Matlab矩阵的分析与处理(1)

注意 ：用于求方阵的行列式值

1.2 矩阵的秩

矩阵的秩是矩阵的列向量组（或行向量组） 的任一极大线性无关组所含向量的个数。

运算符 ： rank( )

1.3 矩阵的迹

矩阵的迹等于矩阵主对角线元素的总和。也等于矩阵特征值的总和。

运算符 ： trace( )

注意 ：要求矩阵是方阵

1.4 矩阵的特征值分析

E=eig(A )：

求矩阵A的全部特征值，并构成向量E

[V,D]=eig(A )：

求矩阵 A 的全部特征值，构成对角矩阵D ；求 A 的特征向量构成列向量V 。

A=[1, - 2,3;2,3,1;3, - 1, - 1]

B=det(A)

C=rank(A)

D=trace(A)

E=eig(A)

[V,D]=eig(A)

A1=[1,2,3;4,5,6]

B1=det(A1)

C1=trace(A1)

2 矩阵的逆与线性方程组求解

---

2.1 矩阵的逆

inv( )

用于求满秩方阵的逆

pinv( ) 用于求不是方阵或非满秩方阵的

逆—— 伪逆

如果 ABA=A ， BAB=B ，则称 B 为 A 的

伪逆，或广义逆矩阵。

2.2 线性方程组求解

AX=B     X= )*B

X = inv ( A )* B

X = inv(A)*B= A\ B (矩阵左除)

3 矩阵的分解与变换

---

3.1 矩阵的分解

 三角分解（方阵）： [l,u]=lu(a)

 正交分解： [q,r]=qr(a)

a(n,m)

q ： n 阶正交方阵

r ：与 a 同阶的上三角矩阵

 奇异值分解： [u,s,v]=svd(a)

u ： n 阶正交方阵

s ： n × m 阶的对角阵，对角线元素为 a

的奇异值，长度为n、 m 的较小者

v ： m 阶正交方阵

3.2 矩阵的变换

 矩阵的共轭转置：’

 矩阵的共轭： conj

 矩阵的转置： conj’

复数矩阵的赋值

 对元素逐个赋值：

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注：Python）

_convert/9f49b566129f47b8a67243c1008edf79.png)

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注：Python）