【分析软件工具】实验二 matlab矩阵分析与处理

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