1. 特殊矩阵
通用的特殊矩阵
>zeros函数：产生全0的矩阵，即零矩阵
>ones函数：产生全1的矩阵，即1矩阵
>eye函数：产生对角线为1的矩阵。当矩阵为方阵时则得到一个单位阵
>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。
zeros函数的调用格式：
>zeros(m): 产生mxm的零矩阵
>zeros(m,n):产生mxn零矩阵
>zeros(size(A)):产生与矩阵A同样大小的零矩阵
>> A=zeros(2,3)
A =
0 0 0
0 0 0
>> zeros(size(A))
ans =
0 0 0
0 0 0
>> zeros(size(reshape(A,3,2)))
ans =
0 0
0 0
0 0
例1 首先产生5阶两位随机矩阵A，在产生均值为0.6，方差为0.1的5阶正态分布随机矩阵B，最后验证（A+B）I=IA+BI(I为单位矩阵)
>rand函数：产生0~1开区间均匀分布的随机数x
>fix(a+(b-a+1)*x):产生a~b区间上均匀分布的随机整数
>randn函数：产生均值为0，方差为1的标准正态分布随机数x
>u+cx：得到均值为u，方差为c^2的随机数
>> A=fix(10+(99-10+1)*rand(5));
>> B=0.6+sqrt(0.1)*rand(5);
>> C=eye(5);
>> (A+B)*C==C*A+B*C
ans =
1 1 1 1 1
1 1 1 1 1
1 1 1 1 1
1 1 1 1 1
1 1 1 1 1
用于专门学科的特殊矩阵
（1）魔方矩阵
>> M=magic(3)
M =
8 1 6
3 5 7
4 9 2
>n阶魔方阵有1，2，3，……，n^2个整数组成，且每行每列以及主、副对角线上各n个元素之和都相等。
>n阶魔方方阵每行每列元素的的和为（1+2+3+...+n^2）/n = (n+n^3)/2
>MATLAB函数magic(n)产生一个特定的魔方阵
例2 产生8阶魔方矩阵，求其每行每列元素的和。
>> M=magic(8);
>> sum(M(1,:))
ans =
260
>> sum(M(:,1))
ans =
260
>> trace(M)
ans =
260
（2）范德蒙行列式
在MATLAB中，函数vander(V)生成以向量V为基础的范德蒙矩阵
>> A=vander(1:5)
A =
1 1 1 1 1
16 8 4 2 1
81 27 9 3 1
256 64 16 4 1
625 125 25 5 1
范德蒙矩阵常用在各种通信系统的纠错编码中，如Reed-Solomon编码以范德蒙矩阵为基础
（3）希尔伯特矩阵
希尔伯特矩阵是著名的病态矩阵：矩阵中任何一个元素微小的变动，都会引起矩阵值以及逆矩阵的值的较大的扰动，病态程度与矩阵的阶数有关，阶数越高，病态程度越严重。
在MATLAB中，生成n阶希尔伯特的函数为：hilb(n):
>> format rat //以有理数格式显示
>> H=hilb(4)
H =
1 1/2 1/3 1/4
1/2 1/3 1/4 1/5
1/3 1/4 1/5 1/6
1/4 1/5 1/6 1/7
（4）伴随矩阵（特征值为多项式方程的根）
（4）伴随矩阵
MATLAB生成伴随矩阵的函数是compan（p），其中p是一个多项式的系数向量，高次幂系数排在前，低次幂系数排在后。
例如， 生成多项式(x^3 - 2x^2 - 5x + 6)的伴随矩阵
>> p=[1,-2,-6,6];
>> A=compan(p)
A =
2 6 -6
1 0 0
0 1 0
（5）帕斯卡矩阵
例3 生成5阶帕斯卡矩阵，验证他的逆矩阵的所有元素也为矩阵
>> format rat
>> P=pascal(5)
P =
1 1 1 1 1
1 2 3 4 5
1 3 6 10 15
1 4 10 20 35
1 5 15 35 70
>> inv(P)
ans =
5 -10 10 -5 1
-10 30 -35 19 -4
10 -35 46 -27 6
-5 19 -27 17 -4
1 -4 6 -4 1
2. 矩阵变换
>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的主对角线元素，生成一个列向量
>diag(A,k):提取矩阵A的第k条对角线元素，生成一个列向量
主对角线：k=0，向上，向下分别为k=1，2，…… /k=-1，-2，……对角线
（2）构造对角阵
>diag(V):以向量V为主对角元素，产生对角矩阵
>diag(V,k)：以向量V为第k条对角元素，产生对角矩阵
例1 先建立5x5矩阵A，然后将A的第1行元素乘以1，第2行元素乘以2，……，第5行元素乘以5
>> A=[7,0,1,0,5;3,5,7,4,1;4,0,3,0,2;1,1,9,2,3;1,8,5,2,9]
A =
7 0 1 0 5
3 5 7 4 1
4 0 3 0 2
1 1 9 2 3
1 8 5 2 9
>> D=diag(1:5)
D =
1 0 0 0 0
0 2 0 0 0
0 0 3 0 0
0 0 0 4 0
0 0 0 0 5
>> D*A
ans =
7 0 1 0 5
6 10 14 8 2
12 0 9 0 6
4 4 36 8 12
5 40 25 10 45
要将A的各列元素分别乘以对角阵的对角线元素，如何实现？
>> A*D
ans =
7 0 3 0 25
3 10 21 16 5
4 0 9 0 10
1 2 27 8 15
1 16 15 8 45
三角阵
>上三角阵：矩阵的对角线以下的元素全为0的矩阵
>下三角阵：矩阵的对角线以上的元素全为0的矩阵
（1）上三角阵
>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
>> triu(ones(4),-1)
ans =
1 1 1 1
1 1 1 1
0 1 1 1
0 0 1 1
（2）下三角阵
在MATLAB中，提取矩阵A的下三角矩阵的函数是tril，其用法与triu函数完全相同。
>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
>> tril(ones(4),-1)
ans =
0 0 0 0
1 0 0 0
1 1 0 0
1 1 1 0
矩阵的转转置
>转置运算符是小数点后面接单引号（.'）
>共扼转置，其运算符是单引号（‘），它在转置的基础上还要提取每个数的复共轭
>> A=[1,3;3+4i,1-2i]
A =
1 + 0i 3 + 0i
3 + 4i 1 - 2i
>> A.'
ans =
1 + 0i 3 + 4i
3 + 0i 1 - 2i
>> A'
ans =
1 + 0i 3 - 4i
3 + 0i 1 + 2i
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时可以省略
>> A=[1,3,2;-3,2,1;4,1,2]
A =
1 3 2
-3 2 1
4 1 2
>> rot90(A)
ans =
2 1 2
3 2 1
1 -3 4
>> rot90(A,2)
ans =
2 1 4
1 2 -3
2 3 1
>fliplr(A):对矩阵A实施左右翻转
>flipud(A):对矩阵A实施上下翻转
A =
1 3 2
-3 2 1
4 1 2
>> flipud(A)
ans =
4 1 2
-3 2 1
1 3 2
>> fliplr(A)
ans =
2 3 1
1 2 -3
2 1 4
例2 验证魔方方阵的主对角线，副对角线元素之和相等
>> A=magic(5)
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
>> D1=diag(A);
>> sum(D1)
ans =
65
>> B=flipud(A)
B =
11 18 25 2 9
10 12 19 21 3
4 6 13 20 22
23 5 7 14 16
17 24 1 8 15
>> D2=diag(B);
>> sum(D2)>
ans =
65
矩阵的求逆
>对于一个方阵A，如果存在一个与其相同阶的方阵B，使得AB=BA=I（I为单位矩阵），则称B为A的逆矩阵，当然A也是B的逆矩阵
>inv（A）：求方阵A的逆矩阵
3. 矩阵求值
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，这个值就称为方阵所对应的行列式的值
>det(A):求方阵A所对应的行列式的值
矩阵的秩
>矩阵线性无关的行数和列数成为矩阵的秩
>rank(A): 求矩阵A的秩
例2 求3~20阶魔方阵的秩
>> for n=3:20
r(n)=rank(magic(n));
end
>> bar(r)
>> grid on
>> axis([2,21,0,20])
矩阵的迹
>矩阵的迹等于矩阵的对角线元素之和，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
向量和矩阵的范数
矩阵或向量的范数用于定义矩阵或向量在某种意义下的长度
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
在MATLAB中，计算矩阵A的3种条件数的函数是：
>cond(A,1):计算A的1-范数下的条件数
>cond(A,2)或cond(A):计算A的2-范数下的条件数
>cond(A,inf):计算A的正无穷-范数下的条件数
例3 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'
ans =
1.0e+13 *
0
0.000000000001928
0.000000000052406
0.000000001551374
0.000000047660725
0.000001495105864
0.000047536735692
0.001525757525282
0.049315438266897
1.602457362635516
>> c
c =
1.0e+13 *
Columns 1 through 5
0 0.000000000001928 0.000000000052406 0.000000001551374 0.000000047660725
Columns 6 through 10
0.000001495105864 0.000047536735692 0.001525757525282 0.049315438266897 1.602457362635516
4. 矩阵的特征值与特征向量
矩阵特征值的数学定义
设A是n阶方阵，如果存在常数λ和n维非零列向量x，是的等式Ax=λx成立，则称λ为A的特征值，x是对应特征值λ的特征向量
函数调用格式有两种：
>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
>> A=[1,1,0;1,0,5;1,10,2]
A =
1 1 0
1 0 5
1 10 2
>> [X,D]=eig(A)
X =
0.072196186226992 0.975064063761619 0.088619224195266
0.523368974057523 -0.075013465822403 -0.635606218080313
0.849042182514069 -0.208861321230112 0.766910274178584
D =
8.249260679947781 0 0
0 0.923068166892527 0
0 0 -6.172328846840313
>> A*X(:,1)
ans =
0.595565160284515
4.317407098797336
7.003970291830358
>> D(1)*X(:,1)
ans =
0.595565160284514
4.317407098797333
7.003970291830355
>> 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(R)
X1 =
0.855336847706575 0.451748808798346 0.189889692402449
0.470284611344323 -0.839453879712591 -0.511105640718618
0.217327543786097 -0.302059923830942 0.838279743728139
D1 =
0.099647729675864 0 0
0 -4.716463058067783 0
0 0 -6.383184671608076
>> [X2,D2]=eig(S)
X2 =
-0.850650808352040 0.525731112119133
0.525731112119133 0.850650808352040
D2 =
-0.236067977499790 0
0 4.236067977499790
>> [X3,D3]=eig(A)
X3 =
0.855336847706575 0.451748808798346 0.189889692402449 0 0
0.470284611344323 -0.839453879712591 -0.511105640718618 0 0
0.217327543786097 -0.302059923830942 0.838279743728139 0 0
0 0 0 -0.850650808352040 -0.525731112119133
0 0 0 0.525731112119133 -0.850650808352040
D3 =
0.099647729675864 0 0 0 0
0 -4.716463058067783 0 0 0
0 0 -6.383184671608076 0 0
0 0 0 -0.236067977499790 0
0 0 0 0 4.236067977499790
>>
5. 稀疏矩阵
矩阵的存储方式：完全存储方式+稀疏存储方式
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
注意：采用稀疏存储方式时，矩阵元素的存储顺序并没有改变，也是按列的顺序进行存储
>> A=sparse(eye(5))
A =
(1,1) 1
(2,2) 1
(3,3) 1
(4,4) 1
(5,5) 1
>> B=full(A)
B =
1 0 0 0 0
0 1 0 0 0
0 0 1 0 0
0 0 0 1 0
0 0 0 0 1
>> whos
Name Size Bytes Class Attributes
A 5x5 128 double sparse
B 5x5 200 double
>> A=sparse([1,2,2],[2,1,4],[2,5,-7])
A =
(2,1) 5
(1,2) 2
(2,4) -7
>> B=full(A)
B =
0 2 0 0
5 0 0 -7
>> A=[2,2,1;2,1,-1;2,4,3]
A =
2 2 1
2 1 -1
2 4 3
>> B=spconvert(A) //最后一列从小到大按行排列？
B =
(2,1) -1
(2,2) 1
(2,4) 3
>> A=[11,0,0,12,0,0;0,21,0,0,22,0;0,0,31,0,0,32;41,0,0,42,0,0;0,51,0,0,52,0]
A =
11 0 0 12 0 0
0 21 0 0 22 0
0 0 31 0 0 32
41 0 0 42 0 0
0 51 0 0 52 0
>> [B,d]=spdiags(A)
B =
0 11 12
0 21 22
0 31 32
41 42 0
51 52 0
d =
-3
0
3
>> A=spdiags(B,d,5,6)
A =
(1,1) 11
(4,1) 41
(2,2) 21
(5,2) 51
(3,3) 31
(1,4) 12
(4,4) 42
(2,5) 22
(5,5) 52
(3,6) 32
>> kf1=[1;1;2;1;0];
>> k0=[2;4;6;6;1];
>> k1=[0;3;1;4;2];
>> B=[kf1,k0,k1];
>> d=[-1;0;1];
>> A=spdiags(B,d,5,5);
>> f=[0;3;2;1;5];
>> x=A\f
x =
-0.166666666666667
0.111111111111111
2.722222222222222
-3.611111111111111
8.611111111111111
注意：当参与运算的数据对象不全是稀疏存储矩阵时，所得结果是完全存储形式。
4777
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
