Matlab(10)——矩阵求值
文章目录
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 ) X=(x_1,x_2,x_3...x_n) X=(x1,x2,x3...xn)
①1-范数
∥ X ∥ 1 = ∑ i = 1 n ∣ x i ∣ \lVert X\rVert_1=\displaystyle\sum_{i=1}^n\lvert x_i\rvert ∥X∥1=i=1∑n∣xi∣
②2-范数
∥ X ∥ 2 = ∑ i = 1 n ∣ x i ∣ 2 \lVert X\rVert_2=\sqrt{\displaystyle\sum_{i=1}^n\lvert x_i\rvert^2} ∥X∥2=i=1∑n∣xi∣2
③p-范数(Holder范数)
∥ X ∥ p = ∑ i = 1 n ∣ x i ∣ p p \lVert X\rVert_p=\sqrt[p]{\displaystyle\sum_{i=1}^n\lvert x_i\rvert^p} ∥X∥p=pi=1∑n∣xi∣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 i j ) m ∗ n A=(a_{ij})_{m*n} A=(aij)m∗n
①1-范数
矩阵 A A 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 A A为方阵(m=n),矩阵 A T A A^TA ATA的最大特征值( λ 1 \lambda_1 λ1)的平方根
∥ A ∥ 2 = λ 1 \lVert A\rVert_2=\sqrt{\lambda_1} ∥A∥2=λ1
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
A
A为方阵(m=n),矩阵
A
A
A的特征值的绝对值的最大值
ρ
(
A
)
=
max
1
⩽
i
⩽
n
∣
λ
i
∣
\rho(A)=\displaystyle\max_{1\leqslant i\leqslant n}\lvert \lambda_i\rvert
ρ(A)=1⩽i⩽nmax∣λi∣
③ ∞ \infty ∞-范数
矩阵 A A 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 A A所有元素的平方之和开平方
∥ A ∥ F = ∑ i = 1 m ∑ j = 1 n ∣ a i j ∣ 2 \lVert A\rVert_F=\sqrt{\displaystyle\sum_{i=1}^m\displaystyle\sum_{j=1}^n\lvert a_{ij}\rvert^2} ∥A∥F=i=1∑mj=1∑n∣aij∣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’