mooc刘卫国老师matlab第十二版学习笔记 (专题二)

最新推荐文章于 2024-07-26 18:11:15 发布

退烧药tsy

最新推荐文章于 2024-07-26 18:11:15 发布

阅读量158

点赞数

文章标签： matlab 学习笔记

本文链接：https://blog.csdn.net/2301_79316815/article/details/132761923

版权

（1）完全存储方式与稀疏存储方式之间的转化

二、MATLAB矩阵处理

2.1 特殊矩阵

2.1.1通用性的特殊矩阵

zeros函数：产生全0矩阵，即零矩阵。
ones函数：产生全1矩阵，即幺矩阵。
eye函数：产生对角线为1的矩阵。当矩阵是方阵时，得到一个单位矩阵。
rand函数：产生（1，0）区间均匀分布的随机矩阵。
randn函数：产生均值为0，方差为1的标准正态分布随机矩阵。

zeros函数的调用格式：

zeros（m）：产生m×m零矩阵。
zeros（m，n）：产生m×n零矩阵。
zeros（size（A））：产生与矩阵A同样大小的零矩阵。

例1 首先产生5阶两位随机整数矩阵A，再产生均值为0.6，方差为0.1的5阶正态分布随机矩阵B，最后验证（A+B）I= IA+BI(I为单位矩阵)

rand函数：产生（0，1）开区间均匀分布的随机数x。
fix（a+（b-a+1）* x）：产生[a,b]区间上均匀分布的随机整数。
randn函数：产生均值为0，方差为1的标准正态分布随机数x。
$\mu + \sigma x$ ：得到均值为 $\mu$ 、方差为 $\sigma ^2$ 的随机数。

若要产生均值为 $\mu$ ，方差为 $\sigma ^{2}$ 的正态分布的n阶矩阵： $\mu +\sigma *$ randn（n）

2.1.2用于专门学科的特殊矩阵

（1）魔方矩阵（Magic Square）

n阶魔方阵有1，2，3……， $n^{2}$ 共 $n^{2}$ 个整数组成，且每行、每列以及主、副对角线上各n个元素之和都相等。
n阶魔方阵每行每列元素的和为（1+2+3……+ $n^{2}$ ）/n=（n+ $n^{3}$ ）/ 2
n>2时有很多不同的n阶魔方阵，MATLAB函数magic（n）产生一个特定的魔方阵。

例2 产生8阶魔方阵，求其每行每列元素的和。

（2）范德蒙矩阵

对于向量V=[ $V_{1}$ ， $V_{2}$ ，……， $V_{n}$ ] ，范德蒙矩阵的一般形式为：

范德蒙矩阵的最后一列全为1，即向量V各元素的零次方，倒数第二例为指定的向量V，即向量各元素的一次方，其他各列是其后列与倒数第二列的点乘积。在MATLAB中，函数vander(V)为基础的范德蒙矩阵。

范德蒙矩阵常用在各种通信系统的纠错编码中，例如，常用的Reed—Solomon编码即以范德蒙矩阵为基础。

（3）希尔伯特矩阵

n阶希尔伯特矩阵的一般形式为：

希尔伯特矩阵的元素为H(i，j) = 1/（i+j-1）。

在MATLAB中，生成n阶希尔伯特矩阵的函数为hilb（n）。

希尔伯特矩阵是著名的病态矩阵，即任何一个元素发生较小的变动，整个矩阵的值和逆矩阵都会发生很大变化。病态程度和矩阵的阶数有关，随着阶数的增加病态越严重。

（4）伴随矩阵

设多项式p（x）为 $a_{n}x^{n}+a_{n-1}x^{n-1}+$ …… $+a_{1}x+a_{0}$ ，则多项式伴随矩阵是：

p（x）称为A的特征多项式，方阵p（x）=0的根称为A的特征值。MATLAB生成伴随矩阵的函数是compan（p），其中p是一个多项式的系数向量，高次幂系数排在前，低次幂排在后。

例如，多项式 $x^{3}-2x^{2}-5x+6$ 的伴随矩阵。

可以求出伴随矩阵的特征值，该特征值等于多项式方程的根。

（5）帕斯卡矩阵

根据二项式定理，（x+y）^n展开后的系数随着n的增大组成一个三角形表，这个三角形称为杨辉三角形。
把二项式系数依次填写在矩阵的左侧对角线上，然后提前左侧的n行n列元素即为n阶帕斯卡矩阵。

帕斯卡矩阵的第一行元素和第一列元素都为1，其余位置的元素是该元素的左边元素与上面元素相加，即P（i，j）=P(i，j-1)+P（i-1，j），且P（i，1）=1，P（1，i）=1。
函数pascal（n）生成一个n阶帕斯卡矩阵。

例三生成5阶帕斯卡矩阵，验证他的所有元素都为整数。

2.2矩阵变换

2.2.1对角阵

对角阵：只有对角线上有非零元素的矩阵
数量矩阵：对角线上的元素相等的对角矩阵
单位矩阵：对角线上的元素都为1的对角矩阵

（1）提取矩阵的对角线元素

diag（A）：提取矩阵A主对角线元素，产生一个列向量。
diag（A,k）：提取矩阵A第k条对角线的元素，产生一个列向量。

(2)构造对角阵

diag（V）：以向量V为主对角线元素，产生对角矩阵。
diag（V,k）：以向量V为第k条对角线元素，产生对角矩阵。

例1 先建立5×5矩阵A，然后将A的第一行元素乘以1，第二行元素乘以2，……，第五行乘以5。

要将A的各列元素分别乘以对角线的对角线元素，如何实现？

2.2.2三角阵

上三角阵：矩阵的对角线以下的元素全为零的矩阵。
下三角阵：对角线以上的元素全为零的矩阵。

（1）上三角矩阵

triu（A）：提取矩阵A是主对角线即以上的元素。
triu（A,k）：提取矩阵A的第k条对角线及以上的元素

（2）下三角矩阵

在MATLAB中，提取矩阵A的下三角矩阵的函数tril，其用法与triu函数完全相同。

2.2.3矩阵的转置

转置运算符是小数点后面接单引号（.'）。
共轭转置，其运算符是单引号（'）,它在转置的基础上还要取每个数的副共轭。

矩阵的转置：把源矩阵的第一行变成目标矩阵的第一列，第二行变成第二列，……，以此类推。
如果矩阵的元素是实数，那么转置和共轭转置的结果是一样的。

2.2.4矩阵的旋转

rot90（A,k）：将矩阵A逆时针方向旋转90°的k倍，当k为1时可以省略。

2.2.5矩阵的翻转

对矩阵实施左右翻转是将原矩阵的第一列和最后一列调换，第二列和倒数第二列调换，……，依次类推。

fliplr（A）：对矩阵A实施左右翻转。
flipud（A）：对矩阵A实施上下翻转。

例2 验证魔方阵的主对角线、副对角线元素之和相等。

对矩阵A实施上下翻转得到矩阵B，这样矩阵A的副对角线就移到了B的对角线。
5阶魔方阵的主对角线、副对角线元素之和相等，都为65。

2.2.6矩阵求逆

对于一个方阵A，如果存在一个与其同阶的方阵B，使得AB=BA=I（I为单位矩阵），则称B为A的逆矩阵，当然，A也是B的逆矩阵。
inv（A）：求方阵A的逆矩阵。

2.3矩阵求值

2.3.1矩阵的行列式值

把一个方阵看作一个行列式，并对其按行列式的规则求值，这个值就称为所对应的行列式的值。
det（A）：求方阵A所对应的行列式的值。

例1 验证det（ $A^{-1}$ ）= 1 / det（A）。

2.3.2矩阵的秩

矩阵线性无关的行数或列数称为矩阵的秩。
rank（A）：求矩阵的A的秩。

例2 求3~20 阶魔方阵的秩。

奇数阶魔方矩阵秩为n，即奇数阶魔方阵是满秩矩阵。
一重偶数阶魔方阵秩为n/2 + 2（n是2的偶数，但非4的倍数）。
双重偶数阶魔方阵秩均为3（阶数是4的倍数）。

2.3.3矩阵的迹

矩阵的迹等于矩阵的对角线元素之和，也等于矩阵的特征值之和。
trace（A）：求矩阵A的迹。

2.3.4矩阵的范数

矩阵或向量的范数用来度量矩阵或向量在某种意义下的长度。

(1) 向量的3种常用范数

向量1——范数：向量元素的绝对值之和。

向量2——范数：向量元素绝对值的平方和的平方根。

向量∞——范数：所有向量元素绝对值中的最大值。

在MATLAB中，求向量范数的函数为：

norm（V）或norm（V,2）：计算向量V的2——范数。
norm（V,1）：计算向量V的1——范数。
norm（V,inf）：计算向量V的∞——范数。

(2) 矩阵的范数

矩阵A的1——范数：所有矩阵列元素绝对值之和的最大值。

矩阵A的2——范数：A’A矩阵的最大特征值的平方根。

其中 $\lambda 1$ 为A’A的最大特征值。

矩阵A的∞——范数：所有矩阵行元素绝对值之和的最大值。

MATLAB提供了求3种矩阵范数的函数，其函数调用格式与求向量的范数的函数完全相同。

2.3.5矩阵的条件数

矩阵A的条件数等于A的范数与A的逆矩阵的范数的乘积。
条件数越接近于1，矩阵的性能越好，反之，矩阵的性能越差。

在MATLAB中，计算矩阵A的3种条件数的函数是：

cond（A,1）:计算A的1——范数下的条件数。
cond（A）或cond（A，2）：计算A的2——范数数下的条件数。
cond（A,inf）：计算A的∞——范数下的条件数。

例3 求2~10阶希尔伯特矩阵的条件数。

2.4 矩阵的特征值与特征向量

2.4.1 矩阵特征值的数学定义

设A是n阶方阵，如果存在常数 $\lambda$ 和n维非零列向量x，使得等式Ax= $\lambda$ x成立，则称 $\lambda$ 为A的特征值，x是对应特征值 $\lambda$ 的特征向量。

2.4.2 求矩阵的特征值与特征向量

在MATLAB中，计算矩阵的特征值和特征向量的函数是eig，常用调用格式有两种：

E=eig（A）：求矩阵A的全部特征值，构成向量E。
[X,D]=eig(A)：求矩阵A的全部特征值，构成对角阵D，并产生矩阵X，X各列是相应的特征向量。

A矩阵的特征值有R矩阵的特征值和S矩阵的特征值组成，关于A矩阵每个特征值的特征向量，前三个特征向量的前三个元素是R的特征向量，后两个特征向量的后两个元素是S的特征向量，运算结果与结论相符。

2.4.3 特征值的几何意义

定义变化矩阵A，再利用A对x进行变化，得到Y矩阵，最后分别绘制变换前后的图形，M原来是正体，变化后改为斜体。
启示：在构建字库时，不必单独创建斜体字库，而只需对正体字库进行适当的线性变换即可，这样可以大大节省存储空间。

2.5 稀疏矩阵

2.5.1 矩阵的存储方式

完全存储方式：将矩阵的全部元素按列存储。
稀疏存储方式：只存储矩阵的非零元素的值及其位置，即行号和列号。

注意：采用稀疏存储方式时，矩阵元素的存储顺序并没有改变，也是按列的顺序进行存储。

$A=\begin{bmatrix} 1 &0 &0 &0 \\ 0& 5&0 &0 \\ 2 & 0& 0 & 7 \end{bmatrix}$

A矩阵的稀疏存储方式：

（1，1），1

（3，1），2

（2，2），5

（3，4），7

当矩阵的规模很大时，采用稀疏存储方式可大大节约存储空间。

2.5.2 稀疏存储方式的产生

（1）完全存储方式与稀疏存储方式之间的转化

A=sparse（S）：将矩阵S转化为稀疏存储方式的矩阵A。
S=full（A）:将矩阵A转化为完全存储方式的矩阵S。

（2）直接建立稀疏存储矩阵

sparse函数的其他调用格式：

sparse（m，n）：生成一个m×n的所有元素都是零的稀疏矩阵。
sparse（u，v，S）：其中u、v、S是3个等长的向量。S是要建立的稀疏存储矩阵的非零元素，u（i）、v（i）分别是S（i）的行和列下标。

使用spconvert函数直接建立稀疏存储矩阵，其调用格式为：

B=spconvert（A）

其中，A为一个m×3或m×4的矩阵，其每行表示一个非零元素，m是非零元素的个数。

A（i，1）表示第i个非零元素所在的行。
A（i，2）表示第i个非零元素所在的列。
A（i，3）表示第i个非零元素值的实部。
A（i，4）表示第i个非零元素值的虚部。

若矩阵的全部元素都是实数，则无需第4列。

（3）带状稀疏矩阵的稀疏存储

稀疏矩阵有两种基本类型，无规则结构的稀疏矩阵与有规则结构的稀疏矩阵。
带状稀疏矩阵就是一种十分典型的具有规则结构的稀疏矩阵，它是指所有非零元素集中在对角线上的矩阵。
[B,d]=spdiags(A):从带状稀疏矩阵A中提取全部非零对角线元素赋给矩阵B及其这些非零对角线的位置向量d。
A=spdiags（B,d，m，n）：产生带状稀疏矩阵的稀疏存储矩阵A，其中m、n为原带状稀疏矩阵的行数和列数，矩阵B的第i列即为原带状稀疏矩阵的第i条非零对角线，向量d为原带状稀疏矩阵所有非零对角线的位置。

利用带状稀疏矩阵非零对角线元素组成的矩阵B，以及对角线位置组成的向量d，命令执行后产生一个稀疏存储矩阵A。

总结

用spdiags函数产生带状稀疏矩阵的稀疏存储A：

A=spdiags（B，d，m，n）

其中，m、n为原带状矩阵的行数和列数。B为r×p矩阵，这里r=min（m，n），p为原带状矩阵所有非零对角线条数。矩阵B的第i列即为原带状矩阵的第i条非零对角线。取值方法是：若非零对角线上元素个数等于r，则取全部元素；若非零对角线上元素个数小于r，则应该用零补足到r个元素。补零的原则是：若m<n（行数<列数），则d<0时（主对角线以下）在前面补0，d>0时（主对角线以上）在后面补零；当m>=n(行数>=列数)，则d<0时在后面补零；d>0时在前面补零。