慕课matlab学习 第二章-09 矩阵的迹、秩、范数、条件数

慕课matlab学习 第二章-09

矩阵求值

% 第二节 矩阵变换
% 矩阵求值

%主要包括
%1、矩阵的行列式值
%2、矩阵的秩
%3、矩阵的迹
%4、矩阵的范数
%5、矩阵的条件数


% 方阵行列式
% 把一一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。
% eg 验证 det(A^-1)=1/det(A)
A=[1,3,2;-3,2,1;4,1,2]
format rat %有理数形式输出
det(inv(A)) % A的逆矩阵的行列式
1/det(A)  % 矩阵A的行列式的倒数


% 矩阵线性无关的行数或列数称为矩阵的秩。
% ranklA):求矩阵A的秩。
% eg 求3-20阶魔方阵的秩
for n=3:20                  %for循环
    r(n)=rank(magic(n));    %生成魔方阵，求到的矩阵的秩可以存放在向量 r(n)中
end
bar(r)  %生成一个条形统计图
grid on %打开网格线
axis([2,21,0,20]) % 设置坐标范围，这里设置的是 x坐标 2-21 y坐标0-20
% axis 函数的两种用法
%axis([xmin xmax ymin ymax])
%axis([xmin xmax ymin ymax zmin zmaxcmin cmax])
% 奇数阶魔方阵秩为n，即奇数阶魔方阵是满秩矩阵。
% 重偶数阶魔方阵秩为n/2+2 ( n是2的倍数，但非4的倍数)。
%双重偶数阶魔方阵秩均为3 ( 阶数是4的倍数),


% 矩阵的迹
% 定义： https://baike.baidu.com/item/%E7%9F%A9%E9%98%B5%E7%9A%84%E8%BF%B9
% 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。
% eg： A
A=[1,3,2;-3,2,1;4,1,2]
b=trace(A)   %矩阵的迹
sum(diag(A)) %对角线元素求和


% 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
% 向量1-范数:向量元素的绝对值之和。
%        ||V||=sum|Vi|
% 向量2-范数:向量元素绝对值的平方和的平方根。

% 无穷范数


%   在MATLAB中，求向量范数的函数为:
%   norm(V)或norm(V,2): 计算向量V的2一范数。
%   norm(V,1): 计算向量V的1- -范数。
%   norm(V,inf): 计算向量V的∞- -范数。

%   (2)矩阵的范数
%   从属于3种向量范数，矩阵范数计算公式如下。
%   矩阵A的1-范数:矩阵列元素绝对值之和的最大值。
%   矩阵A的2一范数: A'A矩阵的最大特征值的平方根。其中λ为A'A的最大特征值。
%   矩阵A的∞一范数:所有矩阵行元素绝对值之和的最大值。

% eg
x=[2,0,1;-1,1,0;-3,3,0] %两种赋值方式
x1=[2 0 1;-1 1 0;-3 3 0] %两种赋值方式
format  % 无参数情况下，默认输出形式
n=norm(x)           %矩阵的2范数
n=norm(x,2)  %矩阵的2范数
n=norm(x,1)  %矩阵的1范数




%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。（性能好和差是什么东西）
%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)或cond(IA,2): 计算A的2一范数下的条件数。
% cond(A,inf): 计算A的∞- -范数下的条件数。

% eg 求2~10阶希尔伯特矩阵的条件数。
for n=1:10
    c(n)=cond(hilb(n));
end
format long
c    % 直接打印输出c向量的值
c'   % 将c的行向量进行转置便成列向量打印输出