MATLAB基础三——行列式、秩、迹、范数、特征值

###MATLAB基础三

1. 方阵的行列式
   把一个方阵看作一个行列式，并对其按行列式的规则求值，这个值就称为所对应的行列式的值。
   det(A)：求方阵A所对应的行列式的值。
   e.g.验证det(A-1)=1/det(A)。

format rat
A=[1,3,2;-3,2,1;4,1,2]
det(inv(A))
1/det(A)

2. 矩阵的秩
   矩阵线性无关的行数或列数称为矩阵的秩。
   rank(A)：求矩阵A的秩。
   e.g.求3~20阶魔方阵的秩。

for n=3:20
r(n)=rank(magic(n));
end
bar®
grid on
axis([2,21,0,20])
[3:20;r(3:20)]

3. 矩阵的迹
   矩阵的迹等于对角线元素之和，也等于矩阵的特征值之和。
   trace(A)：求矩阵A的迹。

>>a=[1,3,2;-3,2,1;4,1,2]
a =
1 3 2
-3 2 1
4 1 2
>> b=trace(a)
b =
5
>> t=sum(diag(a))
t =
5

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种常用范数
   
   求向量范数的函数为：
   norm(V,1)：计算向量V的1–范数。
   norm(V)或norm(V,2)：计算向量V的2–范数。
   norm(V,inf)：计算向量V的∞–范数。
   （2）矩阵的范数
   

>>x=[2,0,1;-1,1,0;-3,3,0]
x =
2 0 1
-1 1 0
-3 3 0
>> n=norm(x)
n =
4.7234
>> n=norm(x,1)
n =
6

5. 矩阵的条件数
   矩阵A的条件数等于A的范数与A的逆矩阵的范数的乘积。
   条件数越接近于1，矩阵的性能越好，反之，矩阵的性能越差。
   计算矩阵A的条件数的函数为：
   cond(A,1)：计算A的1–范数下的条件数。
   cond(A)或cond(A,2)：计算A的2–范数下的条件数。
   cond(A,inf)：计算A的∞–范数下的条件数。
   e.g.求2~10阶希尔伯特矩阵的条件数。

for n=2:10
c(n)=cond(hilb(n));
end
format long
c’

6. 矩阵的特征值和特征向量
   计算矩阵的特征值和特征向量的函数是eig，常用的调用格式有两种：
   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。

>>R=[-1,2,0;2,-4,1;1,1,-6];
>>S=[1,2;2,3];
>>A=>>[R,zeros(3,2);zeros(2,3),S];
>>[X1,d1]=eig®
>>[X2,d2]=eig(S)
>>[X3,d3]=eig(A)
X1 =
0.8553 0.4517 0.1899
0.4703 -0.8395 -0.5111
0.2173 -0.3021 0.8383
d1 =
0.0996 0 0
0 -4.7165 0
0 0 -6.3832
X2 =
-0.8507 0.5257
0.5257 0.8507
d2 =
-0.2361 0
0 4.2361
X3 =
0.8553 0.4517 0.1899 0 0
0.4703 -0.8395 -0.5111 0 0
0.2173 -0.3021 0.8383 0 0
0 0 0 -0.8507 -0.5257
0 0 0 0.5257 -0.8507
d3 =
0.0996 0 0 0 0
0 -4.7165 0 0 0
0 0 -6.3832 0 0
0 0 0 -0.2361 0
0 0 0 0 4.2361

>>x=[0,0.5,0.5,3,5.5,5.5,6,6,3,0;0,0,6,0,6,0,0,8,1,8];
>>A=[1,0.5;0,1];
>>y=A*x;
>>subplot(2,2,1);
>>fill(x(1,:),x(2,:),‘r’);
>>subplot(2,2,2);
>>fill(y(1,:),y(2,:),‘r’);

定义变换矩阵A，再利用A对x进行变换，得到y矩阵，最后分别绘制变换前后的图形，M原来是正体，变换后改为斜体。
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。

参考：MOOC《科学计算与MATLAB语言》