向量的距弄离与夹角余弦.pptVIP

中值定理与导数的应用 */38 Matlab实验（二） 1. 向量的数量积，矢量积 例如：a=[1,2,3], b=[-1,5,6],c=[1,0,1]则 Matlab 中数量积:dot(a,b);矢量积:cross(a,b) dot(a,b)=27, cross(a,c)=(2,2,-2) 解： a,b,c 的混合积为：dot(a,cross(b,c)) 练习：计算a,b,c 的混合积 1）Matlab 中向量 a 的范数为：norm(a) 例1 a=[1,2,3], b=[-1,5,6],c=[1,0,1], 求a,b的范数 解：norm(a)= 3.7417 , norm(b)=7.8740 练习：对例1计算：a,b夹角的余弦 dot(a/norm(a),b/norm(b)) 解法二： dot(a,b)/norm(a)/norm(b) 解法一： =0.9164 思考：a,b,c三个向量那两个更接近？ 事实上，范数的平方=向量 a自身的数量积 2.矩阵的范数与向量的标准化 如例1 a=[1,2,3], b=[-1,5,6],c=[1,0,1], 求a,b ,c之间的夹角余弦 解：输入:A=[a;b;c]; B=1-pdist(A, cosine) 输出结果为:B = 0.9164 0.7559 0.4490 计算向量之间夹角的余弦还可以用命令: B=1-pdist(A,’cosine’) 计算矩阵A的行向量之间的夹角余弦 2) 矩阵的范数有以下几种： (1) n = norm(A) 矩阵A的普范数(2范数), = A’A的最大特征值的算术根 . (2) n = norm(A,1) 矩阵A的列范数（1-范数） 等 于A的最大列之和. (3)n = norm(A,inf) 矩阵A的行范数(无穷大范数) 等于A的最大行之和. (4)n = norm(A, fro ) 矩阵A的Frobenius范数. 记为： 3) 方阵的谱半径： 方阵A的特征值的绝对值之最大值称为A的谱半径 记为： 例3.求矩阵 的谱半径 由eig(A)知矩阵A的特征值分别为1,-2,1。 例3. 将矩阵 的行向量与列向量标准化 解：A=[1,2,3;4,5,6;7,8,0];B=normr(A)，C=normc(A) 也可以输入命令： b(1)=norm(A(1,:)); b(2)=norm(A(2,:)); b(3)=norm(A(3,:)); c=b’*ones(1,3); B=A./c 4）矩阵的行向量、列向量标准化的命令： normr(A)，normc(A) （normr(A)表示将矩阵每一行除以该行的范数） 什么意思?? 求出A矩阵个各行的范数,转置后变为3*1阶矩阵, n维欧氏空间:设 表示n维向量 的全体所组成的集合，称为n维欧氏空间 称为 与 的欧氏距离 称为 与 的绝对距离 如果 2.常见的向量距离 闵可夫斯基距离： 当 r=1,2 时分别为绝对距离和欧氏距离 马氏距离： 其中 V是一个实对称正定矩阵，通常取样本的协方差矩阵，当V=E时即为欧氏距离. 以上距离，在Matlab (6.)中有命令: pdist 具体如下： (1)欧氏距离： 如果A是aⅩm阶矩阵,B是m Ⅹb 阶矩阵.即A的行向量维数等于B的列向量维数． dist(A,B)结果是一个a Ⅹb 阶上三角形矩阵d(i, j)表示A的第i个行向量与B的第j个列向量之间欧氏距离 Matlab中命令：dist(A,B)计算A中每个行向量与B中每个列向量之间欧氏距离． 例4. a=[1,2,3],b=[-1,5,6],c=[1,0,1]求a,b,c欧氏距离 解:输入:a1=dist(a,b),a2=dist(a,c),a3=dist(c,b) 或者输入:A=[a;b;c];pdist(A) Pdist(X) — 样本X中各n维向量的欧氏距离 如果X是m个n维行向量所组成的矩阵，则有： 注意： 而pdist(X)是个一行 列 矩阵。各列分别表示X中各行向量按如下顺序的距离 (1,2),(1,3),…(1,m),(2,3),(2,4),…(2,m),…(m-1,m) (2)绝对距离： Matla