第三讲矩阵的基本运算.ppt

第三讲内容介绍 目标：进一步了解MATLAB，能够熟练掌握矩阵的各种基本运算法则。 3.1 MATLAB矩阵的代数运算 3.1.1 加法和减法运算 C=A+B或 C=plus(A,B) C=A-B或C=minus(A,B) 注意：加减运算要求A、B同构，即大小一样 特别地，标量可以和任意大小的矩阵进行加减 例题3.1.1显然略讲 3.1.2 乘法运算 普通矩阵乘法：C=A*B或C=mtimes(A,B) 矩阵的数值乘法：C=A.*B或C=times(A,B) 数值乘法也叫点乘，要求A、B同构。 标量可以和任意大小的矩阵相乘（此时，普乘和点乘结果一样）。见例题3.1.2 3.1.3 矩阵的除法 1. 方阵的求逆: B=inv(A) 2. 除法运算（分左除和右除） 1)普通除法 左除：C=A\B或C=mldivide(A,B) 右除： C=A/B或C=mrdivide(A,B) 一般地，左除不等于右除；显然，若A可逆，则C=A\B=inv(A)*B;若B可逆，则C=A/B=A*inv(B); 显然，（1）对于线性方程组AX=B,若A为可逆，则X=A\B=inv(A)*B; （2）对于线性方程组XA=B,若A为可逆，则X=B/A=B*inv(A); 矩阵特征值和特征向量 E=eig(A) 求特征值 [V,D]=eig(A) D是特征值构成的对角阵；V是特征向量阵，列为特征向量。 对称正定阵的cholesky分解 R=chol(A) A对称正定，R为上三角阵，R’*R=A 方阵的QR分解 [Q,R]=qr(A) Q为正交矩阵，R为上三角阵，Q*R=A 可逆阵的 LU分解 [L,U]=lu(A) L是下三角阵，U是上三角阵 这些对解线性方程组还是很有利的。 3.1.4 矩阵的乘方运算 分为普通乘方和数值乘方两种，分别为： C=A^B or C=mpower(A,B) C=A.^B or C=power(A,B) 注意：普通乘方要求A是方阵，B是标量：若B是正整数，显然；若B是负整数，则A^B=(inv(A))^abs(B); 若B不是整数，并且A的特征值矩阵为D,特征向量矩阵为V,则A^B=V*(D.^B)/V,其中D为对角阵，D.^B为数值的乘方。 对于数值乘方而言：A和B大小相等，针对元素来运算。 3.1.5 矩阵的转置和共轭转置 复矩阵的共轭转置：B=A’ or B=ctranspose(A); 复矩阵的转置：B=A.’ or B=transpose(A) 注意：共轭转置是指先每个元素求共轭，再把矩阵转置；转置运算是点运算。 3.1.6 矩阵的函数运算 1. 常用函数见P59函数表，是对每个元素求函数值 记住一些常用函数格式！！！ 数据分析函数 mean(A) — A中各列向量的均值 var(A) — A中各列向量的方差 std(A) — A中各列向量的标准差 cov(A) — A中各列向量的协方差矩阵 corrcoef(A) — A中各列向量的相关矩阵 其它的函数如prod(求积）、max、sum、min等均按列进行运算。 5.快速运算符 （1）快速逻辑与运算：C=(AB) or C=AB 若A的元素为0，则C的相应元素直接为0；若A的元素为1，再去计算B的元素的值。 （2）快速逻辑或运算： C=(A||B) or C=A||B 若A的元素为1，则C的相应元素直接为1；若A的元素为0，再去计算B的元素的值。 3.3.2 逻辑运算函数（以此方便查找矩阵中满足条件的部分或所有元素） 1.all函数 （1）all(x):x为向量，若向量中所有元素均非零，则函数值为“1”，否则为“0”。 （2）all(A):若某列所有元素均非零，则函数值为“1”，否则为“0”。 （3）all(A,dim):A是多维数组，在dim维上进行all(A)计算。 2. any函数 （1）any(x):x为向量，若向量中有非零数，则函数值为“1”，否则为“0”。 （2）any(A):若某列有非零数，则函数值为“1”，否则为“0”。结果是一行向量。 （3）any(A,dim):在dim维上进行any(A)计算。 3.3.3 测试函数的介绍 （10）isglobal(A):若A是全局变量，则返回“1”； （11）isletter(A):若A是字母，则返回“1”； （12）isspace(A):若A是空格，则返回“1”； 3.4 集合的运算 对向量或矩阵进行集合交、并、差、异或等运算。 3.4.3两个集合的差集 格式：c=setdiff(a,b) %返回属于a但不属于b的不同元素 的集合，即c=a-b. C=setdiff(A,B,’rows’) %