3月15日更
一节课的知识居然分了拖了三天来完成,再也不翘课了。
后悔也没用,继续学习吧!
继之前的课中,讲了矩阵的生成、对矩阵的操作和部分特殊矩阵。
今天的内容自己大概看了一下,大概是侧重于矩阵的性质方面
矩阵的特征值和线性代数
det()是求矩阵的行列式
E=eig(A)求A的全部特征值,组成向量E(列向量)
[i,j]=eig(A)时,计算矩阵的特征值和特征向量,i的列向量作为特征向量,j为对角矩阵,对角的值为特征值。%这个我发现作为虚数的代表的i和j居然可以作为变量名,这个在c里可不正常,此时如果输入>>a=1+2i,依然得到虚数,但输入>>1+2*i就会得到矩阵,神奇~
diag(A),A为非行向量或列向量时,提取A矩阵的对角线上的元素;A为行向量或列向量时,则直接产生一个对角矩阵
diag(A,k),k=0时相当于diag(),+1会向右移一个对角线,-1左移一个,没有时会产生空矩阵。
triu(A)会返回A的上三角矩阵,triu(A,k)和上面的diag一样会生成第k个对角线以上的上三角矩阵,k的数值方面+1、-1效果类似。
逆矩阵inv()感觉很常用(好吧,因为我对矩阵的左除右除分不清)
pinv()会产生矩阵的伪逆矩阵,这个工科生的线性代数教材里都没讲,只百度一下了解了定义,用的时候具体再学习。
rank(A)获得A矩阵的秩
trace(A)获得A矩阵的迹(对角线元素和&
一节课的知识居然分了拖了三天来完成,再也不翘课了。
后悔也没用,继续学习吧!
继之前的课中,讲了矩阵的生成、对矩阵的操作和部分特殊矩阵。
今天的内容自己大概看了一下,大概是侧重于矩阵的性质方面
矩阵的特征值和线性代数
det()是求矩阵的行列式
E=eig(A)求A的全部特征值,组成向量E(列向量)
[i,j]=eig(A)时,计算矩阵的特征值和特征向量,i的列向量作为特征向量,j为对角矩阵,对角的值为特征值。%这个我发现作为虚数的代表的i和j居然可以作为变量名,这个在c里可不正常,此时如果输入>>a=1+2i,依然得到虚数,但输入>>1+2*i就会得到矩阵,神奇~
diag(A),A为非行向量或列向量时,提取A矩阵的对角线上的元素;A为行向量或列向量时,则直接产生一个对角矩阵
diag(A,k),k=0时相当于diag(),+1会向右移一个对角线,-1左移一个,没有时会产生空矩阵。
triu(A)会返回A的上三角矩阵,triu(A,k)和上面的diag一样会生成第k个对角线以上的上三角矩阵,k的数值方面+1、-1效果类似。
逆矩阵inv()感觉很常用(好吧,因为我对矩阵的左除右除分不清)
pinv()会产生矩阵的伪逆矩阵,这个工科生的线性代数教材里都没讲,只百度一下了解了定义,用的时候具体再学习。
rank(A)获得A矩阵的秩
trace(A)获得A矩阵的迹(对角线元素和&