2024Matlab数模初级教程- 第三章 Matlab 矩阵运算及函数

乐以礼

已于 2024-05-19 19:20:57 修改

阅读量722

点赞数 8

分类专栏： Matlab初级教程文章标签： matlab 矩阵网络

于 2024-05-18 20:16:56 首次发布

本文链接：https://blog.csdn.net/qq_37360300/article/details/139030213

版权

Matlab初级教程专栏收录该内容

4 篇文章 4 订阅

订阅专栏

第三章 Matlab 矩阵运算及函数

前言

本章节将详细介绍MATLAB在矩阵运算方面的基本内容。首先，我们将从矩阵的创建开始，介绍如何使用MATLAB创建各种类型的矩阵，并掌握矩阵的基本运算方法。然后我们将通过实例分析，展示MATLAB在解决实际问题中的应用，并探讨MATLAB在新技术和新领域中的应用前景。希望通过小节的介绍，读者能够掌握MATLAB的矩阵运算和作图功能，并在实际工作中灵活运用。
矩阵运算是matlab非常重要的功能，更是数模中使用最多的模块，最好能够熟练的掌握以及精通matlab 的矩阵运算。

一、矩阵运算基础

1.矩阵的创建

在MATLAB中，矩阵的创建是矩阵运算的第一步。以下是几种常见的创建矩阵的方法：

1.1直接输入法创建矩阵

在MATLAB命令窗口中，可以直接输入矩阵的元素并用方括号[]将其括起来，元素之间用逗号,或空格分隔，行与行之间用分号;（或换行符）分隔。例如

>> A = [1 2 3; 4 5 6; 7 8 9]; % 创建一个3x3的矩阵  
B = [1 2 3 4; 5 6 0 0]; % 注意，矩阵B的行数不同，不是方阵
>> A

A =

     1     2     3
     4     5     6
     7     8     9

>> B

B =

     1     2     3     4
     5     6     0     0

1.2冒号运算符创建矩阵

冒号运算符:在MATLAB中非常有用，它可以用来创建等差数列，从而进一步生成矩阵。例如：

>> C = 1:5; % 创建一个1x5的行向量，元素为1到5  
D = 1:2:9; % 创建一个1x5的行向量，元素从1开始，步长为2，到9结束（不包括9）  
E = [1:3; 4:6]; % 创建一个2x3的矩阵，其中第一行是1到3，第二行是4到6
>> C

C =

     1     2     3     4     5

>> D

D =

     1     3     5     7     9

>> E

E =

     1     2     3
     4     5     6

>>

1.3使用函数（如linspace、logspace）创建矩阵

MATLAB提供了linspace和logspace等函数来创建特定类型的矩阵。

linspace(a, b, n)函数用于创建从a到b之间的n个等间距的数，形成一个行向量。
logspace(a, b, n)函数用于创建从10^a到10b之间的n个对数等间距的数，也形成一个行向量。
例如：

>> F = linspace(0, 1, 5); % 创建一个从0到1之间等间距的5个数的行向量  
G = logspace(-1, 1, 3); % 创建一个从0.1到10之间对数等间距的3个数的行向量
>> F

F =

         0    0.2500    0.5000    0.7500    1.0000

>> G

G =

    0.1000    1.0000   10.000

1.4利用MATLAB内置函数创建特定类型的矩阵

MATLAB还提供了许多内置函数来创建特定类型的矩阵，如：

rand(m, n)函数用于创建m行n列的随机矩阵，元素在0到1之间均匀分布。
ones(m, n)函数用于创建m行n列的全1矩阵。
zeros(m, n)函数用于创建m行n列的全0矩阵。
如下所示：

>> H = rand(3, 4); % 创建一个3x4的随机矩阵  
I = ones(2, 2); % 创建一个2x2的全1矩阵  
J = zeros(4, 1); % 创建一个4x1的全0列向量
>> H

H =

    0.0975    0.9575    0.9706    0.8003
    0.2785    0.9649    0.9572    0.1419
    0.5469    0.1576    0.4854    0.4218

>> I

I =

     1     1
     1     1

>> J

J =

     0
     0
     0
     0

通过上述四种方法，用户可以轻松地在MATLAB中创建各种类型和大小的矩阵，为后续的矩阵运算奠定基础，当然，创建矩阵的方法不仅仅就只有上述的四种，还有很多种生成矩阵的方式。

二、矩阵基本运算

1.基本运算

在MATLAB中，矩阵的基本运算包括加法、减法、乘法、与向量的运算、转置、共轭和逆运算等。这些运算是进行更复杂矩阵操作的基础。

1.1 矩阵的加法、减法和乘法运算

加法：两个同型矩阵（即行数和列数都相同的矩阵）可以进行加法运算。MATLAB中直接使用加号+进行矩阵加法。

>> A = [1 2; 3 4];  
B = [5 6; 7 8];  
C = A + B; % C = [6 8; 10 12]
>> A
A =

     1     2
     3     4

>> B
B =

     5     6
     7     8
>> C
C =

     6     8
    10    12

减法：与加法类似，同型矩阵可以使用减号-进行减法运算。

D = A - B; % D = [-4 -4; -4 -4]

乘法：矩阵乘法要求第一个矩阵的列数等于第二个矩阵的行数。在MATLAB中，使用星号*进行矩阵乘法。

在matlab里，自然指数e为exp，但是当你想用的时候要用exp(1)，代表e的1次方。圆周率π为pi：

>> E = [1 2; 3 4];  
F = [2; 3];  
G = E * F; % G = [8; 18]（注意这里F是一个列向量）  
  
% 对于矩阵之间的乘法  
H = [1 2; 3 4];  
I = [2 3; 4 5];  
J = H * I; % J是一个2x2的矩阵
>> G

G =

     8
    18

>> J

J =

    10    13
    22    29

1.2矩阵与向量的运算

当向量被视为列向量时，可以直接与矩阵进行乘法运算，如上述的G = E * F示例。
如果向量是行向量，则可以使用左乘的方式与矩阵相乘，或者先将行向量转置为列向量再进行乘法运算

如果不进行转置就进行运算，则会报错

>> A=[1,2,3]%行向量

A =

     1     2     3

>> B=ones(3)

B =

     1     1     1
     1     1     1
     1     1     1

>> A*B

ans =

     6     6     6

>> B*A
错误使用  * 
用于矩阵乘法的维度不正确。请检查并确保第一个矩阵中的列数与第二个矩阵中的行数匹配。要执行按元素相乘，请使用 '.*'。
//此处报错是因为没有进行正确的矩阵运算，行列不一致//

1.3矩阵的转置

矩阵的转置是将矩阵的行转换为列的过程。在MATLAB中，使用单引号’或函数transpose()进行矩阵转置。

>> A=magic(3)

A =

     8     1     6
     3     5     7
     4     9     2

>> A'

ans =

     8     3     4
     1     5     9
     6     7     2

1.4矩阵的共轭

对于复数矩阵，共轭是指矩阵中每个元素的实部保持不变，虚部取反。在MATLAB中，使用点号.后跟单引号’来获取矩阵的共轭。

>> % 假设L是一个复数矩阵  
L = [1+2i 3-4i; 5+6i 7-8i];  
M = conj(L); % 或者 M = L.';（注意这里的点号'.'表示复数共轭）
>> M

M =

   1.0000 - 2.0000i   3.0000 + 4.0000i
   5.0000 - 6.0000i   7.0000 + 8.0000i

>> L

L =

   1.0000 + 2.0000i   3.0000 - 4.0000i
   5.0000 + 6.0000i   7.0000 - 8.0000i

1.5矩阵的逆运算

对于方阵（行数和列数相等的矩阵），如果其行列式不为零，则存在逆矩阵。在MATLAB中，使用inv()函数来计算矩阵的逆。

>> N = [1 2; 3 4];  
if det(N) ~= 0 % 判断行列式是否为零  
    O = inv(N);  
else  
    disp('矩阵不可逆');  
end
>> N

N =

     1     2
     3     4

>> inv(N)

ans =

   -2.0000    1.0000
    1.5000   -0.5000

小结

通过掌握这些基本的矩阵运算，用户可以在MATLAB中执行更复杂的数值计算任务。在实际应用中，可以结合上述运算符和函数进行复杂的矩阵运算。例如，计算矩阵的幂、求解线性方程组等。

三、矩阵的线性代数运算

在MATLAB中，矩阵的线性代数运算涵盖了行列式、迹、秩的计算，特征值和特征向量的求解，矩阵的分解，以及线性方程组的求解。这些运算是矩阵分析和线性代数中的基础且重要的概念

1.1行列式、迹和秩的计算

行列式（Determinant）：行列式是方阵的一个数值，可以反映矩阵的线性变换性质。在MATLAB中，可以使用det()函数来计算矩阵的行列式。
迹（Trace）：矩阵的迹是其对角线上元素之和，对于方阵A，其迹tr(A)等于A的特征值之和。在MATLAB中，可以使用trace()函数来计算。
秩（Rank）：矩阵的秩是其行（或列）向量组的秩，也就是线性无关的行（或列）向量的最大个数。在MATLAB中，可以使用rank()函数来计算。
代码如下：

>> A = [1 2; 3 4];  
detA = det(A) % 计算矩阵A的行列式

detA =

    -2

>> traceA = trace(A) % 计算矩阵A的迹

traceA =

     5

>> rankA = rank(A) % 计算矩阵A的秩

rankA =

     2

1.2特征值和特征向量的求解

矩阵的特征值和特征向量在许多数学和工程应用中都很重要。在MATLAB中，可以使用eig()函数来计算矩阵的特征值和特征向量。

>> [V, D] = eig(A); % V是特征向量矩阵，D是对角线为特征值的对角矩阵
>> V

V =

   -0.8246   -0.4160
    0.5658   -0.9094

>> D

D =

   -0.3723         0
         0    5.3723

1.3矩阵的分解

MATLAB提供了多种矩阵分解的方法，如LU分解、QR分解等。

LU分解：将一个矩阵分解为一个下三角矩阵L和一个上三角矩阵U的乘积。在MATLAB中，可以使用lu()函数进行LU分解。
QR分解：将一个矩阵分解为一个正交矩阵Q和一个上三角矩阵R的乘积。在MATLAB中，可以使用qr()函数进行QR分解。

>> [L, U, P] = lu(A) % L是下三角矩阵，U是上三角矩阵，P是置换矩阵

L =

    1.0000         0
    0.3333    1.0000


U =

    3.0000    4.0000
         0    0.6667


P =

     0     1
     1     0

>> [Q, R] = qr(A) % Q是正交矩阵，R是上三角矩阵

Q =

   -0.3162   -0.9487
   -0.9487    0.3162


R =

   -3.1623   -4.4272
         0   -0.6325

如果A是奇异矩阵或欠定/超定方程组，MATLAB会给出警告或错误，并提供最小二乘解（对于超定方程组）或广义逆解（对于奇异或欠定方程组）。

1.4线性方程组的求解

在matlab中，线性方程的求解使用左除运算符‘\‘’

对于线性方程组Ax = b，如果矩阵A是方阵且非奇异（行列式不为零），则可以使用逆矩阵来求解x = A^-1b。但是，在实际应用中，直接计算逆矩阵是不推荐的，因为计算量大且容易出错。MATLAB提供了左除运算符\来高效地求解线性方程组

>> b = [1; 2];  
x = A \ b; % 使用左除运算符求解线性方程组
>> x

x =

         0
    0.5000

3.总结

好啦，以上就是matlab初级教程第三课要讲的内容，MATLAB是进行矩阵运算的强大工具，它提供了丰富的函数和运算符来支持各种线性代数运算。现在我们对MATLAB矩阵基础运算小节进行一个简短的总结：

基本矩阵运算：包括加法、减法和乘法。同型矩阵可以进行加法和减法运算，而矩阵乘法需要满足特定的维度要求。
行列式、迹和秩：det()函数用于计算矩阵的行列式，trace()函数用于计算矩阵的迹（对角线元素之和），rank()函数用于计算矩阵的秩（线性无关的行或列的最大数）。
特征值和特征向量：eig()函数用于求解矩阵的特征值和特征向量，返回的向量矩阵包含特征向量，对角矩阵包含对应的特征值。
矩阵分解：MATLAB支持多种矩阵分解方法，如LU分解（lu()函数）和QR分解（qr()函数），这些分解在数值分析和优化问题中非常有用。
线性方程组的求解：对于线性方程组Ax = b，可以使用左除运算符\来高效地求解。MATLAB会自动处理方程组的类型（如超定、欠定或适定），并给出相应的解或最小二乘解。

这些基础运算和函数构成了MATLAB矩阵运算的基石，通过结合使用它们，用户可以在MATLAB中执行复杂的数学计算和分析任务。