Matlab实用教程第三章.pptVIP

3．矩阵开平方运算 对于方阵A，可以计算它的开平方得到矩阵X，即满足X*X=A。如果矩阵A是奇异的，它有可能不存在平方根X。 在MATLAB中，有两种计算矩阵A平方根的方法，即A^0.5和sqrtm(A)。函数sqrtm()比A^0.5的运算精度更高，其具体用法如下： X = sqrtm(A)，返回矩阵A的平方根X。 4．通用矩阵运算 MATLAB提供通用矩阵运算的函数funm()，其具体用法如下： F = funm(A,fun)，将指定函数fun作用 在方阵A上。 可以使用的指定函数fun如下表所示。 2．LU分解 高斯消去法又称LU分解， 将任意一个方阵A分解为一个交换下三角 矩阵L和一个上三角矩阵U的乘积，即 A=LU。 交换下三角矩阵为下三角矩阵经行变换的 结果。 LU分解在MATLAB中用函数lu()来实现，具体用法如下： [L,U] = lu(X)，X为一个方阵，L为交换 下三角矩阵，U为上三角矩阵，满足关系 X=L*U； [L,U,P] = lu(X)，X为一个方阵，L为下 三角矩阵，U为上三角矩阵，P为置换矩 阵，满足关系P*X = L*U或X =P-1 *L*U。 考虑线性方程组AX=B和矩阵A的LU分解，线性方程组可改写成L*U*X=B，由于左除算符\可以快速处理三角矩阵，因此： X=U\(L\B) 矩阵的行列式和逆也可以利用LU分解来计算，如 det(A)=det(L)*det(U) inv(A)=inv(U)*inv(L) 对于稀疏矩阵，在MATLAB中提供了函数luinc()来做不完全LU分解，其具体用法如下： [L U]= luinc(X,DROPTOL)，其中X、L和U 的含义与函数lu()中的变量相同，DROPTOL为 不完全LU分解的丢失容限。当DROPTOL设为0 时，退化为完全LU分解。 [L,U] = luinc(X,‘0’)，0级不完全LU分解。 [L,U,P] = luinc(X,0)，0级不完全LU分解。 3．QR分解 QR分解就是将m×n的矩阵A分解为m×n的矩阵Q和n×n的上三角矩阵R的乘积，且Q‘*Q=I，即A=Q*R。 在MATLAB中QR分解是由函数qr()来实现，其具体用法如下： [Q,R] = qr(A) 满足A=Q*R。 R = qr(A)， 返回上三角矩阵R。 4．奇异值分解 奇异值分解就是将m?n的矩阵A分解为A=U*S*V’，其中U为m?m的酉矩阵，V为n?n的酉矩阵，S为m?n的矩阵，并可如下表示： ，其中 ， ， 在MATLAB中奇异值分解是由函数svd()来实现，其具体用法如下： 5．Schur分解 Schur分解就是将复方阵A分解为A=U*L*U’，其中U为酉矩阵，L为上（下）三角矩阵，其对角线元素为A的特征值。 在MATLAB中Schur分解是由函数schur()来实现，其具体用法如下： [U,L] = schur(A)，满足A=U*L*U’， 其中L为上三角矩阵。 L = schur(A)，返回上三角矩阵L。 3.1.4 矩阵的特征值和特征向量 方阵A的特征值λ和其对应的特征向量ν满足下式： A*ν=λ*ν 在MATLAB中用函数eig()来计算特征值和其对应的特征向量，其具体用法如下： d = eig(A)，返回矩阵A的所有特征值。 [V,D] = eig(A)，返回矩阵A的特征值和 特征向量。 3.1.5 矩阵相似变换 1．对角阵变换 2．Jordan变换 矩阵相似变换是指，对于方阵A和非奇异矩阵B可得到相似矩阵X=B-1*A*B。 1．对角阵变换 对于方阵A，若[V D]=eig(A)得到的矩阵V非奇异，则A可经过相似变换得到对角阵，即D=V-1*A*V，也称矩阵A可对角化。 2．Jordan变换 对于方阵A，若[V D]=eig(A)得到的矩阵V奇异，则A经过相似变换将不能得到对角阵，只能得到其对应的Jordan标准型。 在MATLAB中用函数jor