专题二 MATLAB矩阵处理
一、特殊矩阵
1、通用的特殊矩阵
(1)-zeros函数:产生全为0的矩阵,即零矩阵
-ones函数:产生全为1的矩阵,及幺矩阵
-eye函数:产生对角线全为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
(2)以上函数的调用格式相似,以zeros函数为例子:
-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
(3)若要产生n阶矩阵,且矩阵的元素均在区间[a,b]上:
-fix(a+(b-a+1)*rand(n))
(4)若要产生n阶矩阵,且矩阵是均值为μ,方差为σ²的正态分布:
-μ+σ * randn(n)
2、用于专门学科的特殊矩阵
(1)魔方矩阵(Magic Square)
n阶魔方矩阵由1,2,3,……,n²共n²个整数组成,且每行、每列及主副对角线上各n个元素之和都相等。
n阶魔方矩阵每行每列元素的和为(1+2+3+……+n²)/n=(n+n^3)/2
magic()函数可以产生一个特定的魔方阵
(2)范德蒙矩阵
vander(V)函数:生成以向量V为基础的范德蒙矩阵
(3)希尔伯特矩阵
hilb(n)函数:生成n阶希尔伯特矩阵
希尔伯特矩阵是高度病态(即,任何一个元素发生一点变动,整个矩阵的行列式的值和逆矩阵都会发生巨大变化),病态程度和阶数相关,阶数越大,病态越严重。
(4)伴随矩阵
compan§函数:生成伴随矩阵,其中p是一个多项式的系数向量,高次幂系数在前,低次幂系数在后。
(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,即杨辉三角形。
把二项式系数依次填写在矩阵的左侧对角线上,然后提取左侧的n行n列元素,即为n阶帕斯卡矩阵。故P(i,j)=P(i,j-1)+P(i-1,j),且P(1,j)=1,P(i,1)=1
pascal(n)函数:生成一个n阶帕斯卡矩阵
二、矩阵变换
1.对角阵
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
(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)构造对角矩阵
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条主对角线元素,产生对角矩阵
2、三角阵
(1)上三角阵
上三角阵:矩阵的对角线以下的元素全为零的矩阵
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
(2)下三角阵
下三角阵:矩阵的对角线以上的元素全为零的矩阵
tril(A):提取矩阵A的主对角线及以下的元素
tril(A,k):提取矩阵A的第k条对角线及以下的元素
3、矩阵的转置
转置运算符是小数点后接单引号,即 .’
共轭转置运算符是单引号,即 ’
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时可省略,当k为负数时表示顺时针旋转。
5、矩阵的翻转
矩阵左右翻转:是将矩阵的第n列和倒数第n列调换
fliplr(A):对矩阵A实施左右翻转
矩阵上下翻转:是将矩阵的第n行和倒数第n行调换
flipud(A):对矩阵A实施上下翻转
例子:证明魔方矩阵的主对角线、副对角线元素之和相等
6、矩阵的逆
inv(A):求矩阵A的逆
例子:求解线性方程组:
x+2y+3z=5
x+4y+9z=-2
x+8y+27z=6
三、矩阵求值
1、方阵的行列式
det(A):表示求矩阵A对应行列式的值
2、矩阵的秩
rank(A):表示求矩阵A的秩
3、矩阵的迹
trace(A):表示求矩阵A的迹
(或者提取矩阵A的主对角线元素再求和:sum(diag(A)))
4、向量和矩阵的范数
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种常见范数
- 向量1-范数:向量元素的绝对值之和。MATLAB中,用函数norm(V,1)来计算。
- 向量2-范数:向量元素绝对值的平方和的平方根。MATLAB中,用函数norm(V,2)或者norm(V)来计算。
-向量∞-范数:所有向量元素绝对值中的最大值。MATLAB中,用函数norm(A,inf)来计算。
(2)矩阵的范数
- 矩阵1-范数:矩阵列元素绝对值之和的最大值。MATLAB中,用函数norm(A,1)来计算。
- 向量2-范数:A’A矩阵的最大特征值的平方根。MATLAB中,用函数norm(A,2)或者norm(A)来计算。
-向量∞-范数:所有矩阵行元素绝对值之和的最大值。MATLAB中,用函数norm(A,inf)来计算。
(3)矩阵的条件数
矩阵的条件数:是描述矩阵性能的一个参数,矩阵A的条件数等于A的范数于A的逆矩阵的范数的乘积。
矩阵的条件数越接近1,矩阵的性能越好。反之则越差。所谓性能,即矩阵的稳定性。
- cond(A,1):计算矩阵A的1-范数下的条件数
- cond(A)或cond(A,2):计算矩阵A的-范数下的条件数
- cond(A,inf):计算矩阵A的∞-范数下的条件数
例子:求2~10阶希尔伯特矩阵的条件数
可见当阶数越大,希尔伯特矩阵的条件数越大,因此其性能越差。
四、矩阵的特征值和特征向量
1、求矩阵的特征值和特征向量
- E=eig(A)函数:求矩阵A的全部特征值,构成向量E
- [X,D]=eig(A)函数: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、矩阵特征值的几何意义
设矩阵A的特征值为λ,对应的特征向量为x。y=Ax=λx,由此可见,向量x经由矩阵A变换得到y,等同于向量x沿着原来方向伸缩λ倍。
例子:已知大写字母M的各结点坐标如表所示:
x | 0 | 0.5 | 0.5 | 3 | 5.5 | 5.5 | 6 | 6 | 3 | 0 |
---|---|---|---|---|---|---|---|---|---|---|
y | 0 | 0 | 6 | 0 | 6 | 0 | 0 | 8 | 1 | 8 |
(1)绘制M图
(2)用矩阵A=[1,0.5;0,1],对M的结点坐标进行变换,并绘制图像
可见:M原先是正体,而后变成斜体。因此,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。
五、稀疏矩阵
稀疏矩阵:零元素个数大于非零元素个数的矩阵。
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。
当稀疏矩阵很大时,采用稀疏存储方式,可以极大的减少存储空间。
2、稀疏存储方式的产生
(1)完全存储方式和稀疏存储方式之间的转化
- A=sparse(B):将矩阵B转化为稀疏存储方式的矩阵A
- B=full(A):将矩阵A转化为完全存储方式的矩阵B
(2)直接建立稀疏存储矩阵
-
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。
-
B=spconvert(A):直接建立稀疏存储矩阵。其中A为一个m* 3或m*4的矩阵,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为实数,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。
r=min(m,n),若非零对角线上元素个数等于r,则取全部元素。否则,应该用零补足。
(补零原则:若行数<列数,即m<n,则d<0在前面补0,d>0时在后面补。若行数≥列数,即m≥n,则d<0在后面补0,d>0时在前面补。
-
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与列数,矩阵B的第i列即为原带状稀疏矩的第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
(4)单位矩阵的稀疏存储
speye(m,n):返回一个m*n的稀疏存储单位矩阵。
3、稀疏矩阵应用举例