matlab hilb,MatLab 2018a 官方教程[三]

前言

1.特殊矩阵

通用的

zeros

zeros(m): m*m

zeros(m,n) m*n

zeros(size(A)) 与矩阵A同样大小的零矩阵

ones

eye 对角线=1,矩阵是方阵,得到单位矩阵

rand (0,1)区间均匀分布的随机矩阵

fix(a+(b-a+1)*x) 产生[a,b]区间上均匀分布的随机整数

randn 均值=0,反差=1的标准正态分布随机矩阵

μ+σx : 得到均值为μ,反差为σ的随机数

学科矩阵

魔方矩阵

>> M = magic(n)

# 每行的和为:(n+n³)/2

范德蒙矩阵:各种通信系统的纠错编码

Trial>> vander([1,2,3,4,5])

ans =

1 1 1 1 1

16 8 4 2 1

81 27 9 3 1

256 64 16 4 1

625 125 25 5 1

希尔伯特矩阵:较小的变动都会发生很大的变动

Trial>> format rat

Trial>> H = hilb(4)

H =

1 1/2 1/3 1/4

1/2 1/3 1/4 1/5

1/3 1/4 1/5 1/6

1/4 1/5 1/6 1/7

伴随矩阵

Trial>> A = compan([1,-2,-5,6])

A =

2 5 -6

1 0 0

0 1 0

帕斯卡矩阵,杨辉三角

它的逆矩阵的所有元素也是整数

Trial>> P = pascal(4)

P =

1 1 1 1

1 2 3 4

1 3 6 10

1 4 10 20

Trial>> inv(P)

ans =

4 -6 4 -1

-6 14 -11 3

4 -11 10 -3

-1 3 -3 1

2.矩阵变换

对角阵

对角矩阵:只有对角线上有非零元素的矩阵

数量矩阵:对角线上的元素相等的对角矩阵

单位矩阵:对角线=1

(1)提取矩阵的对角线元素

diag(A):产生一个列向量

diag(A,k):提取矩阵第k条对角线的元素,产生一个列向量;中间k=0;往上k>0;往下,k<0;

(2)构造对角矩阵

diag(V):以向量V为对角线元素,产生对角矩阵;

diag(V,k):以向量V为第k条对角线元素,产生对角矩阵;

三角阵

上三角阵:

triu(A):提取A的主对角线及以上的元素;

triu(A,k):提取A的第k条对角线及以上的元素;

下三角阵:

tril(A)

trip(A,k)

转置

符号:.'

共轭转置:',在转置的基础上还要取每一个数的复共轭

旋转

rot90(A,k):将A逆时针旋转90°的k倍,当k=1省略;

翻转

fliplr(A):左右翻转

flipud(A):上下翻转

用途:提取副对角线,先把主对角线翻转,然后diag(A)提取;

求逆

AB=BA=1

inv(A)

3.矩阵求值

矩阵的行列式值 :

方阵。

det(A):求方阵A所对应的行列式的值;

det(inv(A)) = 1/det(A)

矩阵的秩 :

线性无关的行数或者列数;rank(A);

例如:魔方阵;奇数为满秩;

矩阵的迹 :

矩阵的对角线元素之和=矩阵的特征值之和

trace(A) = sum(diag(A))

矩阵的范数

度量矩阵或矩阵在某种意义下的长度:

三种向量:

(1)向量元素的绝对值之和 norm(V,1)

(2)向量元素的平方和的平方根 norm(V) norm(A,2)

(3)所有向量元素绝对值中的最大值 norm(V,inf)

三种矩阵:

(1) 矩阵列元素绝对值之和的最大值

(2) A'A矩阵的最大特征值的平方根 √λ

(3)所有矩阵行元素绝对值之和的最大值

矩阵的条件数

A的条件数=A的范数与A的逆矩阵的范数的乘积

条件数越接近1,矩阵的性能越好,反之,性能越差;

(1)cond(A,1)

(2)cond(A,2) cond(A)

(3)cond(A,inf)

4.特征值与特征向量

Ax=λx: x:特征向量

E=eig(A):A的全部特征值,构成向量E

[X,D]=eig(A):A的全部特征值,构成对角阵D,并产生矩阵X,X各列是相应的特征向量

几何意义:图像变换

5.稀疏矩阵

0远远大于1的个数

矩阵的存储方式

完全存储

稀疏存储:只存储矩阵的非零元素的值以及位置;

稀疏存储方式的产生

(1) A=sparse(S),矩阵S转化为稀疏存储方式的矩阵A

S = full(A) , 矩阵A转化为完全存储方式的矩阵S

(2) 直接建立稀疏存储矩阵

sparse(m,n):生成一个m*n的所有元素都是零的稀疏矩阵

sparse(u,v,S):uvS是三个等长的向量。S是要简历稀疏存储矩阵的非零元素,uv分布是S的行和列下标

(3)带状稀疏矩阵,对角线

[B,d]=spdiags(A)

A=spdiags(B,d,m,n)

(4)

speye(m,n) 单位矩阵

稀疏矩阵的应用

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值