第5章节 数值计算.pptVIP

本章目标 能够掌握矩阵的运算及掌握稀疏矩阵的基本操作。 学会运用MATLAB解决线性代数的相关问题。 掌握如何运用MATLAB实现多项式的运算、曲线的拟合和零极点的求解。 5.1 矩阵及其运算 MATLAB最基本、最重要的功能就是进行矩阵运算。所有的数值功能都是以矩阵为基本单位实现的。 矩阵的创建： a=[1 2 3;4 5 6] ；b=zeros(3) 矩阵的连接：水平连接 A=[B C]；垂直连接 A=[B;C] 矩阵的寻址：全下标a(1,2); 单下标a(3); 矩阵的抽取：c=a(:,1:2) 删除矩阵的行或列： a(:,[1 2])=[ ] 改变矩阵的大小：d=reshape(a,1,6) 矩阵的大小：size(a) 矩阵的维数：ndims(a) 5.1 矩阵及其运算 1.矩阵的加减 矩阵的加减运算使用＋、－运算符，能够相加减的矩阵需满足以下两个条件之一： 1)类型相同，即行数相等，且列数相等。 2)其中一个为标量，此时的加减运算结果等于矩阵中每一个元素都和标量做加减运算。 【例5-1】求矩阵A与B的和，A=[1 2 3 ]，B=[2 3 6]。 A+B ans = 3 5 9 5.1 矩阵及其运算 2.矩阵的乘积 矩阵的乘积运算使用*运算符，而且相乘的矩阵必须满足维数条件。如果A是m×p矩阵，而B是p×n 矩阵，它们可以相乘产生m×n 矩阵。 【例5-2】求例5-1中矩阵A与B的转置矩阵的乘积。 A*B ans =26 在MATLAB里，单引号表示复共轭转置，一个点加单引号.′表示普通转置。 5.1 矩阵及其运算 3.矩阵的除法 MATLAB定义了矩阵的左除及右除。“\”运算符号表示两个矩阵的左除，“/”表示两个矩阵的右除。 通常：线性方程AX＝B的解为X= A\B ，相当于inv(A)*B。 线性方程XC＝D的解为X= D/C ，相当于D*inv(C)。 5.1 矩阵及其运算 【例5-1】：产品成本分析， 使用MATLAB算出：每个季度的材料成本、劳动成本和运输成本；一年中总的材料成本、劳动成本和运输成本，以及每个季度的总成本。 5.1 矩阵及其运算 成本是单位成本与产量的乘积。因此，用户定义两个矩阵：X（包含表5.1.3中的单位成本，单位为千元）和Y（包含表5.1.4中每季度的产品数据）。然后在运行下列命令行即可得到问题的答案。 X=[6 2 1;2 5 4;4 3 2 ;9 7 3]; Y=[10 12 13 15;8 7 6 4;12 10 13 9;6 4 11 5]; quarterly_costs=sum(X*Y) quarterly_costs = 400 351 509 355 category_costs=sum((X*Y)) category_costs = 760 539 316 所以，每个季度的总成本分别是：400 ，351 ，509 和355（美元）。一年中总的材料成本：760美元，劳动总成本：539美元和运输成本316美元。 5.1 矩阵及其运算 其他矩阵的常用运算函数 矩阵的乘方运算： A^3 矩阵的开方运算： sqrtm(A) 矩阵的指数运算： expm(A) 矩阵的对数运算： logm(A) 注意：凡涉及矩阵的运算均要注意满足维数条件 5.1 矩阵及其运算 稀疏矩阵 如果在矩阵中，多数的元素并没有值，称此矩阵为稀疏矩阵(Sparse Matrix)，由于矩阵在方程中常使用二维阵列表示，二维阵列的大小与使用的内存空间成正比，如果多数的元素没有值，则会造成内存空间的浪费，为此，必须设计稀疏矩阵的阵列储存方式，利用较少的内存空间储存完整的矩阵信息。 5.1 矩阵及其运算 在MATLAB中，用sparse函数来创建一个稀疏矩阵。 sparse (A) 由非零元素和下标建立稀疏矩阵A。如果A已是一个稀疏矩阵，则返回A本身。 sparse (m，n) 生成一个m×n的所有元素都是0的稀疏矩阵。 【例5-2】把3阶的单位矩阵转换成稀疏矩阵。 as = sparse(eye(3)) as = (1，1) 1 (2，2) 1 (3，3) 1 5.1 矩阵及其运算 【例5-3】将例5-2中的结果再转换成满矩阵。 full(as) ans = 1 0 0 0 1 0 0 0 1 【例5-4】求3阶单位矩阵的非零元素的个数，并画出非零元素的分布。 nnz(eye(3)) ans =3 s