MATLAB的使用（一）：矩阵的操作命令

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：

1. $A\vec{x}=\vec{b}$，求$\vec{x}$：

>> 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

2. $\vec{x}A=\vec{b}$，求$\vec{x}$：

>> 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

1. 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]。

2. 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’

3. Crout分解：
   1、按‘LDU分解’得到A=LDU后
   2、L’=L*D
   3、A=L’U
   • 《Crout.m》

4. 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}}]

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}}]

6. 满秩分解：
   1、行化简矩阵A：rref(A)
   2、【hermite矩阵方法】

7. 奇异值分解：
   [U,S,V]=svd(A)

待续…