MATLAB系列：矩阵运算笔记（二）

0x00 前言

文章中的文字可能存在语法错误以及标点错误，请谅解；

如果在文章中发现代码错误或其它问题请告知，感谢！

MATLAB版本：MATLAB R2018b。

0x01 矩阵运算

1.幂函数
A是一个n阶矩阵，k是一个正整数，规定$\underset{k\text{ 个}}{\underbrace{AA\cdots A}}$称为矩阵的幂，其中k为正整数。
矩阵的幂运算是将矩阵中的每隔元素进行乘方运算，即
$${\left(\begin{array}{cccc}{\lambda }_1& 0& \cdots & 0\\ 0& {\lambda }_2& \cdots & 0\\ ⋮& ⋮& \ddots & ⋮\\ 0& 0& \cdots & {\lambda }_n\end{array}\right)}^k=\left(\begin{array}{cccc}{\lambda }_1^k& 0& \cdots & 0\\ 0& {\lambda }_2^k& \cdots & 0\\ ⋮& ⋮& \ddots & ⋮\\ 0& 0& \cdots & {\lambda }_n^k\end{array}\right)$$

对于单位n阶矩阵A有$A^k{A}^l$ = $A^{k+l}$，（$A^k{）}^l$ = $A^{k+l}$。

例1：
矩阵幂运算1。

>> A = [1 2 3; 4 5 6;3 2 1];
>> A.^2

例2：
矩阵幂运算2。

>> A = [1 2 3; 4 5 6;3 2 1];
>> B = [2 3 4; 4 5 4;1 3 4];
>> (A*B)^3
>> A^3*B^3

2.矩阵的逆
对于n阶方阵A，如果有n阶方阵B满足AB=BA=I，则称矩阵A为可逆，称方阵B为A的逆矩阵，记位A^-1。
性质：
·若A可逆，则A^-1是唯一的。
·若A可逆，则A^-1 也可逆，并且（A^-1）^-1=A。
·若n阶方阵A与B都可逆，则AB也可逆，且(AB)^-1=B^-1A^-1。
·若A可逆，则|A^-1|=|A|^-1。
求解矩阵的逆使用inv（）函数：B=inv(A)。

例3：
求解矩阵的逆1。

 >>A = rand(3)
 >>inv(A)

例4：
求解矩阵的逆2。
已知矩阵A= $\left[\begin{array}{cccc}1& 2& 3& 4\\ 5& 6& 1& 0\\ 0& 1& 1& 0\\ 1& 1& 2& 3\end{array}\right]$，b=$\left[\begin{array}{c}1\\ 0\\ 1\\ 0\end{array}\right]$，求A^-1，并在A^-1基础上求矩阵A的第2列被b替换后的逆矩阵。

>> A=[1 2 3 4;5 6 1 0;0 1 1 0;1 1 2 3];
>> b=[1 0 1 0]';
>> A(:,2)=b
>> inv(A)

3.矩阵的条件数
矩阵的条件数在数值分析中是一个重要概念，在工程计算中十分必要，用于刻画一个矩阵的“病态”程度。
对于非奇异矩阵A，其定义的条件数为：cond(A)${}_v$=||A^-1||${}_v$||A||${}_v$
，其中v=1，2，……F。
它是大于等于1的实数，当A的条件数相对较大，即cond(A)${}_v$>>1时，矩阵A是“病态”的，反之是“良态”的。

4.矩阵的条件数
范数是数值分析中的一个概念，它是向量或矩阵大小的一个量度，在工程计算中有重要的作用。

对于向量x$\in$Rⁿ，常用的向量范数有以下几种:
·x的$\infty$-范数:||x||${}_{\infty }$=$ma{x}_{1\le i\le n}$ |x${}_i$|
·x的1-范数：||x||${}_1$ =${\sum }_{i=1}^n$ |x${}_i$|
·x的2-范数（欧式范数）：||x||${}_2$ = (x^Tx)^1/2=(${\sum }_{i=1}^n$ x²${}_i$)^1/2
·x的p-范数：||x||${}_p$= (${\sum }_{i=1}^n$ |x${}_i$|^p)^1/p

对于矩阵A$\in$R^m*n，常用的矩阵范数有以下几种：
·A的行发生范数（$\infty$-范数）：||A||${}_{\infty }$ =$ma{x}_{1\le i\le m}$${\sum }_{j=1}^n$ |a${}_{ij}$|
·A的列范数（1-范数）：||A||${}_1$=$ma{x}_{1\le j\le n}$${\sum }_{i=1}^m$ |a ${}_{ij}$|
·A的欧式范数（2-范数）：||A||${}_{\infty }$=$\sqrt{\lambda max(A^{T}A)}$ ||A|| ${}_{\infty }$= $\sqrt{\lambda max(A^{T}A)}$，其中$\lambda max(A^{T}A)$表示A^TA的最大特征值。
·A的Forbenius范数（F-范数）：||A||${}_F$ = （${\sum }_{i=1}^m$${\sum }_{j=1}^n$a${}_{ij}$²）^1/2 = trace( $A^{T}A$)^1/2

例5：
矩阵的范数和条件数。

>> A=[3 8 9;0 3 3;7 9 5];
>> B=[8 3 9;2 8 1;3 9 1];
>> norm(A)
>> normest(A)
>> det(A)

以上。

参考文档：
1.https://www.zybuluo.com/codeep/note/163962（Markdown 公式指导手册）
2.https://blog.csdn.net/katherine_hsr/article/details/79179622（数学符号和公式）
3.天工在线.中文版MATLAB2018从入门到精通（实战案例版）[M].北京:中国水利水电出版社,2018.