矩阵学习资料.docVIP

5.1.1 基本矩阵运算元 -------------------------------------------------------------------------------- 我们在第二章已说明过 MATLAB 的运算是以阵列(array)及矩阵 (matrix) 方式在做运算，而这二者在MATLAB的 基本运算性质不同，阵列强调元素对元素的运算，而矩阵则采用线性代数的运算方式。我们就来说明矩阵运算 的特点。 以下将阵列及矩阵的运算符号及其意义列出 阵列运算符号 矩阵运算符号? 功能 + ?+ ?加 - ?- ?减 .* ?* ?乘 ./ ?/ ?左除 .\ ?\ ?右除 .^ ?^ ?次方 . ? ?转置 利用这些运算符号即可进行以下的矩阵运算。 A=[2 5 1; 7 3 8; 4 5 21; 16 13 0]; A % A的转置矩阵 A = 2 7 4 16 5 3 5 13 1 8 21 0  A=[4 -1 3]; B=[-2 5 2]; dot_prod = sum(A.*B) % 二个阵列做内积 dot_prod = -7 c=dot(A,B) % 以dot函数也可做内积运算 c = -7  A=[4; -1; 3]; dot_prod = sum(A.*B); % 如果A是行阵列则先做转置，再做内积  F=[2 5 -1]; G=[0 1 -3]; out_prod=F*G; % 二矩阵做外积  A=[2,5,1; 0,3,-1]; B=[1,0,2; -1,4,-2; 5,2,1]; C=A*B % 矩阵相乘，注意二个矩阵的大小须相容 C = 2 22 -5 -8 10 -7  A=[2 1; 4 3]; A^2 % 矩阵次方 ans = 4 1 16 9 5.1.2 矩阵多项式 -------------------------------------------------------------------------------- 函数polyvalm是以矩阵方式做多项式函数计算，有别于polyval是以阵列方式计算函数值。它的语法为 polyvalm(a,X)，其中X为一矩阵而a则是一多项式。以下的例子可说明其用法。 X=[1 1 1; 2 2 2; 3 3 3]; a=[1 1 1]; % 注意a=X*X+X+I f=polyvalm(a,X) f = 8 7 7 14 15 14 21 21 22 5.3.1 反矩阵、矩阵秩与行列式 -------------------------------------------------------------------------------- 一个正方矩阵A的反矩阵的定义是，所以此二矩阵相乘不论是或，结果皆为单位矩阵。但是一 矩阵如果是奇异(singular) 或是条件不足 (ill-conditioned)，其反矩阵并不存在。条件不足的矩阵与一组联立方程 组其中的方程式并不独立有关，而一矩阵的秩(rank) 即是代表矩阵中独立方程式个数。如果一矩阵的秩数和 其矩阵的列数相等，则此矩阵为非奇异且其反矩阵存在。 MATLAB的反矩阵函数和秩函数语法分别为inv(A), rank(A)，：例如： A=[2 1; 4 3]; rank(A) 2 % 表示A秩数为2且等于矩阵的列数 inv(A) % 反矩阵 ans = 1.5000 -0.5000 -2.0000 1.0000 B=[2 1; 3 2; 4 5]; % B为奇异矩阵 rank(B) ans = 2 % 表示B秩数为2，但是其列数为3 inv(B) ??? Error using == inv Matrix must be square. 相信大家都会计算矩阵行列式的值，但是如一矩阵大小超过4以上，行列式值的计算就会繁复。MATLAB提供 计算行列式的函数，其语法为det(A)，例如： A=[1 3 0; -1 5 2; 1 2 1]; det(A) % 矩阵之行列式值 ans = 10沪p算就会繁复。MATLAB提供 计算行列式的函数，其语法为det(A)，例如： A=[1 3 0; -1 5 2; 1 2 1]; det(A) % 矩阵之行列式值 ans = 10 5.3.2 特徵值与特徵向量 -----------------------------------------------------------------------------