matlab矩阵处理

最新推荐文章于 2024-04-30 14:34:37 发布
最新推荐文章于 2024-04-30 14:34:37 发布
阅读量805 收藏 8
点赞数
分类专栏： 笔记 文章标签： matlab 线性代数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_46683219/article/details/120467628
版权

2.1特殊矩阵

通用特殊矩阵：

  • zeros函数：零矩阵

A=zeros(2,3)

A =

 0     0     0
 0     0     0

zeros(size(reshape(A,3,2)))

ans =

 0     0
 0     0
 0     0
  • ones函数：全一矩阵
  • eye函数：单位矩阵
  • rand函数：产生（0，1）之间均匀分布的随机矩阵
  • randn函数：产生均值为0，方差为1的标准正态分布矩阵

eg1：首先产生5阶两位随机整数A，再产生均值为0.6、方差为0.1的5阶正态分布随机矩阵B，最后验证（A+B)E=EA+BE

  • rand：产生（0，1）开区间均匀分布的随机数x
  • fix(a+(b-a)*x):产生[a,b]区间均匀分布的随机整数
  • u+6x：得到均值为u，方差为62的随机数

A=fix(10+(99-10+1)*rand(5));
B=0.6+sqrt(0.1)randn(5);
C=eye(5);
(A+B)C==CA+BC

ans =

 1     1     1     1     1
 1     1     1     1     1
 1     1     1     1     1
 1     1     1     1     1
 1     1     1     1     1

用于专门学科的特殊矩阵：
（1）魔方矩阵：魔方矩阵又称幻方，是有相同的行数和列数，并在每行每列、对角线上的和都相等的矩阵。魔方矩阵中的每个元素不能相同。你能构造任何大小（除了2x2）的魔方矩阵。
eg：产生8j魔方阵，求每行每列元素和

M=magic(8);
sum(M(1,:))

ans =

260

sum(M(:,end))

ans =

260

（2）范德蒙矩阵：

A=vander(1:5)

A =

 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

（3）希尔伯特矩阵：H（i，j)=1/(i+j-1)

format rat #有理数形式
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

（4）伴随矩阵
eg：生成多项式x3-2x2-5x+6的伴随矩阵

p=[1,-2,-5,6];
A=compan§

A =

   2              5             -6       
   1              0              0       
   0              1              0

（5）帕斯卡矩阵

format rat
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

inv( P) #逆矩阵也为整数

ans =

   5            -10             10             -5              1       
 -10             30            -35             19             -4       
  10            -35             46            -27              6       
  -5             19            -27             17             -4       
   1             -4              6             -4              1

2.2矩阵变换

对角阵：只有对角线有非0元素
数量矩阵：对角线上元素相等的对角矩阵
在这里插入图片描述
eg:建立A-5，然后A的第一行元素乘1，第二行乘2，……，第五行乘5.

A=fix(1+(9-1+1)*rand(5))
A = #矩阵按列

   9              1              9              8              6       
   1              4              2              6              4       
   7              3              3              5              5       
   8              8              2              2              4       
   8              4              2              8              1

D=diag(1:5);
D*A

ans =

   9              1              9              8              6       
   2              8              4             12              8       
  21              9              9             15             15       
  32             32              8              8             16       
  40             20             10             40              5

三角阵：
（1）上三角矩阵

  • triu（A）：提取矩阵A的主对角线及以上的元素。
  • triu（A，k）：提取矩阵A的第k条对角线及以上的元素。

（2）下三角矩阵类似

矩阵的转置：

  • 转置运算符（.’)
  • 共轭转置（’),他在转置基础上求每个数的复共轭

A=[1,3;3+4i,1-2i]

A =

   1        +    0i             3        +    0i      
   3        +    4i             1        -    2i

A.’

ans =

   1        +    0i             3        +    4i      
   3        +    0i             1        -    2i

A’

ans =

   1        +    0i             3        -    4i      
   3        +    0i             1        +    2i

矩阵的旋转：
rot90(A,k):A逆时针旋转90°的k倍，当k为1时可省略

A=[1,2,3;4,5,6;7,8,9]

A =

   1              2              3       
   4              5              6       
   7              8              9

rot90(A)

ans =

   3              6              9       
   2              5              8       
   1              4              7

rot90(A,2) #180°

ans =

   9              8              7       
   6              5              4       
   3              2              1

矩阵的翻转：
fliplr（A）:将A左右翻转
flipud（A）：A上下翻转
eg:验证魔方阵的主对角线、副对角线元素之和相等

A=magic(5);
D1=sum(diag(A))

D1 =

65

B=flipud(A); #上下翻转后主对角线就变成了副对角线
D2=sum(diag(B))

D2 =

65

矩阵的求逆：
在这里插入图片描述

A=[1,2,3;1,4,9;1,8,27];
b=[5;-2;6];
x=inv(A)*b

x =

23.0000
-14.5000
3.6667

x=A\b #相当于左乘A逆

x =

23.0000
-14.5000
3.6667

2.3矩阵求值

**方阵的行列式：**det(A)
eg:验证det(A-1)=1/det(A)

A=fix(1+(9+1-1)*rand(5))

A =

   8              1              2              2              6       
   9              3              9              4              1       
   2              5              9              9              8       
   9              9              5              8              9       
   6              9              8              9              7

det(inv(A))

ans =

   1/996

1/det(A)

ans =

   1/996

**矩阵的秩：**rank（A）
eg:求3-20阶魔方阵的秩

for n=3:20
r(n)=rank(magic(n));
end

bar® #画出柱图
grid on#增加网格线
axis([1,21,0,20])#设置坐标系
在这里插入图片描述
**矩阵的迹：**对角线元素之和，也是矩阵特征值之和 trace(A)
A =

   1              3              2       
  -3              2              1       
   4              1              2

trace(A)

ans =

   5

sum(diag(A))

ans =

   5

向量的范数：

  1. norm（V）或norm（V，2）：计算向量V的2范数
  2. norm（V，1）：计算向量V的1-范数
  3. norm（V，inf）：计算向量V的∞-范数

矩阵的范数：

  1. 矩阵的1范数（列元素绝对值之和的最大值）
  2. 矩阵的2范数（A‘A矩阵最大特征值的平方根）#A‘是共轭转置
  3. 矩阵的∞范数（所有矩阵含元素绝对值之和的最大值）
    注：方法与求向量范数的函数完全相同

x=[2 0 1;-1 1 0;-3 3 0]

x =

   2              0              1       
  -1              1              0       
  -3              3              0

n=norm(x)

n =

5909/1251

n=norm(x,1)

n =

   6

矩阵的条件数：

  • 矩阵A的条件数等于A的范数与inv（A）范数的乘积
  • 条件数越接近1，矩阵性能越好，反之则差

格式：

  • cond(A,1):计算A 的1范数下的条件数
  • cond（A）或cond（A，2）：计算A 的2范数下的条件数
  • cond（A，inf）：计算A的∞范数下的条件数

2.4矩阵的特征值和特征向量

格式：

  1. E=eig（A）：求矩阵全部特征值，构成向量E
  2. [X,D]=eig(A):求矩阵全部特征值，构成对角阵D，并产生矩阵X，X各列是相应的特征向量

[X,D]=eig(A)

X =

0.0722    0.9751    0.0886
0.5234   -0.0750   -0.6356
0.8490   -0.2089    0.7669

D =

8.2493         0         0
     0    0.9231         0
     0         0   -6.1723

A*X(:,1) #验证

ans =

0.5956
4.3174
7.0040

D(1)*X(:,1)

ans =

0.5956
4.3174
7.0040

在这里插入图片描述

R=[-1,2,0;2,-4,1;1,1,-6];
S=[1,2;2,3];
A=[R,zeros(3,2);zeros(2,3),S];
[X1,D1]=eig®

X1 =

0.8553    0.4517    0.1899
0.4703   -0.8395   -0.5111
0.2173   -0.3021    0.8383

D1 =

0.0996         0         0
     0   -4.7165         0
     0         0   -6.3832

[X2,D2]=eig(S)

X2 =

-0.8507 0.5257
0.5257 0.8507

D2 =

-0.2361 0
0 4.2361

[X3,D3]=eig(A)

X3 =

0.8553    0.4517    0.1899         0         0
0.4703   -0.8395   -0.5111         0         0
0.2173   -0.3021    0.8383         0         0
     0         0         0   -0.8507   -0.5257
     0         0         0    0.5257   -0.8507

D3 =

0.0996         0         0         0         0
     0   -4.7165         0         0         0
     0         0   -6.3832         0         0
     0         0         0   -0.2361         0
     0         0         0         0    4.2361

**特征值的几何意义在这里插入图片描述

：**

2.5稀疏矩阵

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及其位置，即行号和列号。（也是按列存储）
    在这里插入图片描述
    稀疏存储方式的产生：

（1）完全存储与稀疏存储之间的转化

  • A=sparse(S):将矩阵S转化为稀疏存储的矩阵A
  • S=full(A)：将矩阵A转化为完全存储的矩阵S

A=sparse(eye(5))

A =

(1,1) 1
(2,2) 1
(3,3) 1
(4,4) 1
(5,5) 1

B=full(A)

B =

 1     0     0     0     0
 0     1     0     0     0
 0     0     1     0     0
 0     0     0     1     0
 0     0     0     0     1

whos
Name Size Bytes Class Attributes

A 5x5 128 double sparse
B 5x5 200 double

(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):其中u，v,S,是三个等长的向量。S是要建立的稀疏矩阵的非零元素，u(i),v(i)分别是S（i）的行下标和列下标

A=sparse([1,2,2],[2,1,4],[4,5,-7])

A =

(2,1) 5
(1,2) 4
(2,4) -7

B=full(A)

B =

 0     4     0     0
 5     0     0    -7

使用spconvert函数直接建立稀疏存储矩阵，格式：
B=spconvert（A）
A为一个m* 3或m*4的矩阵，其每行表示一个非零元素，m是非零元素的个数
在这里插入图片描述

A=[2,2,1;2,1,-1;2,4,3]

A =

 2     2     1
 2     1    -1
 2     4     3

B=spconvert(A)

B =

(2,1) -1
(2,2) 1
(2,4) 3

（3）带状稀疏矩阵的稀疏存储：
类型：无规则结构的稀疏矩阵和有规则结构的稀疏矩阵
带状稀疏矩阵是指非零元素集中在对角线上的元素

  • [B,d]=spdiags(A):从带状稀疏矩阵A中提取全部非零对角线元素赋给矩阵B及其这些非零对角线的位置向量d
  • A=spdiags（B,d,m,n):产生带状稀疏矩阵的稀疏存储矩阵A，其中m,n为带状稀疏矩阵的行数和列数，矩阵B的第i列即为原带状稀疏矩阵的第i条非零对角线，向量d为原带状稀疏矩阵所有非零对角线的位置

A=[1,0,0,2,0;0,3,0,0,4;0,0,5,0,0;0,0,0,6,0;0,0,0,0,7]

A =

 1     0     0     2     0
 0     3     0     0     4
 0     0     5     0     0
 0     0     0     6     0
 0     0     0     0     7

[B,d]=spdiags(A)

B =

 1     0
 3     0
 5     0
 6     2
 7     4

d =

 0
 3

A=spdiags(B,d,5,5)

A =

(1,1) 1
(2,2) 3
(3,3) 5
(1,4) 2
(4,4) 6
(2,5) 4
(5,5) 7

（4)单位矩阵的稀疏存储：
speye（m,n)返回一个m* n的稀疏存储的单位矩阵

speye(3)

ans =

(1,1) 1
(2,2) 1
(3,3) 1

稀疏矩阵的应用：
在这里插入图片描述

k1=[1;1;2;1;0];#注意补零位置
k2=[2;4;6;6;1];#全是列向量
k3=[0;3;1;4;2];
B=[k1,k2,k3];
d=[-1;0;1];
f=[0;3;2;1;5];
A=spdiags(B,d,5,5);
x=A\f #A逆 乘f

x =

-0.1667
0.1111
2.7222
-3.6111
8.6111

彻玉笙寒
关注
  • 0
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
matlab sum(2),matlab里边这个sum(X，1)，sum(X，2)什么意思啊?
weixin_29322855的博客
03-16 4557
答：SUM(X,2)是对X的每行分别求和。 若引用的单元格中含有非数字(文本)值，则公式会中断，从而产生 #VALUE! 错误。 SUM 将忽略文本值，只给出数字值的求和结果。 如果删除了行或列，公式将不会更新来排除已删除的行，并且会返回#REF! 错误，而这种...答：首先：cells(n/2,.25*n:.75*n) = 1;cells(.25*n:.75*n,n/2) = 1;-------...
leetcode刷题——矩阵置零、寻找旋转数组中的最小值
qq_43313035
03-29 214
解题思路： 用第一行和第一列记录这一行和这一列中是否有零，当然，一开始要先用firstRowIsZero 和firstColIsZero 记录第一行和第一列是否有零，最后再根据这个判断是否将第一行第一列置零。 class Solution { public: void setZeroes(vector<vector<int>>& matrix) { ...
2024年Matlab矩阵的分析与处理(2)
最新发布
2401_84562377的博客
04-30 560
这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。基本上主流的和经典的都有，这里我就不放图了，版权问题，个人看看是没有问题的。也等于矩阵特征值的总和。
矩阵置零
m0_62000951的博客
02-02 1053
这道题要我们使用原地算法，即使用少量的辅助变量来转换数据，这里我直接说结论， 我们可以直接把矩阵的第一行和第一列看为标记数组，如果矩阵中除第一行第一列外有零出现，那么就将他对应的行和列转换为0，接着我们可以用两个辅助变量来处理第一行第一列，l表示行，r表示列，如果第一行，第一列中有0则将对应的l或者r变为0； 步骤： 1.判断l是否为0； 2.判断r是否为0； 3.判断地图中0出现的位置，将相对应的行和列标记为0； 4.根据相应的行和列将1转换为0，这里i和j均需从1开始，0的位置由l和r..
AtCoder Beginner Contest 283 (E-F)
scanner
01-01 186
atcoder日常练习
华为OD机试 - 开心消消乐（Java & JS & Python）
伏城之外的博客
12-11 5290
2022.Q4 已支持Java、JavaScript、Python，考察：并查集，孤岛问题
malab-files.zip_malab_matlab 矩阵_matlab矩阵处理_矩阵 matlab
09-23
标题"malab-files.zip_malab_matlab 矩阵_matlab矩阵处理_矩阵 matlab"暗示了这个压缩包可能包含一系列与MATLAB矩阵处理相关的源代码文件。 描述中提到"有关的矩阵处理的matlab源程序 较多"，这表明压缩包内的文件...
二、MATLAB矩阵处理
01-06
二、MATLAB矩阵处理 2.1 特殊矩阵 通用的特殊矩阵：zero()产生0矩阵，one()全1矩阵，eye()产生对角线为1的矩阵，MATLAB()产生(0,1)区间均匀分布的随机矩阵，MATLABn()产生标准正太分布随机矩阵。参数都为(m)&(m,n)。...
MATLAB系统环境与设置，MATLAB的数据操作及语法，MATLAB的矩阵操作，MATLAB矩阵处理基础，MATLAB程序控制
08-30
MATLAB系统环境与设置，MATLAB的数据操作及语法，MATLAB的矩阵操作，MATLAB矩阵处理基础，MATLAB程序控制结构，MATLAB的编辑器和程序调试，MATLAB绘图功能，二维高层绘图操作，二维底层绘图修饰，MATLAB Notebook...
matlab 矩阵数组 MATLAB矩阵处理基础 算法开发、数据可视化、数据分析以及数值计算 Matlab课程 教程 进阶 资源
03-19
本教程将深入探讨MATLAB矩阵处理的基础，这对于理解和掌握MATLAB的核心概念至关重要。 在MATLAB中，一切皆为数组，包括标量、向量、矩阵以及多维数组。这种数组为基础的编程方式使得MATLAB成为科学计算的理想工具。...
Matlab将具体矩阵的具体某一行或者某一列变为0（或者任何数值）
热门推荐
weixin_40759390的博客
12-22 2万+
采用直接赋值的方法，A(a,b)对应于矩阵A的a行b列 e.g. A = (1 2 3); A(1,:) = 0; 则 A = (0 0 0); %直接将一行全部赋值为0 A(:,2) = 0; 则A = (1 0 3); %直接将第二列赋值为0 A(:,2:3) = 0; 则A = (1 0 3); %直接将第二、三列赋值为0 这个赋值也能是0之外的任何值 ...
leetcode-旋转矩阵
JR_Chan的博客
04-07 817
 题目来自LeetCode，链接：面试题 01.07. 旋转矩阵。具体描述为：给你一幅由 N × N 矩阵表示的图像，其中每个像素的大小为 4 字节。请你设计一种算法，将图像旋转 90 度。不占用额外内存空间能否做到？：  示例1: 给定 matrix = [ [1,2,3], [4,5,6], [7,8,9] ], 原地旋转输入矩阵，使其变为: [ [7,4,1], [8...
Leetcode 1284：转化为全零矩阵的最少反转次数（超详细的解法！！！）
coordinate的博客
12-09 1579
给你一个 m x n 的二进制矩阵 mat。 每一步，你可以选择一个单元格并将它反转（反转表示 0 变 1 ，1 变 0 ）。如果存在和它相邻的单元格，那么这些相邻的单元格也会被反转。（注：相邻的两个单元格共享同一条边。） 请你返回将矩阵 mat 转化为全零矩阵的最少反转次数，如果无法转化为全零矩阵，请返回 -1 。 二进制矩阵的每一个格子要么是 0 要么是 1 。 全零矩阵是所有格子都为 0 的...
leetcode1284转换清零矩阵的最少次数
D1124615130的博客
10-24 353
给你一个 m x n 的二进制矩阵 mat。 每一步，你可以选择一个单元格并将它反转（反转表示 0 变 1 ，1 变 0 ）。如果存在和它相邻的单元格，那么这些相邻的单元格也会被反转。（注：相邻的两个单元格共享同一条边。） 请你返回将矩阵 mat 转化为全零矩阵的最少反转次数，如果无法转化为全零矩阵，请返回 -1 。 二进制矩阵的每一个格子要么是 0 要么是 1 。 全零矩阵是所有格子都为 0 的矩阵。 输入：mat = [[0,0],[0,1]] 输出：3 解释：一个可能的解是反转 (1, 0)，然后 (
matlab的矩阵常用操作方法
yangSHU21的博客
06-10 1万+
ind为矩阵X中满足查找条件的线性索引值。因为在matlab 中，矩阵是按列存储的，ind的值表示元素在矩阵中按列存储时的位置。m和n是列向量，分别保存元素在矩阵中的位置的行下标和列下标。matlab中数据的基本格式是矩阵，行向量、列向量和标量都是矩阵的特例。矩阵可以是二维的，也可以是多维的。对于矩阵中单个元素的删除，MATLAB只允许使用线性索引值来指定该元素。（5）取得矩阵中元素的最大值和最小值：max和min函数。(2)删除矩阵中的指定元素。（3） 取得矩阵中的指定元素。（1）查找矩阵中的元素。
MATLAB----矩阵处理
weixin_62436283的博客
08-16 6992
目录 一.特殊矩阵 1.通用的特殊矩阵 2.用于专门学科的特殊矩阵 二.矩阵变换 1.对角阵 2.三角阵 3.矩阵的转置 4.矩阵的旋转 5.矩阵的翻转 6.矩阵的求逆 三.矩阵求值 1.方阵的行列式 2.矩阵的秩 3.矩阵的迹 四.矩阵的特征值与特征向量 1.矩阵的特征值 2.求矩阵的特征值和特征向量 3.特征值的几何意义 五.稀疏矩阵 1.矩阵的存储方式 2.稀疏矩阵存储方式的产生 3.带状稀疏矩阵的稀疏存储...
MATLAB中的矩阵操作与编程技巧
平时工作较为繁忙,私信消息一般晚上回复,谢谢大家~~
06-23 942
MATLAB（Matrix Laboratory，矩阵实验室）是一种用于数值计算、图形处理以及编程的高级语言。它主要以矩阵为基本数据类型，因此在矩阵操作方面非常强大。本文将详细介绍MATLAB中关于矩阵的操作和编程技巧，并给出5个以上编程案例进行说明介绍。
MATLAB矩阵分析与处理-教程与笔记习题
05-19
"本资源是一份关于MATLAB矩阵分析与处理的教程，涵盖了特殊矩阵、矩阵结构变换、求逆与线性方程组求解、矩阵求值、特征值与特征向量以及矩阵的超越函数等多个主题。通过实例介绍了如何使用MATLAB中的函数创建和操作...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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