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