1.特殊矩阵
1.1 通用特殊矩阵
format
% 零矩阵(全0) 幺矩阵(全1) 单位矩阵
% zeros ones eye rand(生成0~1的随机元素) randn(生成均值为1,方差为0的符合正太分布的随机阵)
zeros(3) % 3x3的全0方阵
zeros(3, 4) % 3x4的全0矩阵
exA = ones(3, 5) % 3x5的全1矩阵
zeros(size(exA)) % 和exA大小一致的全0矩阵
eye(3, 3), eye(5, 3) % 主对角线为1的全0矩阵
![](https://img-blog.csdnimg.cn/img_convert/4260ca8ae26f76e51be6e60694878cd1.png)
![](https://img-blog.csdnimg.cn/img_convert/7ac1fe62b9b4f3124b1aecaeddbb2a29.png)
示例:
![](https://img-blog.csdnimg.cn/img_convert/138663bdb6c325becd1fc86b52f88477.png)
![](https://img-blog.csdnimg.cn/img_convert/4e7f791b27722bca27d30b407d596fe5.png)
1.2 用于特殊领域的矩阵
魔方矩阵(magic)
![](https://img-blog.csdnimg.cn/img_convert/8b516448ae031a81b21ee14b5668eaae.png)
范德蒙矩阵(vander)
![](https://img-blog.csdnimg.cn/img_convert/c14d72cad118204540e72db36c08b24c.png)
希尔伯特矩阵(hilb)
![](https://img-blog.csdnimg.cn/img_convert/5cae76f967fc40fba1fee9ea828e4719.png)
2. 矩阵变换
2.1 基础概念
对角阵(diag)
主对角线有值,其他均为0的矩阵
diag作用1 - 创建对角阵:
![](https://img-blog.csdnimg.cn/img_convert/9064d1c2be863583ac21212e048fbc29.png)
![](https://img-blog.csdnimg.cn/img_convert/786ccb1498658c7f27a1be4aeb391001.png)
diag作用2 - 取对角线:
![](https://img-blog.csdnimg.cn/img_convert/fda47ddd85f19e65d31f950dd803bf1b.png)
数量矩阵(k*eye)
只有主对角线有值,且全相同
![](https://img-blog.csdnimg.cn/img_convert/ebf69860457f99ccb5b90fa6653794c5.png)
单位矩阵(eye)
只有主对角线有值,且全是1
![](https://img-blog.csdnimg.cn/img_convert/502148a20d3516121f56fc5045f60849.png)
三角阵
![](https://img-blog.csdnimg.cn/img_convert/e55caebf2f19ec4e41d312a3c4ff815d.png)
秩(rank)
非零子式的最高阶数就是秩
设在矩阵 A中有一个不等于0的r阶子式D,且所有r+1阶子式(如果存在的话)全等于0,那么D称为矩阵A的最高阶非零子式,数r称为矩阵A的秩,记作R(A).并规定零矩阵的秩等于0.
-是否可逆: 只有满秩的矩阵才可逆
- 初等变换后矩阵的秩不变
-判断非齐次线性方程组(方程组右侧的值不全为0)解的情况
![](https://img-blog.csdnimg.cn/img_convert/44fb8ab6408646291362f7fb907c2de0.png)
迹(trace)
矩阵主对角线元素的和,trace()计算;相似变换时矩阵的迹不变
![](https://img-blog.csdnimg.cn/img_convert/5f3b5d8bda059c6fe72d53dbc3098f0a.png)
逆(inv)和广义逆(pinv)
设A是数域上的一个n阶方阵,若在相同数域上存在另一个n阶矩B,使得:
AB=BA=I
则我们称B是A的逆矩阵,而A则被称为可逆矩阵。
![](https://img-blog.csdnimg.cn/img_convert/441c6528e90a479d612c4d260f1ab1ea.png)
示例:
![](https://img-blog.csdnimg.cn/img_convert/3c6fe9d6e2ed19199e1f4dfff7e704f0.png)
伪逆:对于非方阵、奇异阵(是方阵,但是行列式为0)、非满秩矩阵(rank(A) ~= n)是不存在逆矩阵的;但是可以去定义一个伪逆矩阵pinv()。
![](https://img-blog.csdnimg.cn/img_convert/f61b05732a1ed3500efccc76649d3b37.png)
行列式
矩阵行列式是指矩阵的全部元素构成的行列式。排成 n 阶方阵形式的 n^2 个数所确定的一个数称为 n 阶方阵 A 的行列式,记为:det(A) 或 |A|
一个 2x2 的矩阵的行列式可表示为:
![](https://img-blog.csdnimg.cn/img_convert/61a7862d7bc8587ff84757bc2b976e42.png)
范数(norm)
简单来说,用来度量某个向量空间(或矩阵)中的每个向量的长度或大小。
条件数(cond)
矩阵A的条件数等于A的范数与A的逆的范数的乘积,即cond(A)=‖A‖·‖A^(-1)‖,是判断矩阵病态与否的一种度量,条件数越大矩阵越病态。(条件数同时描述了矩阵 A 对向量的拉伸能力和压缩能力,换句话说,令向量发生形变的能力。条件数越大,向量在变换后越可能变化得越多。)
示例:
![](https://img-blog.csdnimg.cn/img_convert/c00c86340a9548c6d9b4f84546d17108.png)
2.2 矩阵的转置与旋转
转置(.')
![](https://img-blog.csdnimg.cn/img_convert/16be4df158f0d8a54aca80ed2a60f033.png)
共轭转置(')
![](https://img-blog.csdnimg.cn/img_convert/d47f407c6ed0b602131248fa3af9359f.png)
旋转(rot90(A, k))
![](https://img-blog.csdnimg.cn/img_convert/aafab1de9f116975c1a64527d3f6e6ed.png)
左右翻转(fliplr)
![](https://img-blog.csdnimg.cn/img_convert/77cc73723a74fce79fa326825ae31f29.png)
上下翻转(flipud)
![](https://img-blog.csdnimg.cn/img_convert/7ad14e619c6b92e4d2a659a4b22520ca.png)
3.矩阵求值
3.1行列式求值(det)
![](https://img-blog.csdnimg.cn/img_convert/002f24a35db85fcaa2c08c0461cfaf69.png)
3.2 矩阵的秩与迹
![](https://img-blog.csdnimg.cn/img_convert/3425eb032dcf0201d1d2adbd6533f8dc.png)
3.3向量和矩阵的范数
![](https://img-blog.csdnimg.cn/img_convert/d042adfb8d94572785d72710d78e842a.png)
![](https://img-blog.csdnimg.cn/img_convert/aaa756e2151749695ea890edadb4b58f.png)
3.4 矩阵的条件数
![](https://img-blog.csdnimg.cn/img_convert/cb8e414fa44712ed3ef677e080efe567.png)
4.矩阵特征值与特征向量(eig)
![](https://img-blog.csdnimg.cn/img_convert/df7c5a976c05c3faaa24eff7f3dfb75d.png)
![](https://img-blog.csdnimg.cn/img_convert/f48afdbf4a7216459a36f4a161d79ba4.png)
5.稀疏矩阵
5.1区分稀疏矩阵(含极大量0元素的矩阵) 和 采用稀疏方式存储的矩阵
![](https://img-blog.csdnimg.cn/img_convert/c71a7702de603814dc9b2b7e656d9150.png)
5.2稀疏存储方式的产生(sparse)
![](https://img-blog.csdnimg.cn/img_convert/b1af9ba421c627f90a85024958c353df.png)
5.3与稀疏矩阵操作相关的函数
find()
![](https://img-blog.csdnimg.cn/img_convert/6cb65702a0d80f3a853fc948c4a4d2f2.png)
full()
![](https://img-blog.csdnimg.cn/img_convert/945bd9da0fa5cc86d8eac92dc66bc773.png)
spconvert()
![](https://img-blog.csdnimg.cn/img_convert/07aa322054a5deb6c5f2e350386ef741.png)
spdiags()
![](https://img-blog.csdnimg.cn/img_convert/6229399b75d4cb5be2d938f47f5559a5.png)
5.4稀疏矩阵应用实例
![](https://img-blog.csdnimg.cn/img_convert/e32af7c116b201b3ae6e6f219568722d.png)
![](https://img-blog.csdnimg.cn/img_convert/4cee3fdeb20d03e1926ff93167ddfe7a.png)