Matlab(10)——矩阵求值

Matlab(10)——矩阵求值

一、方阵的行列式的值

det(A)：求方阵A的行列式的值

二、矩阵的迹

矩阵的迹：矩阵主对角线元素之和=矩阵特征值之和(线性代数知识)

trace(A)：求矩阵的迹

三、矩阵的秩

rank(A)：求矩阵A的秩

例：

bar(y)：创建一个条形图，y 中的每个元素对应一个条形，横坐标为元素的序号。如果 y 是矩阵，则 bar 根据 y 中的行对条形分组。
bar(x,y)：创建一个条形图，，y 中的每个元素对应一个条形，横坐标为x中元素

从图中的出的一些结论：
1、奇数阶魔方矩阵为满秩矩阵
2、一重偶数阶魔方矩阵的秩为n/2+2(阶数为4n+2(n=1、2、3…))
3、二重偶数阶魔方矩阵的秩为3(阶数为4n(n=1、2、3…))

四、矩阵的范数

1.向量范数

向量$X=(x_1,x_2,x_3...x_n)$

①1-范数

$\Vert X{\Vert }_1=\sum _{i=1}^n|x_i|$

②2-范数

$\Vert X{\Vert }_2=\sqrt{\sum _{i=1}^n|x_i{|}^2}$

③p-范数(Holder范数)

$\Vert X{\Vert }_p=\sqrt[p]{\sum _{i=1}^n|x_i{|}^p}$

④$\infty$-范数

∥ X ∥ ∞ = max ⁡ { x 1 , x 2 , x 3 . . . x n } \lVert X\rVert_\infty=\max\{x_1,x_2,x_3...x_n\} ∥X∥∞​=max{x1​,x2​,x3​...xn​}

norm(x,p)：计算向量x的p范数，当p=inf时，计算v的$\infty$-范数，p为缺省的，默认为2

2.矩阵范数

矩阵$A=(a_{ij}{)}_{m\ast n}$

①1-范数

矩阵$A$列元素绝对值之和的最大值

∥ A ∥ 1 = max ⁡ 1 ⩽ j ⩽ n { ∑ i = 1 m ∣ a i j ∣ } \lVert A\rVert_1=\displaystyle\max_{1\leqslant j\leqslant n}\{\displaystyle\sum_{i=1}^m\lvert a_{ij}\rvert\} ∥A∥1​=1⩽j⩽nmax​{i=1∑m​∣aij​∣}

norm(A,1)：计算矩阵A的1-范数

②2-范数

要求$A$为方阵(m=n)，矩阵$A^{T}A$的最大特征值(${\lambda }_1$)的平方根

$\Vert A{\Vert }_2=\sqrt{{\lambda }_1}$

norm(A)或norm(A,2)：计算矩阵A的2-范数

顺便提一个东西
谱半径：要求矩阵$A$为方阵(m=n)，矩阵$A$的特征值的绝对值的最大值
$\rho (A)=\underset{1⩽i⩽n}{\max }|{\lambda }_i|$

③$\infty$-范数

矩阵$A$行元素绝对值之和的最大值

∥ A ∥ ∞ = max ⁡ 1 ⩽ i ⩽ m { ∑ j = 1 n ∣ a i j ∣ } \lVert A\rVert_\infty=\displaystyle\max_{1\leqslant i\leqslant m}\{\displaystyle\sum_{j=1}^n\lvert a_{ij}\rvert\} ∥A∥∞​=1⩽i⩽mmax​{j=1∑n​∣aij​∣}

norm(A,inf)：计算矩阵A的$\infty$-范数

④F-范数

矩阵$A$所有元素的平方之和开平方

$\Vert A{\Vert }_F=\sqrt{\sum _{i=1}^m\sum _{j=1}^n|a_{ij}{|}^2}$

norm(A,‘fro’)：计算矩阵A的F-范数

五、矩阵的条件数

矩阵A的条件数=矩阵A的范数与矩阵A逆矩阵的范数的乘积

作用：条件数越接近与1，表示矩阵的性能越好，反之越差(病态矩阵)

cond(A,p)：计算p-范数下矩阵的条件数，其中 p 可以是 1、2、Inf 、‘fro’