matlab 矩阵数组

Matlab中的矩阵和数组是非常重要的数据类型，它们可以用来存储和操作数值数据。在Matlab中，矩阵和数组是相同的数据结构，都是由元素组成的矩形网格。

矩阵是一个二维数组，其中每个元素都有一个行索引和列索引。可以使用以下语法创建矩阵：

A = [1 2 3; 4 5 6; 7 8 9]

这将创建一个3x3的矩阵A，其中包含数字1到9。可以使用括号和分号来指定矩阵的行和列。例如，[1 2 3]是一个包含3个元素的行向量，[1; 2; 3]是一个包含3个元素的列向量。

Matlab中还有其他类型的数组，如向量和多维数组。向量是只有一行或一列的矩阵，可以使用以下语法创建：

v = [1 2 3 4 5]

这将创建一个1x5的向量v，其中包含数字1到5。可以使用单引号来创建列向量，例如：

w = [1; 2; 3; 4; 5]

这将创建一个5x1的列向量w，其中包含数字1到5。

多维数组是具有三个或更多维的数组，可以使用以下语法创建：

B = rand(2,3,4)

这将创建一个2x3x4的三维数组B，其中每个元素都是随机生成的数字。可以使用括号和冒号来访问数组中的元素。例如，B(1,2,3)将返回数组B中第1个维度为1，第2个维度为2，第3个维度为3的元素。

Matlab还提供了许多用于矩阵和数组操作的函数，如矩阵乘法、转置、元素级加、减、乘、除等。这些函数可以方便地对矩阵和数组进行计算和操作。

 

1. 矩阵乘法：

使用运算符进行矩阵乘法，例如AB将计算矩阵A和B的乘积。注意，矩阵乘法要求第一个矩阵的列数等于第二个矩阵的行数。如果A是m×n的矩阵，B是n×p的矩阵，则A*B的结果是一个m×p的矩阵。

例如，对于如下两个矩阵：

A = [1 2 3; 4 5 6]
B = [7 8; 9 10; 11 12]

执行A*B的结果是：

C = [58 64; 139 154]

其中，C是一个2×2的矩阵。

 

        2.转置：

使用'运算符进行转置，例如A'将计算矩阵A的转置。转置将矩阵的行和列交换。如果A是m×n的矩阵，则A'是n×m的矩阵。

例如，对于如下矩阵：

A = [1 2 3; 4 5 6]

执行A'的结果是：

A' = [1 4; 2 5; 3 6]

其中，A'是一个3×2的矩阵。

 

         3.元素级加、减、乘、除：

使用+、-、.*、./运算符进行元素级加、减、乘、除。例如A+B将计算矩阵A和B的元素级加法。如果A和B是同样大小的矩阵，则A+B、A-B、A.*B、A./B的结果都是同样大小的矩阵。

例如，对于如下两个矩阵：

A = [1 2 3; 4 5 6]
B = [2 3 4; 5 6 7]

执行A+B的结果是：

C = [3 5 7; 9 11 13]

其中，C是一个2×3的矩阵。

 

        4.矩阵求逆：

使用inv函数进行矩阵求逆，例如inv(A)将计算矩阵A的逆矩阵。注意，只有方阵才有逆矩阵。如果矩阵A是可逆的，则inv(A)*A将得到一个单位矩阵。

例如，对于如下矩阵：

A = [1 2; 3 4]

执行inv(A)的结果是：

inv(A) = [-2 1; 1.5 -0.5]

其中，inv(A)是一个2×2的矩阵。

 

        5.矩阵转置求逆：

使用A' * A进行矩阵转置求逆，例如inv(A' * A)将计算矩阵A的转置乘以A的逆矩阵。这种方法也被称为最小二乘解法。最小二乘解法用于解决超定方程组（即方程个数大于未知数个数的情况）的问题。

例如，对于如下矩阵：

A = [1 2; 3 4; 5 6]
b = [5; 11; 17]

求解Ax=b的最小二乘解法可以使用如下代码：

x = inv(A' * A) * A' * b

其中，x是一个2×1的列向量。

 

        6.矩阵行列式：

使用det函数计算矩阵的行列式，例如det(A)将计算矩阵A的行列式。行列式是一个标量，用于衡量矩阵的可逆性和伸缩性。如果行列式为0，则矩阵不可逆。

例如，对于如下矩阵：

A = [1 2 3; 4 5 6; 7 8 9]

执行det(A)的结果是：

det(A) = 0

由于A的行列式为0，因此A是不可逆的。

 

        7.矩阵特征值和特征向量：

使用eig函数计算矩阵的特征值和特征向量，例如[eigVec, eigVal] = eig(A)将计算矩阵A的特征值和特征向量。特征值和特征向量用于描述矩阵的变换性质和几何性质。

例如，对于如下矩阵：

A = [1 2; 2 1]

执行eig(A)的结果是：

eigVal = [3 -1]
eigVec = [0.7071 -0.7071; 0.7071 0.7071]

其中，eigVal是一个包含A的特征值的列向量，eigVec是一个包含A的特征向量的矩阵。

 

        8.矩阵奇异值分解：

使用svd函数进行矩阵奇异值分解，例如[U, S, V] = svd(A)将计算矩阵A的奇异值分解。奇异值分解是一种重要的矩阵分解方法，用于数据压缩、降维和信号处理等领域。

例如，对于如下矩阵：

A = [1 2 3; 4 5 6]

执行svd(A)的结果是：

U = [-0.3863 -0.9224; -0.9224 0.3863]
S = [9.5080 0; 0 0.7729]
V = [-0.4280 -0.5663 -0.7036; -0.8053 -0.1122 0.5810; -0.4082 0.8165 -0.4082]

其中，U和V是A的左奇异向量和右奇异向量，S是A的奇异值矩阵。