MATLAB的使用(一):矩阵的操作命令
一、矩阵的基本运算
- 矩阵的输入方式:
>> A=[1 -1 -1 0 3;2 -2 -1 2 4;3 -3 -1 4 5;1 -1 1 4 -1];
或者
>> A=[1,-1,-1,0,3;2,-2,-1,2,4;3,-3,-1,4,5;1,-1,1,4,-1];
- 矩阵的基本运算:
矩阵的逆:inv(A)
矩阵的转置:A'
矩阵的秩:rank(A)
- 对角阵:
>> I3=[1,1,1]
>> I3=diag(I3) //三阶单位阵
- 特征值和特征向量:
>> [X,B]=eig(A) //特征向量X、特征值B
- 行简化阶梯矩阵:
>> B=rref(A)
- 最小多项式:
>>syms x
>> A = [3 -3 2;-1 5 -2;-1 3 0]
>> minpoly(A, x)
ans = a^2 - 6*a + 8
- Jordan标准型矩阵:
>> [P,J]=jordan(A) //J为所求矩阵A的Jordan标准型,P为转换矩阵
>> Q=inv(P) //Q=P^(-1),满足J=QAP
- 基变换矩阵:
X=(x1,x2,…,xn)—> Y=(y1,y2,…,yn)
>> X=[]
>> Y=[] //(题目中给的是列向量!输入要转换一下)
>> Y=X*C //(想想C需不需要转置)
>> C=X\Y
- 坐标变换矩阵:
在基(x1,x2,…,xn)下坐标:(ξ1,ξ2,ξ3,ξ4)^T;
在基(y1,y2,…,yn)下坐标:(λ1,λ2,λ3,λ4)^T.
>> ξ=[] //(列向量)
>> λ=[] //(列向量)
>> ξ=C*λ //(想想C需不需要转置)
>> λ=C^(-1)ξ //C=λ\ ξ
- 数据格式为分数:
format rat
二、求解线性方程组
• 行简化阶梯型矩阵:
>>A=[]
>>B=rref(A) //B是A的行简化阶梯矩阵
• 求解齐次线性方程组AX=0:
>> A=[1 -1 -1 0 3;2 -2 -1 2 4;3 -3 -1 4 5;1 -1 1 4 -1]; //A=系数矩阵
>> X=null(A,'r')
• 求解非齐次线性方程组:
- A x ⃗ = b ⃗ A\vec x=\vec b Ax=b,求 x ⃗ \vec x x:
>> A = [2,3,1;4,2,3;7,1,-1]; //A=系数矩阵
>> B = [4;17;1]; //B=右边值矩阵[列向量!]
>> X = A\B
- x ⃗ A = b ⃗ \vec x A=\vec b xA=b,求 x ⃗ \vec x x:
>> A = [2,3,1;4,2,3;7,1,-1]; //A=系数矩阵
>> B = [4;17;1]; //B=右边值矩阵[列向量!]
>> X = B/A
三、求解矩阵范数
- p-范数:
> A = []
> norm(A,1) //1范数
> norm(A,2) //2范数
> n = norm(A,inf) //无穷范数
> norm(A, 'fro' ) //F范数
四、矩阵分解
- LU分解:
>> [B,C]=lu(A) //U为上三角阵,L为下三角阵
>>[L,U,P] = lu(X) //U为上三角阵,L为下三角阵,P为单位矩阵的行变换矩阵.
具体:
由A0求L0 ;
由L0求A1[=L0(-1)*A0],L0(-1)元素=负的L0元素;
由A1求L1;
…
L=L1L2(是单位下三角阵)
U=A_(n-1),可分解成U=DU’,D为对角元素为特征值[U的对角线元素]。
-
LDU分解:
1、按高斯消元法一步步求得的L都是单位下三角阵。
2、由上述A=LU得到的L=L1L2…和U
3、将U分解成DU’
o D为对角矩阵,对角元素为特征值[U的对角线元素],求法:[X,D]=eig(A);
o U=DU’,则U’=D^(-1)*U [U的对角线元素变成1,其余不变]
4、得到A=LDU’ -
Crout分解:
1、按‘LDU分解’得到A=LDU后
2、L’=L*D
3、A=L’U
• 《Crout.m》 -
Gholesky分解:
1、按‘LDU分解’得到A=LDU后
2、D’=根号D
3、G=L根号D
4、A=GG^T
• CholeskyDecomposition[{{5,2,-4}, {2,1,-2},{-4,-2,5}}] -
QR分解:
[Q,R] = qr(A)
先正交化:Schmidt_orthogonalization.m
再[Q,R]=qr(A)
• QRDecomposition[{{1,2,2}, {2,1,2},{1,2,1}}]
-
满秩分解:
1、行化简矩阵A:rref(A)
2、【hermite矩阵方法】 -
奇异值分解:
[U,S,V]=svd(A)
待续…