专题2:matlab矩阵处理
一.特殊矩阵
1.通用的特殊矩阵
zero
函数:产生全000矩阵ones
函数:产生全111矩阵eye
函数:产生对角线为111的矩阵rand
函数:产生(0,1)(0,1)(0,1)区间均匀分布的随机矩阵randn
函数:产生均值为000,方差为111的标准正态分布随机矩阵
>> zerso(m)%产生m×m的矩阵
>> zerso(m,n)%产生m×n的矩阵
>> zerso(size(A))%产生与A同样大小的矩阵
2.用于专门学科的特殊矩阵
魔方阵:
nnn阶魔方阵由1,2,3,...,n21,2,3,...,n^21,2,3,...,n2共n2n^2n2个整数组成,且每行、每列以及主、副对角线上各nnn个元素之和都相等。
>> M=magic(3)%产生三阶魔方阵
范德蒙矩阵:
>> vander(V)%生成以向量V为基础的范德蒙矩阵
>> vander(1:5)
希尔伯特矩阵:H(i,j)=1/(i+j−1)H(i,j)=1/(i+j-1)H(i,j)=1/(i+j−1)
>> format rat/%以有理数形式输出 >> H=hilb(4)
伴随矩阵:
>> compan(p)%p是一个多项式的系数向量,高次幂系数在前,低次幂系数在后
帕斯卡矩阵:
>> format rat >> P=pascal(5)%5阶帕斯卡矩阵 >> inv(p)%求其逆矩阵
二.矩阵变换
1.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:对角线上的元素都为111的对角矩阵。
(1)提取矩阵的对角线元素
>> diag(A)%提取矩阵A主对角线元素,产生一个列向量
>> diag(A,k)%提取矩阵A第k条对角线的元素,产生一个列向量(主对角线为第0条,向上加,向下减)
(2)构造对角矩阵
>> diag(V)%以向量V为主对角线元素,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
2.三角阵
>> 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>> tril(A)%提取矩阵A的主对角线及以下的元素>> tril(A,k)%提取矩阵A的第k条对角线及以下的元素
3.矩阵的转置
>> A.'%求A矩阵的转置>> A'%求A矩阵的共轭转置
4.矩阵的旋转
>> rot90(A,k)%将矩阵逆时针方向旋转90°的k倍,当k为1时可以省略
5.矩阵的翻转
>> fliplr(A)%对矩阵A实施左右翻转>> flipud(A)%对矩阵A实施上下翻转
6.矩阵的逆
>> inv(A)%求A矩阵的逆
三、矩阵求值
1.方阵的行列式的值:
>> det(A)
2.矩阵的秩:
>> rank(A)
3.矩阵的迹:
>> trace(A)
4.范数
(1)向量的范数
向量111—范数:向量元素的绝对值之和。
>> norm(V,1)
向量222—范数:向量元素平方和的平方根。
>> norm(V)>> norm(V,2)
向量∞∞∞—范数:所有向量元素绝对值中的最大值。
>> norm(V,inf)
(2)矩阵的范数
矩阵AAA的111—范数:矩阵列元素绝对值之和的最大值。
>> norm(V,1)
矩阵AAA的222—范数:A′AA'AA′A矩阵的最大特征值的平方根。
>> norm(V)>> norm(V,2)
矩阵AAA的∞∞∞—范数:所有矩阵行元素绝对值之和的最大值。
>> norm(V,inf)
5.矩阵的条件数
矩阵AAA的条件数等于AAA的范数与AAA的逆矩阵的范数的乘积
条件数越接近于111,矩阵的性能越好,反之,矩阵的性能越差
>> cond(A,1)>> cond(A,2)%cond(A)>> cond(A,inf)
四、矩阵的特征值和特征向量
求矩阵AAA的全部特征值,构成向量EEE
>> E=eig(A)
求矩阵AAA的全部特征值,构成对角阵DDD,并产生矩阵XXX,XXX各列是对应的特征向量
>>[X,D]=eig(A)
eigshow
函数可以演示单位圆上的向量xxx和AxAxAx之间的关系
五、稀疏矩阵
1.矩阵的储存方式
(1)完全存储
(2)稀疏存储
稀疏存储方式只存储矩阵非零元素的值及其位置,即行号和列号。
2.稀疏存储方式的产生
(1)相互转化
将矩阵SSS转化为稀疏存储方式的矩阵AAA
>> A=sparse(S)
将矩阵AAA转化为完全存储方式的矩阵SSS
>> S=full(A)
(2)直接建立稀疏存储矩阵
生成一个m×nm×nm×n的所有元素都是零的稀疏矩阵
>> sparse(m,n)
其中u,v,Su,v,Su,v,S是333个等长的向量,S是要建立的稀疏存储矩阵的非零元素,uiu_{i}ui、viv_{i}vi分别是SiS_{i}Si的行和列下标
>> sparse(u,v,S)
将AAA描述的系数存储矩阵转化为稀疏矩阵,AAA是一个m×3m×3m×3或m×4m×4m×4的矩阵,其每行表示一个非零元素,mmm是非零元素的个数
>> B=spconvert(A)
- A(i,1)A(i,1)A(i,1)表示第iii个元素所在的行
- A(i,2)A(i,2)A(i,2)表示第iii个元素所在的列
- A(i,3)A(i,3)A(i,3)表示第iii个元素所在的实部
- A(i,4)A(i,4)A(i,4)表示第iii个元素所在的虚部(可省略)
3.带状稀疏矩阵的稀疏存储
(1)基本概念
- 稀疏矩阵有两种基本类型:无规则结构的稀疏矩阵与有规则结构的稀疏矩阵
- 带状稀疏矩阵是指所有非零元素集中在对角线上的矩阵
(2)产生与存储
从带状稀疏矩阵AAA中提取全部非零对角线与乃是赋给矩阵BBB及其这些非零对角线的位置向量ddd
>> [B,d]=spdiags(A)
产生带状稀疏矩阵的稀疏存储矩阵AAA,其中mmm、nnn为原带状稀疏矩阵的行数和列数,矩阵BBB的第iii列即为原带状稀疏矩阵的第iii条非零对角线,向量ddd为原带状稀疏矩阵所有非零对角线的位置。
>> A=spdiags(B,d,m,n)
专题2:matlab矩阵处理相关推荐
- 专题二 MATLAB矩阵处理
本篇是B站视频的笔记. 2.1 特殊矩阵 通用性的特殊矩阵 zeros函数:产生全0矩阵,即零矩阵. ones函数:产生全1矩阵,即幺矩阵. eye函数:产生对角线为1的矩阵.当矩阵是方阵时,得到一个 ...
- 【Matlab】MATLAB矩阵处理
专题二 MATLAB矩阵处理 -------------------------------------------------------------------------------- 一.特 ...
- 专题一matlab基础知识
这是matlab最基础的语法解释部分,后面将会陆续的更新有关matlab的学习知识 专题一matlab基础知识 数值数据类型的分类 整型 无符号整数:无符号8位整数.无符号16位整数.无符号32位整数 ...
- 范德蒙德矩阵在MATLAB中怎么表示,Python 之 Python与MATLAB 矩阵操作总结
Python 之 Python与MATLAB 矩阵操作小结 一.线形代数理论基础 线形代数(linear algebra)是数学的一个分支,研究矩阵理论.向量空间.线性变换和有限维线形方程组等内容. ...
- c++以空格分开的输入数组_技术贴,MATLAB矩阵与数组汇总讲解
MATLAB既然以矩阵实验室命名,就说明该软件在矩阵计算方面具有非常优异的表现.在MATLAB中,一般情况下一个矩阵就是指一个长方形的数组.特殊情况有两个,一是单一元素的标量,二是只有一行或者一列的矩 ...
- UA MATH567 高维统计专题2 Low-rank矩阵及其估计3 Rank RIP
UA MATH567 高维统计专题2 Low-rank矩阵及其估计3 Rank RIP Low-rank matrix completion的模型是rank minimization,上一讲我们介绍了 ...
- UA MATH567 高维统计专题2 Low-rank矩阵及其估计2 Rank Minimization与Nuclear Norm
UA MATH567 高维统计专题2 Low-rank矩阵及其估计2 Rank Minimization与Nuclear Norm 上一讲我们已经提到了用rank-minimization对参数矩阵进 ...
- UA MATH567 高维统计专题2 Low-rank矩阵及其估计1 Matrix Completion简介
UA MATH567 高维统计专题2 Low-rank矩阵及其估计1 Low-rank Matrix简介 例 在推荐系统中,Netflix data是非常经典的数据集.考虑它的电影评分数据,用矩阵的每 ...
- matlab 矩阵加减乘除运算
文章目录 matlab 矩阵加减乘除运算 1 .加.减运算 2. 乘法 3.向量点积 4.向量叉乘 5.混合积 6.矩阵的卷积和多项式乘法 7.反褶积(解卷)和多项式除法运算 8.张量积 9. 除法运 ...
- matlab矩阵初等变换矩阵,实验一 MATLAB基本操作及矩阵初等运算
实验一 MATLAB 基本操作及矩阵初等运算 实验目的: 1.熟悉matlab 的界面: 2.熟练掌握matlab 的变量.矩阵定义和基本赋值符号: 3.熟练掌握matlab 矩阵的引用及矩阵初等运算 ...
最新文章
- 用Python爬取好奇心日报
- 【运筹学】线性规划数学模型 ( 单纯形法 | 第二次迭代 | 方程组同解变换 | 生成新单纯形表 | 计算检验数 | 最优解判定 | 线性规划解个数分析 )
- iOS:后台定位并实时向服务器发送位置
- snort create_mysql_入侵检测系统Snort+Base安装
- android Map集合的遍历
- 极光推送服务端API(定时推送任务,推送到指定设备,推送到所有设备)
- Wi-Fi模块与蓝牙模块有何区别?
- 6个基本screen命令
- 朴素贝叶斯算法_C语言实现朴素贝叶斯算法(Naive Bayes)
- Android中文按拼音排序
- mantis php7,CentOS7下安装mantis
- appcan 开发步骤
- 【安卓Android】VibratorService分析
- TrinityCore魔兽世界服务器-环境搭建(Debian11)
- 2021-2022上学期 奖状的清单
- pythoninstaller打包 其他电脑无法运行_Pyininstaller一个软件包故障坑,Pyinstaller,打包,失败,的...
- springboot vue mybatis mysql校园疫情数据分析平台源码
- 7.26 3 教育的长久回报期
- 梯度提升回归树(GBDT)
- CS 144 计算机网络
热门文章
- PMS进化论:回顾过去才能更好地看向未来!
- 乐学python视频资源_铁乐学python_day04-作业
- 城市云脑研究之三,人工智能在城市云脑建设中的地位与作用
- 公寓宽带服务器无响应,利用RLDP协议解决网络环路故障
- ROS系统下完成TCP通信 C语言编程
- 如何使用“友宝”app在自动售水机上使用“友宝钱包”支付。
- C语言程序设计精髓 第13周——原来内存也可以这么玩,我是指针我怕谁 练兵区——编程题
- 华三防火墙h3cf100配置双宽带_华三F100系列、华为USG6300系列防火墙 策略路由配置实例...
- spring-boot mybadis多数据源配置
- [EXCEL] 宏的录制、调用和删除