matlab矩阵数学运算与复杂表达式向量化

最新推荐文章于 2023-11-27 17:08:35 发布

铁道孤影

最新推荐文章于 2023-11-27 17:08:35 发布

阅读量947

点赞数

分类专栏： Matlab与Simulink 文章标签： 1024程序员节

本文链接：https://blog.csdn.net/cx550378562/article/details/127490621

版权

Matlab与Simulink 专栏收录该内容

6 篇文章 0 订阅

订阅专栏

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

前言

要进行复杂的累加求和或者级数求解可以运用matlab快速实现，但这一切的前提是向量化的表达。科研文章写作过程中许多算法是要自己编写的，这就需要熟悉矩阵数学运算的基本功底。

一、加法和减法

如有两个 $(m\times n)$ 阶矩阵 $a$ 和 $b$ ，则有：

$a\pm b=\begin{bmatrix} &a_{11}\pm b_{11} & a_{12}\pm b_{12} &...&a_{1n}\pm b_{1n} \\ &a_{21}\pm b_{21} &a_{22}\pm b_{22} & \\ & \vdots & & \ddots \\ &a_{m1}\pm b_{m1} & & &a_{mn}\pm b_{mn} & \end{bmatrix}\rightarrow (m\times n)$ （1）

二、乘法

如有 $(m\times k)$ 阶矩阵 $a$ 和 $(k\times n)$ 阶矩阵 $b$ ，则：

$c=ab=\begin{bmatrix} \sum_{j=1}^{k}a_{1j}b_{j1} & \sum_{j=1}^{k}a_{1j}b_{j2} & ... & \sum_{j=1}^{k}a_{1j}b_{jn} \\ \sum_{j=1}^{k}a_{2j}b_{j1} & \sum_{j=1}^{k}a_{2j}b_{j2} & & \vdots \\ \vdots & \vdots& \ddots & \vdots\\ \sum_{j=1}^{k}a_{mj}b_{j1} & ... & & \sum_{j=1}^{k}a_{mj}b_{jn} \end{bmatrix}\rightarrow (m\times n)$ (2)

c为（mxn）阶矩阵。应注意到只有两个矩阵的维度相匹配的时候才能够相乘。式（2）中可以看出，实际上两个矩阵相乘后的结果中，每一个元素都是一个累加结果。

反过来说，级数也可以拆解成矩阵的运算。

$w(x,y)=\sum_{i=1}^{k}d_{j}e_{j}(x)g_{i}(y)=\sum_{j=1}^{k}f_j(x)g_j(y)$ (3)

x,y具有一系列的值，设 $x=x_1,x_2,...,x_m$ 而 $y=y_1,y_2,...,y_n$ 。 $w(x,y)$ 的值表示为：

$w(x,y)=\sum_{j=1}^{k}f_j(x)g_j(y)\: i=1,2,3...,m\: j=1,2,3...n$

它可作为 $(m\times n)$ 阶矩阵w的一个元素。令f为 $(m\times k)$ 阶矩阵：

$f=\begin{bmatrix} f_1(x_1) & f_2(x_1) &\cdots &f_k(x_1) \\ f_1(x_2)&f_2(x_2) & & \\ \vdots & & &\ddots \\ f_1(x_m)&\cdots & & f_k(x_m) \end{bmatrix}\rightarrow (m\times k)$ (4)