ch2-Matlab矩阵的生成与运算.ppt

Matlab矩阵的生成与运算安徽工业大学数理学院侯为根wghou@ahut.edu.cn数个字符（Characters）可以构成一个字符串（Strings）一个字符串是被视为一个行向量（RowVector）进行储存此一字符串中的每一字符（含空格符），是以其ASCII码的形式存放于此列向量中的每一个元素（Element）Matlab用“单引号”来界定字符串变量，多个字符串变量可直接合并，以得到一个新字符串变量，例如：矩阵的行列式A=[123;456;789];rank(A)B=[123;456;889];rank(B)矩阵的迹A=[123;456;789];trace(A)矩阵的零空间A=[123;456;789];null(A)null(A,r)Ax=0的解空间正交化矩阵s=orth(A)

s=

-0.21480.8872

-0.52060.2496

-0.8263-0.3879s=orth(B)

s=

-0.2074-0.7711-0.6019

-0.5070-0.44150.7403

-0.83660.4587-0.2994A=magic(4),R=rref(A)A(:,1)+3*A(:,2)-3*A(:,3)A(1,:)+3*A(2,:)-3*A(3,:)矩阵梯形化与极大无关组用法：R=rref(A)[R,L]=rref(A)R给出矩阵的梯形形式，L给出极大无关组向量所在的行或列subspace([1,2,3],[3,4,2])

subspace([1,2,3],[3,4,2;1,5,2])

subspace([1,2,3;6,7,1],[3,4,2;1,5,2])两个子空间的夹角用法：theta=subspace(v,u)chol(A)%三角分解,A=L*LTlu(A)%A对称，A=L*U[U,S,V]=svd(A)%A=U*S*Vqr(A)%A=q*r(q正交阵,r三角阵）\或/%求解线性方程组cond(A)%矩阵的条件数5、MATLAB矩阵代数运算函数inv(A)%矩阵的逆Cholesky分解是将一个对称的正定矩阵分解为一个上三角矩阵和其转置的乘积。X=pascal(5)R=chol(X)C=R’*RLU分解是将原正方(square)矩阵分解成一个上三角形矩阵或是排列(permuted)的上三角形矩阵和一个下三角形矩阵，这样的分解法又称为三角分解。命令格式为：[L,U]=lu(A)[L,U,P]=lu(A)例如：B=[132;-2-61;257][L,U]=lu(B)L*U[L,U,P]=lu(B)P*L*UQR分解法是将矩阵分解成一个正规正交矩阵与上三角形矩阵，矩阵A不必为正方矩阵。A=[1325;-2-616;2572][Q,R]=qr(A)Q*Q’Q*R奇异值分解(sigularvaluedecomposition,SVD)是另一种正交矩阵分解法；SVD是最可靠的分解法，但是它比QR分解法要花上近十倍的计算时间。[U,S,V]=svd(A)，其中U和V代表二个相互正交矩阵，而S代表一对角矩阵。和QR分解法相同者，原矩阵A不必为正方矩阵。A=[1,2;3,1][S,V,D]=svd(A)eig(A)%A*x=?*x[V,D]=eig(A)%A*V=V*Deig(A,B)%A*x=?*B*x[V,D]=eig(A,B)%A*V=B*V*D例：设A=pascal(4),B=magic(4)，并使用下列函数进行计算1.当数据为行向量或列向量时，函数对整个向量进行计算.2.当数据为矩阵时，命令对列进行计算，即把每一列数据当成同一变量的不同观察值。max(求最大)、min(求最小)、mean(求平均值)、sum(求和)、std(求标准差)、cumsum(求累积和)、median(求中值)、diff(差分)、sort(升序排列)、sortrows(行升序排列)等等。数据的简单分析观察：生成一个3×6的随机数矩阵，