1
E=eye(3)
E =
1 0 0
0 1 0
0 0 1
R=rand(3,2)
R =
0.8147 0.9134
0.9058 0.6324
0.1270 0.0975
O=zeros(2,3)
O =
0 0 0
0 0 0
S=diag([1,2])
S =
1 0
0 2
A=[E R; O S]
A =
1.0000 0 0 0.8147 0.9134
0 1.0000 0 0.9058 0.6324
0 0 1.0000 0.1270 0.0975
0 0 0 1.0000 0
0 0 0 0 2.0000
B= A^2
B =
1.0000 0 0 1.6294 2.7401
0 1.0000 0 1.8116 1.8971
0 0 1.0000 0.2540 0.2926
0 0 0 1.0000 0
0 0 0 0 4.0000
B1=[E R+R*S; O S^2]
B1 =
1.0000 0 0 1.6294 2.7401
0 1.0000 0 1.8116 1.8971
0 0 1.0000 0.2540 0.2926
0 0 0 1.0000 0
0 0 0 0 4.0000
2
A2=10*rand(5)
A2 =
2.7850 9.7059 4.2176 0.3571 7.4313
5.4688 9.5717 9.1574 8.4913 3.9223
9.5751 4.8538 7.9221 9.3399 6.5548
9.6489 8.0028 9.5949 6.7874 1.7119
1.5761 1.4189 6.5574 7.5774 7.0605
B2 = det(A2)
B2 =
-1.3217e+04
help det
det - 矩阵行列式
此 MATLAB 函数 返回方阵 A 的行列式。
d = det(A)
另请参阅 cond, condest, inv, lu, mldivide, rcond, rref
det 的参考页
名为 det 的其他函数
help rand
rand - 均匀分布的随机数
此 MATLAB 函数 返回一个在区间 (0,1) 内均匀分布的随机数。
X = rand
X = rand(n)
X = rand(sz1,...,szN)
X = rand(sz)
X = rand(___,typename)
X = rand(___,'like',p)
另请参阅 RandStream, randi, randn, randperm, rng, sprand, sprandn
rand 的参考页
名为 rand 的其他函数
help rank
rank - 矩阵的秩
此 MATLAB 函数 返回矩阵 A 的秩。
k = rank(A)
k = rank(A,tol)
另请参阅 null, orth, sprank, svd
rank 的参考页
名为 rank 的其他函数
help trace
trace - 对角线元素之和
此 MATLAB 函数 是矩阵 A 的对角线元素之和。
b = trace(A)
另请参阅 det, eig
trace 的参考页
help norm
norm - 向量范数和矩阵范数
此 MATLAB 函数 返回向量 v 的欧几里德范数。此范数也称为 2-范数、向量模或欧几里德长度。
n = norm(v)
n = norm(v,p)
n = norm(X)
n = norm(X,p)
n = norm(X,'fro')
另请参阅 cond, condest, hypot, normest, rcond, vecnorm
norm 的参考页
名为 norm 的其他函数
C2 = trace(A2)
C2 =
34.1265
D2= rank(A2)
D2 =
5
E21=norm(A2,1)
E21 =
37.4494
E22=(A2,2)
E22=(A2,2)
↑
错误: 表达式无效。调用函数或对变量进行索引时,请使用圆括号。否则,请检查不匹配的分隔符。
E22=norm(A2,2)
E22 =
32.7590
E23=norm(A2,inf)
E23 =
38.2456
A2原矩阵
B2行列式值
C2迹
D2秩
E21、1-范数
E22、2-范数
E23、∞-范数
3
H=hilb(5)
H =
1.0000 0.5000 0.3333 0.2500 0.2000
0.5000 0.3333 0.2500 0.2000 0.1667
0.3333 0.2500 0.2000 0.1667 0.1429
0.2500 0.2000 0.1667 0.1429 0.1250
0.2000 0.1667 0.1429 0.1250 0.1111
P= pascal(5)
P =
1 1 1 1 1
1 2 3 4 5
1 3 6 10 15
1 4 10 20 35
1 5 15 35 70
Hh=det(H)
Hh =
3.7493e-12
Hp=det§
Hp =
1
Th=cond(H,1)
Th =
9.4366e+05
Tp=cond(P,1)
Tp =
15624
上面是H P 的1-范数下的条件数
下面是H P 的2-范数下的条件数
Th=cond(H)
Th =
4.7661e+05
Tp=cond§
Tp =
8.5175e+03
% 下面是H P 的∞-范数下的条件数
Th=cond(H,inf)
Th =
9.4366e+05
Tp=cond(P,inf)
Tp =
15624
由结果可知,三种条件数TP均小于TH,故帕斯卡矩阵更好,条件数越大,矩阵越病态 。
4
A=[-29,6,18;20,5,12;-8,8,5;]
A =
-29 6 18
20 5 12
-8 8 5
%求特征向量和特征值
[V,D]=eig(A)
V =
0.7130 0.2803 0.2733
-0.6084 -0.7867 0.8725
0.3487 0.5501 0.4050
D =
-25.3169 0 0
0 -10.5182 0
0 0 16.8351
%数学关系
V1=V(1:3,1)
V1 =
0.7130
-0.6084
0.3487
A*V1
ans =
-18.0503
15.4017
-8.8273
D(1,1)*V1
ans =
-18.0503
15.4017
-8.8273
%对于矩阵A,
有3个特定输入(三个特征向量)x1和x2,x3,会按固定比例放大(或缩小),
放大倍数分别为-25.3169 ,-10.5182 ,16.8351
矩阵A的意义就是线性变换
特征向量x就是线性变换前后总是保持平行的方向
而特征值λ就是特征向量x变换之后Ax被拉伸的倍数:Ax=λx
5
A=[1/2,1/3,1/4;1/3,1/4,1/5;1/4,1/5,1/6]
A =
0.5000 0.3333 0.2500
0.3333 0.2500 0.2000
0.2500 0.2000 0.1667
B=[0.95;0.67;0.52]
B =
0.9500
0.6700
0.5200
x=inv(A)*B
x =
1.2000
0.6000
0.6000
%5-2
B=[0.95;0.67;0.53]
B =
0.9500
0.6700
0.5300
x=inv(A)*B
x =
3.0000
-6.6000
6.6000
%b
%b3相对变化很小,解相对变化很大
%5-3
%1-范数的条件数
cond(A,1)
ans =
2.0150e+03
%2-范数的条件数
cond(A)
ans =
1.3533e+03
%∞-范数的条件数
cond(A,inf)
ans =
2.0150e+03
%A的条件数较小,较好的矩阵