Matlab矩阵的处理

专题二 Matlab矩阵的处理

2.1 特殊矩阵

1.通用的特殊矩阵

• 特殊矩阵生成函数
  • zeros函数：产生全0矩阵
  • ones函数：产生全1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（0，1）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
• 调用格式（以zeros函数为例）
  • zeros(m):产生m×m的零矩阵
  • zeros(m,n):产生m×n的零矩阵
  • zeros(size(A)):产生与矩阵A同样大小的零矩阵

2.用于专门学科的特殊矩阵

• 魔方矩阵——Magic Square

  • >>>M=magic(3)
    M=
      8 1 6
      3 5 7
      4 9 2
    

  • n阶魔方阵由1，2，3，……，n²共n²个整数组成，且每行、每列以及主、副对角线上各n各元素之和都相等
  • n阶魔方阵每行每列元素的和为(1+2+3+……+n²)/n=(n+n³)/2
  • Matlab函数magic(n)产生特定的魔方阵
• 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：
    $$V=\left[\begin{array}{ccccc}{v}_1^{n-1}& ...& v_1^2& v_1^1& v_1^0\\ v_2^{n-1}& ...& v_2^2& v_2^1& v_2^0\\ v_3^{n-1}& ...& v_3^2& v_3^1& v_3^0\\ ⋮& \ddots & ⋮& ⋮& ⋮\\ v_n^{n-1}& ...& v_n^2& v_n^1& v_n^0\end{array}\right]\text{\hspace{1em}(1)}$$

  • 函数调用

    >>A = vander(1:5)
    A = 
      1   1   1  1  1
      16  8   4  2  1
      81  27  9  3  1
      256 64  16 4  1
      625 125 25 5  1
    

  • 范德蒙矩阵常用再各种通信系统的纠错编码中

• 希尔伯特矩阵
  • 一般形式
    $$H=\left[\begin{array}{cccc}1& 1/2& \cdots & 1/n\\ 1/2& 1/3& \cdots & 1/(n+1)\\ ⋮& ⋮& \ddots & ⋮\\ 1/n& 1/(n+1)& \cdots & 1/(2n+1)\end{array}\right]\text{\hspace{1em}(2)}$$
    希尔伯特矩阵的元素为H(i,j)=1/(i+j-1)
  • 函数调用

    >>format rat
    >>H=hilb(4)
    H = 
        1    1/2  1/3  1/4
        1/2  1/3  1/4  1/5
        1/3  1/4  1/5  1/6
        1/4  1/5  1/6  1/7
    

• 伴随矩阵(p为多项式系数向量，高位在前低位在后，伴随矩阵特征值等于多项式方程的根)

  • >>p=[1,-2,-5,6];
    >>A=compan(p)
    A = 
       2 5 -6
       1 0  0
       0 1  0
    

2.2 矩阵变换

1.对角阵

• 对角阵的分类
  • 对角矩阵：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
• 提取对角线元素
  • diag(A)提取矩阵主对角线元素，产生一个列向量
  • diag(A,K)提取矩阵第k条对角线元素，产生一个列向量
    对角线约定
    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-gzatkZT9-1640316612395)(对角线约定.png)]
• 构造对角矩阵同样使用diag函数，但参数为向量
  • diag(A)以向量V为主对角线元素，产生对角矩阵
  • diag(A,K)以向量V为第k条对角线元素，产生对角矩阵

2.三角阵

• 上(下)三角阵
  • triu(A)：提取矩阵A的主对角线及以上的元素
  • triu(A,k)：提取矩阵A的第k条对角线及以上的元素
  • 下三角矩阵函数为tril用法与triu相同

3.矩阵的转置

• 转置运算符(.’)
• 共轭转置运算符(’),在转置基础上取每个复数的复共轭

4.矩阵的旋转与翻转

• 矩阵旋转
  • rot90(A,k)：将矩阵A逆时针方向旋转90°的k倍
• 矩阵翻转
  • fliplr(A)：对矩阵A实施左右翻转
  • flipud(A)：对矩阵A实施上下翻转

5.矩阵的求逆

• inv(A)：求矩阵A的逆矩阵

2.3 矩阵求值

1.矩阵的行列式值、秩、迹

• 矩阵求值类型	调用函数
  方阵的行列式值	det(A)
  矩阵的秩	rank(A)
  矩阵的迹	trace(A)

• 向量和矩阵的范数
  • 范数：度量某种意义下的长度
  • 常用三种向量的范数
    • 范数1：向量元素的绝对值之和 norm(V,1)
    • 范数2：向量元素绝对值的平方和的平方根 norm(V);norm(V,2)
    • 范数∞：所有向量元素绝对值中的最大值 norm(V,inf)
  • 常用三种矩阵的范数
    • 矩阵的1——范数：所有矩阵列元素绝对值之和的最大值norm(V,1)
    • 矩阵的2——范数：矩阵最大特征值的平方根norm(V);norm(V,2)
    • 矩阵的∞——范数：所有矩阵行元素绝对值之和的最大值norm(V,inf)
• 矩阵的条件数
  • 矩阵的条件数等于矩阵的范数和逆矩阵范数的乘积
  • 条件数越接近1，矩阵性能越好
  • 三种条件数函数
    • cond(A,1)计算1——范数下的条件数
    • cond(A)或cond(A,2)计算2——范数下的条件数
    • cond(A,inf)计算∞——范数下的条件数

2.4 矩阵的特征值和特征向量

• 数学定义
  • 设A是n阶方阵，如果存在常数λ和n为非零列向量x，使得等式Ax=λx成立，则称λ为A的特征值，x是对应特征值λ的特征向量
  • 调用格式
    • 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

2.5 稀疏矩阵

• 矩阵的存储方式（均为按列存储）
  • 完全存储方式
  • 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
• 稀疏存储方式的产生✌️
  • 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
  • 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0的稀疏矩阵
    • sparse(u,v,S)其中u，v，S是3各等长的向量。S是要建立的稀疏矩阵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
    • B=spconvert(A)A为一个三列或四列的矩阵
      • 第一列表示非零元素所在行
      • 第二列表示非零元素所在列
      • 第三列表示非零元素的实部
        )、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
    • B=spconvert(A)A为一个三列或四列的矩阵
      • 第一列表示非零元素所在行
      • 第二列表示非零元素所在列
      • 第三列表示非零元素的实部
      • 第四列表示非零元素的虚部