2.4、matlab矩阵运算

逼子歌

已于 2024-07-14 16:57:53 修改

阅读量1.6k

点赞数 38

分类专栏：基于matlab的深度学习案例及基础知识汇总文章标签： matlab 矩阵机器学习矩阵运算

于 2024-06-13 08:42:28 首次发布

本文链接：https://blog.csdn.net/XU157303764/article/details/139638118

版权

基于matlab的深度学习案例及基础知识汇总专栏收录该内容

60 篇文章 0 订阅 ¥15.90 ¥99.00

订阅专栏

超级会员免费看

1、前言

矩阵运算是指对矩阵的各种操作和运算，包括矩阵加法、矩阵减法、矩阵乘法、矩阵转置、求逆矩阵等。以下是常见的矩阵运算：

矩阵加法：对应位置的元素相加，要求加数和被加数的维度相同。

A + B = | a11 b11 | + | a12 b12 | | a21 b21 | | a22 b22 |
矩阵减法：对应位置的元素相减，要求减数和被减数的维度相同。

A - B = | a11 b11 | - | a12 b12 | | a21 b21 | | a22 b22 |
矩阵乘法：按照行乘列的方式计算，要求左矩阵的列数等于右矩阵的行数。

AB = A的行 * B的列
矩阵转置：将矩阵的行与列进行交换，即将A的第i行第j列元素变为转置矩阵A^T的第j行第i列元素。

对于矩阵A，A^T表示其转置矩阵。
矩阵求逆：对于方阵，如果其行列式不为0，则可以求其逆矩阵A^-1。

如果A是一个可逆矩阵，那么AA^-1 = A^-1A = I，其中I是单位矩阵。

矩阵运算在线性代数、数值分析、工程计算等领域有广泛的应用。例如，在解线性方程组、特征值问题、最小二乘拟合、图像处理等方面都需要用到矩阵运算。熟练掌握矩阵运算的规则和性质对于理解和应用数学模型非常重要。

2、transpose, .' 转置向量或矩阵

语法

B = A.' 返回 A 的非共轭转置，即每个元素的行和列索引都会互换。
B = transpose(A) 是执行 A.' 的另一种方式，它可以为类启用运算符重载。

1）实矩阵转置

代码及运算

A = magic(5)
B = A.'

A =

    17    24     1     8    15
    23     5     7    14    16
     4     6    13    20    22
    10    12    19    21     3
    11    18    25     2     9


B =

    17    23     4    10    11
    24     5     6    12    18
     1     7    13    19    25
     8    14    20    21     2
    15    16    22     3     9

2）复矩阵转置

代码及运算

A = [1 3 4-1i 2+2i; 0+1i 1-1i 5 6-1i]
B = A.'

A =

   1.0000 + 0.0000i   3.0000 + 0.0000i   4.0000 - 1.0000i   2.0000 + 2.0000i
   0.0000 + 1.0000i   1.0000 - 1.0000i   5.0000 + 0.0000i   6.0000 - 1.0000i


B =

   1.0000 + 0.0000i   0.0000 + 1.0000i
   3.0000 + 0.0000i   1.0000 - 1.0000i
   4.0000 - 1.0000i   5.0000 + 0.0000i
   2.0000 + 2.0000i   6.0000 - 1.0000i

3、 ctranspose, ' 复共轭转置

语法

B = A' 计算 A 的复共轭转置。
B = ctranspose(A) 是执行 A' 的替代方法

1）实矩阵的共轭转置

代码及运算

A = [2 1; 9 7; 2 8; 3 5]
B = A'

A =

     2     1
     9     7
     2     8
     3     5


B =

     2     9     2     3
     1     7     8     5

2）复矩阵的共轭转置

代码及运算

A = [0-1i 2+1i;4+2i 0-2i]
B = A'

A =

   0.0000 - 1.0000i   2.0000 + 1.0000i
   4.0000 + 2.0000i   0.0000 - 2.0000i


B =

   0.0000 + 1.0000i   4.0000 - 2.0000i
   2.0000 - 1.0000i   0.0000 + 2.0000i

4、 mtimes, * 矩阵乘法

语法

C = A*B 是 A 和 B 的矩阵乘积。
C = mtimes(A,B) 是执行 A*B 这一操作的替代方法

1）将两个向量相乘

代码及运算

A = [1 1 0 0];
B = [1; 2; 3; 4];
C1 = A*B
C2 = B*A

C1 =

     3


C2 =

     1     1     0     0
     2     2     0     0
     3     3     0     0
     4     4     0     0

2）将两个数组相乘

代码及运算

A = [1 3 5; 2 4 7];
B = [-5 8 11; 3 9 21; 4 0 8];
C = A*B

C =

    24    35   114
    30    52   162

5、 mpower, ^ 矩阵幂

语法

C = A^B 计算 A 的 B 次幂并将结果返回给 C。
C = mpower(A,B) 是执行 A^B 的替代方法，但很少使用。

1）方阵幂运算

代码及运算

A = [1 2; 3 4];
C = A^2

C =

     7    10
    15    22

2）矩阵指数

代码及运算

 B = [0 1; 1 0];
C = 2^B

C =

    1.2500    0.7500
    0.7500    1.2500

6、 sqrtm 矩阵平方根

语法

X = sqrtm(A) 返回矩阵 A 的主要平方根（即 X*X = A）。
[X,residual] = sqrtm(A) 还会返回残差 residual = norm(A-X^2,1)/norm(A,1)
[X,alpha,condx] = sqrtm(A) 以 1-范数形式返回稳定因子 alpha 和 X 的矩阵平方根条件数的估计值，即 condx。

1）差分算子的矩阵平方根

代码及运算

A = [5 -4 1 0 0; -4 6 -4 1 0; 1 -4 6 -4 1; 0 1 -4 6 -4; 0 0 1 -4 6]
X = sqrtm(A)

A =

     5    -4     1     0     0
    -4     6    -4     1     0
     1    -4     6    -4     1
     0     1    -4     6    -4
     0     0     1    -4     6


X =

    2.0015   -0.9971    0.0042    0.0046    0.0032
   -0.9971    2.0062   -0.9904    0.0118    0.0094
    0.0042   -0.9904    2.0171   -0.9746    0.0263
    0.0046    0.0118   -0.9746    2.0503   -0.9200
    0.0032    0.0094    0.0263   -0.9200    2.2700

2）具有多个平方根的矩阵

代码及运算

 A = [7 10; 15 22];
Y1 = [1.5667 1.7408; 2.6112 4.1779];
A - Y1*Y1
Y2 = [1 2; 3 4];
A - Y2*Y2
Y = sqrtm(A)

ans =

   1.0e-03 *

   -0.1258   -0.1997
   -0.2995   -0.4254


ans =

     0     0
     0     0


Y =

    1.5667    1.7408
    2.6112    4.1779

7、expm 矩阵指数

语法

Y = expm(X) 计算 X 的矩阵指数。

1）指数运算

代码及运算

A = [1 1 0; 0 0 2; 0 0 -1];
expm(A)

ans =

    2.7183    1.7183    1.0862
         0    1.0000    1.2642
         0         0    0.3679

8、 logm 矩阵对数

语法

L = logm(A) 是 A 的主矩阵对数，即 expm(A) 的倒数。

1）矩阵对数

代码及运算

 A = [1 1 0; 0 0 2; 0 0 -1];
P = logm(Y)

P =

   -0.3504    0.9294
    1.3940    1.0436

9、cross 叉积

语法

C = cross(A,B) 返回 A 和 B 的叉积。
C = cross(A,B,dim) 计算数组 A 和 B 沿维度 dim 的叉积。

1）向量的叉积

代码及运算

A = [4 -2 1];
B = [1 -1 3];
C = cross(A,B)

C =

    -5   -11    -2

2）矩阵的叉积

代码及运算

A = randi(15,3,5)
B = randi(25,3,5)
C = cross(A,B)

A =

    13    15     6     3    10
    11     1    12     8    11
     5     7    12     7    12


B =

     7     5    24     6    13
    17     3     9    19    18
    17    13    15     7    23


C =

   102    -8    72   -77    37
  -186  -160   198    21   -74
   144    40  -234     9    37

10、 dot 点积

语法

C = dot(A,B) 返回 A 和 B 的标量点积。
C = dot(A,B,dim) 计算 A 和 B 沿维度 dim 的点积。

1）实数向量的点积

代码及运算

A = [4 -1 2];
B = [2 -2 -1];
C = dot(A,B)

C =

     8

2）复数向量的点积

代码及运算

A = [1+i 1-i -1+i -1-i];
B = [3-4i 6-2i 1+2i 4+3i];
C = dot(A,B)
D = dot(A,A)

C =

   1.0000 - 5.0000i


D =

     8

3）矩阵的点积

代码及运算

 A = [1 2 3;4 5 6;7 8 9];
B = [9 8 7;6 5 4;3 2 1];
C = dot(A,B)

C =

    54    57    54

4）多维数组的点积

代码及运算

A = cat(3,[1 1;1 1],[2 3;4 5],[6 7;8 9])
B= cat(3,[2 2;2 2],[10 11;12 13],[14 15; 16 17])
C = dot(A,B,3)

A(:,:,1) =

     1     1
     1     1


A(:,:,2) =

     2     3
     4     5


A(:,:,3) =

     6     7
     8     9


B(:,:,1) =

     2     2
     2     2


B(:,:,2) =

    10    11
    12    13


B(:,:,3) =

    14    15
    16    17


C =

   106   140
   178   220

11、总结

矩阵运算是线性代数中的重要概念，广泛应用于科学计算、工程技术以及机器学习等领域。以下是矩阵运算的总结：

矩阵加法：对应位置的元素相加。对于两个同型矩阵A和B，它们的加法定义为C = A + B，其中矩阵C的每一个元素是A和B对应位置元素的和。
矩阵乘法：如果A是一个m×n的矩阵，B是一个n×p的矩阵，则它们的乘积C = AB是一个m×p的矩阵。矩阵乘法满足结合律但不满足交换律。
转置：矩阵的转置就是将矩阵的行转换为列，列转换为行。如果A是一个m×n的矩阵，它的转置记作A^T，如果A的第i行第j列的元素是a_ij，则A^T的第i列第j行的元素即为a_ij。
逆矩阵：对于一个可逆矩阵A，存在一个矩阵B使得AB=BA=I，其中I是单位矩阵。如果这样的矩阵B存在，那么B就是A的逆矩阵，记作A^-1。
矩阵行列式：矩阵行列式是一个标量，它对于方阵 A 可以通过递归定义求得，行列式的值表示了这个矩阵的缩放因子。
矩阵特征值和特征向量：矩阵特征值和特征向量描述了一个矩阵的线性变换特性，特征值和特征向量可以通过特征值分解得到。