第6章 矩阵分析 75.pptVIP

第六章 第6章 矩阵分析 MATLAB内置了大量的数值计算函数，这些函数封装了常用的数值计算功能。利用这些数值计算函数，能够从烦琐的编程工作中解放出来，集中精力解决问题。本课程将MATLAB数值计算分为矩阵分析、函数分析和数据分析等初等数值计算内容进行讲解。 教学重点： 本讲的矩阵分析主要讨论以下问题： 矩阵基本运算，如加、减、乘、除四则运算； 矩阵特征量，如行列式、秩等； 矩阵分解； 矩阵函数； 稀疏矩阵。 6.1 MATLAB数值计算中的矩阵分析 矩阵分析无论是在数学理论还是实际工程问题中都具有重要的应用，例如，线性方程组的解与矩阵除法、矩阵的特征量（如行列式、逆、条件数、秩等）、矩阵分解相关；MATLAB的最初雏形是为了解决大规模矩阵运算而编写的一系列函数模块。矩阵作为MATLAB的基本数据结构，一直是MATLAB的核心，是MATLAB基本的运算单元，其大部分的内建函数也都支持矩阵作为输入变量，用户在编写自用程序时也应当尽量使用矩阵作为输入变量。 6.2 矩阵基本运算 矩阵的加、减、乘、除四则运算、幂运算、比较运算和逻辑运算等代数运算是MATLAB数值计算最基础的部分。 这里可以粗略地将矩阵运算分为两类，即普通数值运算（四则运算、幂运算）和关系运算（比较运算、逻辑运算。 本节最后将特别介绍矩阵的按位运算。 6.2.1 矩阵的加、减 矩阵的加、减运算定义为相应元素的加减。对矩阵A、B，其和（差） ，C也为 矩阵，且cmn=amn+bmn。 矩阵的加、减运算要求参与运算的矩阵具有相同的大小，或者其中之一为标量，例如 矩阵A与标量 的和（差） ， 为 矩阵，且 。 应用举例： 例：已知矩阵 A=[1:4;5:8]， B=[0:3;1:4]， C=[1:3;2:4]， x＝3， 求A+B，A+C，A+x。 在Matlab中执行结果如下： A+B ans = 1 3 5 7 6 8 10 12 A+C ??? Error using == plus Matrix dimensions must agree. A+3 ans = 4 5 6 7 8 9 10 11 6.2.2 矩阵的线性代数乘法* 应用举例： 已知矩阵A=[1,2,1;-1,3,1]，矩阵B=[-1,2;2,3;4,6]，求A*B和B*A。 在Matlab中执行结果如下： A*B ans = 7 14 11 13 B*A ans = -3 4 1 -1 13 5 -2 26 10 6.2.3 矩阵的按位乘法 Matlab定义了另一类矩阵乘法，称之为矩阵的按位乘法。由C＝A*B表示，其中A、B为M x N矩阵，按位乘法所得结果C也为M x N矩阵。 说明： 参与按位乘法运算的矩阵应具有相同的大小，或者至少有一个为标量。 矩阵和标量的线性代数乘法与按位乘法是等效的。 矩阵按位乘法是可交换的，即A*B＝B*A。 应用举例： 已知A=[1,2;3,4]; B=[-1,1;1,1]; C=[1,2,3]; 求A.*B，B.*A，A.*C。 MATLAB执行结果如下： A.*B ans = -1 2 3 4 B.*A ans = -1 2 3 4 A.*C ??? Error using == times Matrix dimensions must agree. 6.2.4 矩阵线性代数除法 矩阵除法是矩阵乘法的逆运算，MATLAB也定义了两类矩阵除法。第一类是矩阵的线性代数除法，对应于矩阵线性代数乘法的逆运算。矩阵线性代数除法又有两种算子，即右除算子和左除算子，如表所示。 6.2.4 矩阵线性代数除法* Matlab在进行矩阵线性代数除法运算时，对右除A/B,要求A的列数与B的列数相等；对左除A\B,要求A的行数与B的行数相等。 应用举例： 例：已知 A=rand(3), B=[1,2,3]T,分别求线性方程组A*X＝B和X*A＝BT的解; 在Matlab中执行结果如下： A=rand(3) A = 0.9501 0.4860 0.4565 0.2311 0.8913 0.0185