 c3=cond(A,inf) 矩阵无穷范数下的条件数 x1=expm(A) 　　　 计算矩阵的指数 X2=logm(A) 计算矩阵A的对数 X1=funm(A,@sin) 计算矩阵的正弦 计算数学专业数值代数方向的Matlab相关函数 一、创建稀疏矩阵 二、矩阵特征、范数以及条件数 三、矩阵的分解 四、特殊矩阵的生成 五、最小二乘拟合直线 三、矩阵的分解 （一）Cholesky分解 R=chol(A): 该函数对正定矩阵A进行Cholesky分解，返回值R为上三角矩阵，满足A=R’*R。如果矩阵A不是正定矩阵，则返回出错信息。 [R,p]=chol(A): 当矩阵A是正定矩阵时，进行Cholesky分解，返回值R为上三角矩阵，满足A=R’*R，p=0。如果矩阵A不是正定矩阵，则返回值p是一个正整数，R为上三角矩阵，其阶数为p-1，且满足A(1:p-1,1:p-1)=R’*R 例：利用函数进行矩阵的Cholesky分解 clear all; A=pascal(4) %产生4阶的帕斯卡矩阵 eig(A) R=chol(A) %矩阵的Cholesky分解 R’*R （二）LU分解 高斯消去法又称为LU分解，将方阵A分解为下三角矩阵的置换矩阵L和上三角矩阵U的乘积。即满足A=L*U [L1,U1]=lu(A): 该函数将矩阵A分解为下三角矩阵的置换矩阵L1和上三角矩阵U1，它们满足A=L1*U1。 [L2,U2,P]=lu(A): 该函数将矩阵A分解为下三角矩阵L2和上三角矩阵U2，以及置换矩阵P，它们满足L2*U2=P*A Y=lu(A): 该函数将下三角矩阵和上三角矩阵合并在矩阵Y中，矩阵Y的对角元素为上三角矩阵的对角元素，并且满足Y=L2+U2-eye(size(A)) 例：利用函数lu()进行矩阵的LU分解，代码如下 （三）QR分解 矩阵的正交分解，又称为QR分解。QR分解将一个mxn的矩阵A分解为一个正交矩阵Q（大小为mxn）和一个上三角矩阵R（大小为mxn）的乘积，即A=Q*R。在MATLA