2.Matlab运的算基础(数值运算).ppt

矩阵分析 inv(A) -方阵A的逆 pinv(A) - 矩阵A 的广义逆（或称为伪逆） det(A) - 方阵A的行列式. rank(A) - 矩阵的秩 trace(A) - 矩阵A的迹 (即主对角线元素之和 ). 矩阵的范数与条件数 norm - 求矩阵或向量的范数 normest - 估计矩阵的2范数. normest1 - 估计矩阵的1范数. cond - 求矩阵的条件数 rcond - 估计1范数下的条件数的倒数 condest - 估计1范数下的条件数 condeig - 计算矩阵特征值的条件数 线性代数 Z=null(A) - Z的各列为矩阵A零空间的一组标准正交基，即：A*Z=0, Z’*Z=I 且size(Z,2)=dim(null(A)),可用于求Ax=0的基础解系 B=orth(A) -得到range(A)的一组标准正交基，即B’*B=I, 并且B和A张成相同的线性空间 rref(A) - 利用高斯消元法产生矩阵A的行阶梯形矩阵（即矩阵非零行的第1个非零元素为1，且该非零元素所在列的其它元素均为零，可用于求Ax=b的解或通解） subspace(A,B) - 用于求两个子空间之间的夹角. 线性方程组求解 / - Linear equation solution; use help slash. inv - Matrix inverse. pinv - Pseudoinverse. linsolve - Linear equation solution with extra control. lsqnonneg - Linear least squares with nonnegativity constraints. lscov - Least squares with known covariance. 矩阵分解 chol - Cholesky分解. cholinc - 不完全Cholesky分解. ldl - 块LDL’分解. lu - LU 分解. luinc - 不完全LU 分解. qr - QR分解 特征值与奇异值分解 eig - 特征值分解，计算特征值问题及广义特征值问题. svd - 奇异值分解 gsvd - 广义奇异值分解 eigs - 计算最大（或最小）的k个特征值及对应的特征向量（也可用于求广义特征值问题）. svds - 计算最大（或最小）的k个奇异值. poly (A) - 当A是方阵时，求矩阵A的特征多项式. polyeig - 求解多项式特征值问题. Hess(A) - 得到矩阵A的Hessenberg 形式. schur - Schur 分解. qz - QZ 分解(用于求解广义特征值问题). [V,D]=cdf2rdf(V,D) 将复数对角型转化为实数块对角型 [U,T]=rsf2csf(U,T) 将实数块对角型转化为复数对角型 矩阵运算函数 expm -矩阵指数运算(Matrix exponential) logm -矩阵指数运算(Matrix logarithm) sqrtm -矩阵开方运算(Matrix square root) funm - Evaluate general matrix function 例如： funm(A,’exp’)或funm(A, @exp)等价于expm(A) funm(A,’log’) 等价于 logm(A) funm(A,’sqrt’) 等价于sqrtm(A) 向高维的推广 flipdim函数 格式：B=flipdim(A,dim) 功能：将A关于第d维翻转得到B。dim=1, 对行下标进行反转； dim=2, 对列下标进行反转，以此类推。对于矩阵A，flipdim(A,1) 等价于flipud(A)， flipdim(A,2) 等价于fliplr(A)。 例如：在命令行输入以下命令，观察执行结果 A(:,:,1)=round(10*rand(4));A(:,:,2)=A(:,:,1)+1; A(:,:,3)=A(:,:,1)+2 A1=flipdim(A,1), A2=flipdim(A,2), A3