练习7

1.创建一个矩阵,然后求出它的秩。这用到什么命令?

>> A=[1,2,3;4,5,6;7,8,9]

A =

     1     2     3
     4     5     6
     7     8     9
>> rank(A)

ans =

     2
求秩用到的是rank(A)命令

2.MATLAB中有几种求范数的函数命令,它们的区别是什么?  

>> norm(A,1)

ans =

    18

>> norm(A,2)

ans =

   16.8481

>> norm(A,'inf')

ans =

    24

>> norm(A,'fro')

ans =

   16.8819

4种。

1-范数:║A║1 = max{ ∑|ai1|, ∑|ai2| ,…… ,∑|ain| } (列和范数,A每一列元素绝对值之和的最大值,其中∑|ai1|第一列元素绝对值的和∑|ai1|=|a11|+|a21|+...+|an1|,其余类似);
2-范数:║A║2 = A的最大奇异值 = ( max{ λi(A^H*A) } ) ^{1/2} ( 谱范数,即A'A特征值λi中最大者λ1的平方根,其中A^H为A的转置共轭矩阵);
∞-范数:║A║∞ = max{ ∑|a1j|, ∑|a2j| ,..., ∑|amj| } (行和范数,A每一行元素绝对值之和的最大值,其中为∑|a1j| 第一行元素绝对值的和,其余类似);
其它的p-范数则没有很简单的表达式。
对于p-范数而言,可以证明║A║p=║A^H║q,其中p和q是共轭指标。
简单的情形可以直接验证:║A║1=║A^H║∞,║A║2=║A^H║2,一般情形则需要利用║A║p=max{y^H*A*x:║x║p=║y║q=1}。
F-范数:Frobenius范数,即矩阵元素绝对值的平方和再开平方,matlab调用函数norm(A, 'fro')。

3.矩阵函数与数组型函数有什么区别? 

一维数组相当于向量,二维数组相当于矩阵.所以矩阵是数组的子集。
数组运算是指数组对应元素之间的运算,也称点运算.矩阵的乘法、乘方和除法有特殊的数学含义,并不是数组对应元素的运算,所以数组乘法、乘方和除法的运算符前特别加了一个点。
矩阵是一个二维数组,所以矩阵的加、减、数乘等运算与数组运算是一致的。但有两点要注意:
(1)对于乘法、乘方和除法等三种运算,矩阵运算与数组运算的运算符及含义都不同:矩阵运算按线性变换定义,使用通常符号;数组运算按对应元素运算定义,使用点运算符;
(2)数与矩阵加减、矩阵除法在数学是没有意义的,在MATLAB中为简便起见,定义了这两类运算。

4.矩阵分解除了LU命令外,还有哪几种?分解后的矩阵是什么形式的矩阵?

 (1) 满秩矩阵的QR分解
对矩阵X进行QR分解,就是把X分解为一个正交矩阵Q和一个上三角矩阵R的乘积形式。QR分解只能对方阵进行。MATLAB的函数qr可用于对矩阵进行QR分解,其调用格式为:
[Q,R]=qr(X):产生一个一个正交矩阵Q和一个上三角矩阵R,使之满足X=QR。
[Q,R,E]=qr(X):产生一个一个正交矩阵Q、一个上三角矩阵R以及一个置换矩阵E,使之满足XE=QR。
(2) 对称正定矩阵的Cholesky分解
如果矩阵X是对称正定的,则Cholesky分解将矩阵X分解成一个下三角矩阵和上三角矩阵的乘积。设上三角矩阵为R,则下三角矩阵为其转置,即X=R'R。MATLAB函数chol(X)用于对矩阵X进行Cholesky分解,其调用格式为:
R=chol(X):产生一个上三角阵R,使R'R=X。若X为非对称正定,则输出一个出错信息。
[R,p]=chol(X):这个命令格式将不输出出错信息。当X为对称正定的,则p=0,R与上述格式得到的结果相同;否则p为一个正整数。如果X为满秩矩阵,则R为一个阶数为q=p-1的上三角阵,且满足R'R=X(1:q,1:q)。
(3) 任意方阵的Schur分解
任意一个n阶方阵X可以分解为X=URU',其中U为酉矩阵,R为上三角schur矩阵且其主对角线上的元素为X的特征值。
[U,R]=schur(X)
(4) 任意方阵的Hessenberg分解
任意一个n阶方阵X可以分解为X=PHP', 其中P为酉矩阵,H的第一子对角线下的元素均为0,即H为Hessenberg矩阵。
[P,H]=hess(X)
(5) 任意方阵的特征值分解EVD
任意一个n阶方阵X可以分解为XV=VD,其中D为X的特征值对角阵,V为X的特征向量矩阵。
[V,D]=eig(X)
[V,D]=eig(X,Y)计算广义特征值矩阵D和广义特征值向量矩阵V,使得XV=YVD。
(6)任意矩阵的奇异值分解SVD
任意一个m*n维的矩阵X可以分解为X=USV',U,V均为酉矩阵,S为m*n维的对角矩阵,其对角线元素为X的从大到小排序的非负奇异值。
[U,S,V]=svd(X)
(7) 任意矩阵的几何均值分解GMD
任意矩阵m*n维的矩阵X可以分解为X=QRP',Q,P均为酉矩阵,R为k*k维的实正线上三角矩阵,其主对角线元素均等于X的所有K个正奇异值的几何均值,k=rank(X)。
(PS: 一个n × n的实对称矩阵 M 是正定的当且仅当对于所有的非零实系数向量z,都有 zTMz> 0。其中zT 表示z的转置。对于复数的情况,定义则为:一个n × n的埃尔米特矩阵 M 是正定的当且仅当对于每个非零的复向量z,都有z*Mz> 0。其中z* 表示z的共轭转置。由于M是埃尔米特矩阵,经计算可知,对于任意的复向量z,z*Mz必然是实数,从而可以与0比较大小。因此这个定义是自洽的。正定方阵M的所有的特征值λi都是正的。)

5.试分解第1题中创建的矩阵。

>> lu(A)

ans =

    7.0000    8.0000    9.0000
    0.1429    0.8571    1.7143
    0.5714    0.5000   -0.0000




评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值