householder变换qr分解matlab_Matlab数值线性代数

本文详细介绍了矩阵分析的相关概念,包括矩阵的范数、低秩约束实例、矩阵变换与特征值分解。在Matlab中解线性方程组的部分,讨论了Inv函数、数值迭代法、雅可比迭代法和变分法。重点阐述了如何利用Householder变换进行QR分解,并探讨了矩阵特征值分解的应用。
摘要由CSDN通过智能技术生成

66b35d23046f28d93fd6531a697a90f3.png

一、矩阵分析

1. 函数概览

函数调用方式 解释
det(A) 计算A的行列式
diag(A) 取A对角元构成向量或利用向量A生成对角阵
expm(A) 计算A的矩阵指数运算
inv(A) 计算A的逆矩阵
rank(A) 计算A的秩
tril(A) 将A化为下三角矩阵(其余元素变为0)
[V D]=eig(A) 计算A的特征值保存到D,特征向量保存到V
[V J]=jordan(A) 计算A的jordan分解,AV=VJ
[U S V]=svd(A) 计算A的奇异值分解,A=USV’
[L U]=lu(A) 计算A的LU分解,A=LU
[Q R]=qr(A) 计算A的QR分解,A=QR

2. 矩阵的范数

  1. norm(A):用于计算矩阵的
    范数(也称为谱范数),定义为:
  2. norm(A, 'fro'):用于计算矩阵的Frobenius范数,即把矩阵拉成一个长向量,再计算其2-向量范数,常用于矩阵的误差分析,定义为:
  3. norm(A, 1):用于计算矩阵的
    范数,也称列范数
    其中向量
    的1-范数为向量
    所有元素绝对值的和
  4. norm(A, inf):用于计算矩阵的
    范数,也称行范数
    其中向量
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