MatLab矩阵的创建、寻访和运算

前言

本文不刻意区分MatLab中的"矩阵"和"数组"
前文摘要：从C++到MatLab

MatLab数据存储、运算、传输单位是数组，很多函数的返回值也是数组
向量(一维数组)和矩阵(二维数组)是MatLab最常用的数组
向量可以看做行矩阵或列矩阵，标量可以看做只有一个元素的特殊矩阵

MatLab是强大的数学建模工具，但也只是工具，没有必要在概念上浪费太多时间，会用才是目的

1.新建标量、向量和矩阵

例：新建标量的指令

>> a = 5.4

例：新建行向量的指令

>> b = [1, 2, 3]
>> b = [1  2  3]

空格和半角逗号对行向量是等价的
例：混用空格和半角逗号(不建议)

>> A = [1, 2  3, 4  5]

例：新建列向量的指令

>> b = [1; 2; 3]

输出：

b = 
1
2
3

例：新建矩阵的指令

>> A = [1, 2, 3; 4, 5, 6]

输出：

A =
1  2  3
4  5  6

在输入矩阵时，半角分号相当于换行符
MatLab矩阵以行向量为单位输入，以列向量为单位存储
建议：输入行向量或矩阵时，同行元素统一用半角逗号隔开

2.矩阵的快速创建

递增/递减型向量的创建

1)生成线性等距的行向量的快捷命令

>> a : b : c

a是起始值，b是步长，c是终止值
例：

>> 1 : 1 : 5

输出：

ans =
1 2 3 4 5

注意：步长可以为负值，但步长不能为0！
当终止值和起始值的差不能被步长整除时，生成的行向量会被提前截止
例：

>> 1 : 2 : 8

输出：

ans =
1 3 5 7

通过此例可知，终止值c可能不被生成的行向量包含
步长值可以省略不写，默认的步长值为1
例：

>> 1 : 5

输出：

ans =
1 2 3 4 5

2)生成线性等距的行向量的函数

>> linspace(a, c, n)

a是起始值，c是终止值，n是生成的元素个数
和快捷命令不同，调用linspace()函数生成的行向量，终止值c一定会被生成的向量包含
例：

>>linspace(1,5,5)

输出：

ans =
1 2 3 4 5

例：

>> linspace(1, 6, 5)

输出：

ans =
1.00 2.25 3.50 4.75 6.00

可以看出终止值一定会被生成的行向量包含
如果a==c，则生成向量的每个元素值都是a
例：

>> linspace(1, 1, 4)

输出：

ans =
1 1 1 1

3)生成对数等距的行向量的函数

>> logspace(a, c, n)

a是起始值的10的对数，c是终止值的10的对数，n是生成的元素个数
对数等距的行向量，通俗来讲就是等比数列
例：

>> logspace(0, 3, 4)

输出：

ans =
1 10 100 1000

注意：logspace()函数前两个参数是10的对数，不是值本身
也就是说可以把logspace(0, 3, 4)的执行看做两步
第一步：生成对数行向量[0 1 2 3]
第二步：生成行向量[10^0 10^1 10^2 10^3]

可以生成向量和矩阵的库函数

包括但不限于：

diag()	//生成对角矩阵，或取出矩阵的对角元素
eye()	//生成单位矩阵
ones()	//返回全一矩阵
zeros()	//返回全0矩阵

由于MatLab函数重载非常多，具体功能请自行上机尝试

3.矩阵元素的编址和寻访

矩阵元素的编址方式

1)下标编址

例：A(2,1)表示矩阵A第2行第1列的元素
注意：MatLab中的下标从1开始

2)序号编址

序号为i的元素，是指从上到下，从左到右的第i个元素
例：

>> A = [1, 2, 3; 4, 5, 6; 7, 8, 9]
>> A(4)

输出：

A =
1 2 3
4 5 6
ans =
2

注意：序号访问是一列一列访问的，而不是一行一行访问的

矩阵元素的寻访方式：

这部分内容强烈建议上机实验

1)按地址寻访：下标寻访和序号寻访

下标寻访

>> A(r, c)

r和c可以是标量，也可以是向量
例：r和c是向量时地址寻访的返回值

>> A = [1, 2, 3; 4, 5, 6; 7, 8, 9];
>> A([1, 3], [1, 3])

输出：

ans =
1 3
7 9

可以看出，返回A的第1,3行，第1,3列上的元素组成的子矩阵

前文提到了"生成线性等距的行向量的快捷命令"
可以通过冒号快捷命令生成的行向量进行矩阵下标寻访
例：

>> A = [1, 2, 3; 4, 5, 6; 7, 8, 9];
>> A(1:2, 2:3)

输出：

ans =
2 3
5 6

当访问矩阵全部行的某一列元素，或全部列的某一行元素时，冒号快捷命令可以进一步简写
例：

>> A(2, :)	//访问矩阵A的第2行所有元素
>> A(:, 2)	//访问矩阵A的第2列所有元素

序号寻访

>> A(id)

id可以是标量，也可以是向量
例：

>> A = [1, 2, 3; 4, 5, 6; 7, 8, 9];
>> A([1, 3, 6])

输出：

ans =
1 7 8

A([1, 3, 6])访问的是A的第1, 3, 6号元素

冒号快捷命令的序号寻访
例：

>> A = [1, 2, 3; 4, 5, 6; 7, 8, 9];
>> A(2:6)

输出：

ans =
4 7 2 5 8

当按序号访问矩阵的所有元素时，会返回一个列向量
例：

>> A = [1, 2, 3; 4, 5, 6; 7, 8, 9];
>> A(:)

输出：

ans =
1
4
7
2
5
8
3
6
9

2)按条件寻访

>> A(Alo)

A是被寻访的矩阵，Alo是由逻辑值0/1 组成的条件矩阵(logical矩阵)
逻辑1对应的位置会被寻访，逻辑0对应的位置不会被寻访
注意：logical矩阵由逻辑运算生成，后文会提到
例：

>> A = [1, 2, 3; 4, 5, 6; 7, 8, 9];
>> L = (A >= 6)
>> A(L)

输出：

L = 
0 0 0
0 0 1
1 1 1
ans =
7
8
6
9

4.矩阵的双目运算

“标量运算”

这是笔者自己起的名字
矩阵的"标量运算"是指单纯把矩阵中的元素当做独立的标量来运算
"标量运算"的规则如下：

① A # B = [aij # bij] = [cij]，A和B都是矩阵
② A # n = [aij # n] = [cij]，A是矩阵，n是标量

'#'代表服从"标量运算"规则的运算符
例：矩阵的加法，矩阵的减法，都是服从"标量运算"规则的，而矩阵乘法不符合"标量运算"规则
规则②的意思是，标量和矩阵的运算等价于标量与每个矩阵元素进行运算

服从"标量运算"规则的运算符如下：
算术运算：

＋ － .*(标量乘) .\和./(标量左除和右除) .^(标量幂)

注意：标量乘法、除法和幂，要在运算符左边加半角点’.’
矩阵的标量除法，左除和右除等价

关系运算：

＞ < >= <= == ~=(不等于)

注意：MatLab的不等于不是"!="

逻辑运算：

& | ~(非) xor(异或)

注意：逻辑非是’~’，而不是’!’
异或是函数，不能写成A xor B，应该写成xor(A,B)

矩阵"标量运算"的优先级：算术运算>关系运算>逻辑运算

MatLab中的部分初等函数可以对矩阵进行"标量运算"
例：sin()函数的参数可以是一个矩阵，返回值是一个同等规模的矩阵
sin(A) = sin([aij]) = [sin(aij)] = [bij] = B

矩阵运算

*(矩阵乘) \ (矩阵左除)和/(矩阵右除) ^(矩阵幂)

矩阵左除和右除的区别：
矩阵除法等价于乘分母的逆矩阵
即：A / B = A * inv(B)，inv(B)代表矩阵B的逆
但是矩阵乘法没有交换律：A * B = B * A不一定成立
所以A除B到底应该表示成A * inv(B)还是inv(B) * A？
作以下规定：

左除\：B \ A = inv(B) * A
右除/：A / B = A * inv(B)

注意：左除的分母写在左边，实际上B\A看上去B也是在分数线下面
建议：如果矩阵B是满秩的，用逆矩阵乘法，代替矩阵除法

矩阵幂的两种形式：
底数为矩阵，指数为标量
A ^ n = A · A · A…A(n个A矩阵乘)
线性代数指出：上述运算可以简化

对A作对角化，找到可逆矩阵Q，使A = Q · A’ · inv(Q)
其中A’是由A的特征值组成的对角矩阵，inv(Q)是Q的逆
A ^ n = Q · (A’ ^ n) · inv(Q)，由于对角矩阵的幂十分好求，所以可以快速得出矩阵A的n次幂
A’ = diag(x1, x2, x3, …)
A’ ^ n = diag(x1 ^ n, x2 ^ n, x3 ^ n, …)

底数为标量，指数为矩阵
规定n ^ A的运算规则如下：

同理，对A作对角化，找到可逆矩阵Q，使A = Q · A’ · inv(Q)
A’ = diag(x1, x2, x3, …)
n ^ A = Q · diag(n ^ x1, n ^ x2, n ^ 3, …) · inv(Q)

两种矩阵幂的运算方式相似

矩阵函数

矩阵函数的运算过程和矩阵幂的相似
矩阵函数f(A)的运算模板：

对A作对角化，找到可逆矩阵Q，使A = Q · A’ · inv(Q)
A’ = diag(x1, x2, x3, …)
f(A) = Q · diag(f(x1), f(x2), f(x3), …) · inv(Q)

例：矩阵指数函数expm(A)
expm(A) = Q · diag(exp(x1), exp(x2), exp(x3), …) · inv(Q)