MATLAB矩阵运算函数
一.对角阵
1.提取矩阵的主对角线上的元素,形成一个列向量:diag(A)
2.提取矩阵第k条对角线的元素,产生一个列向量:diag(A,K)
3.以向量V为对主对角线元素,产生对角矩阵:diag(V)
4.以向量V为第k条对角线元素,产生对角矩阵:diag(V,K)
(对角线以上为正,对角线为0,对角线一下为负)
二.三角阵
1.上三角:
triu(A):提取主对角线以上的元素
trui(A,K):提取第k对角线以上的元素
2.下三角:
tril(A):原理同上,提取后剩余的部分用0填充,组成和原来一样规模的矩阵。
三.矩阵的转置
1.
四.矩阵的旋转
rot90(A,K)将矩阵A逆时针旋转90度的k倍。
五.矩阵的翻转
1.左右翻转:fliplr(A)
第一列与最后一列对换,其他的依次类推。
2.上下翻转:flipud(A)
上下交换。
六.矩阵求逆
使得矩阵A,B;AB=BA=I
Inv(A)求方阵的逆矩阵;
七.矩阵的行列式
|A|:det(A):det(A负一次方)=1/det(A)
八.矩阵的迹
trace(A)
九.矩阵的秩
rank(A)
十.向量和矩阵的范数
向量1--范数:向量元素的绝对值
norm[V,1];
向量2--范数:向量元素的平方和的平方根
norm[V]或norm[V,2];
向量无穷--范数:所有向量元素绝对值中的最大值
norm[V,inf];
十一.矩阵的条件数
矩阵的条件数等于A的范数与A的逆矩阵的范数的乘积;
条件数越接近于1,矩阵的性能越好,反之,矩阵的性能越差。
cond[A,1];
cond[A]或cond[A,2];
cond[A,inf];
十二.矩阵的特征向量值和特征向量
E=eig(A);求矩阵A的全部特征值,构成向量E,
[X,D]=eig(A):求矩阵A的全部特征值,构成对角阵D’,并产生矩阵X,X各列是相应的特征向量。
十三.稀疏矩阵
A=sparse(S):将矩阵S转化为稀疏存储方式的矩阵A。
S=full(A):将矩阵A转化为完全存储方式的矩阵S。
[B,d]=spdiags(A):从带状稀疏矩阵A中提取全部非0对角线元素赋给矩阵B及其这些非0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为原带状稀疏矩阵的行数于列数,矩阵B的第i列即为原带状稀疏矩阵的第i条非0对角线,向量d为原带状稀疏矩阵所有非0对角线位置。
MATLAB矩阵运算函数相关推荐
- Fluent UDF中调用Matlab矩阵运算函数(以二维插值为例)
Fluent UDF中经常需要用到一些常见算法,例如插值.拟合.矩阵运算等等,这些在UDF中是没有现成函数实现的,理论上需要我们自己去写函数.另一方面我们又注意到这些运算恰恰是Matlab的强项,几乎 ...
- matlab diag函数生成矩阵,Matlab矩阵运算函数-blkdiag函数
1.blkdiag函数:生成指定对角线元素的矩阵 2.用法说明 A = blkdiag(a,b,c,d,...) 函数产生以a,b,c,d,...为对角线元素的矩阵A 3.举例说明 >> ...
- MATLAB常见矩阵运算函数,矩阵的转置transpose()、求行列式值det()、求矩阵的秩rank()、求矩阵的特征值eig()、求逆矩阵inv()
MATLAB常见矩阵运算函数 1.转置 如矩阵A 转置后 2.求行列式的值det(A) 使用此函数必须保证A为方阵 3.求矩阵的秩 4.求方阵的特征值 5.求方阵的逆矩阵
- matlab——sparse函数和full函数
转载:http://www.cnblogs.com/lihuidashen/p/3435883.html matlab--sparse函数和full函数(稀疏矩阵和非稀疏矩阵转换) 函数功能:生成稀疏 ...
- MATLAB各类函数详细讲解 simulike系统仿真分析
http://item.taobao.com/item.htm?spm=a230r.1.14.40.yWjJFw&id=43113292964&ns=1&abbucket=2& ...
- matlab矩阵运算相关函数
1. MATLAB提供函数det()求方阵行列式的值 >> A=[1 3 4;5 6 7;1 0 1] A = 1 3 4 5 6 7 ...
- matlab把向量转化为矩阵,MATLAB小函数:将列向量转化为0-1矩阵
MATLAB小函数:将列向量转化为0-1矩阵 将列向量转化为0-1矩阵,例如 A = 1 2 1 5 3 4 1 4 3 转换为: B = 1 0 0 0 0 0 1 0 0 0 1 0 0 0 0 ...
- matlab一般函数的绘制方法,基于MATLAB的函数图像绘制方法
C DOI:10.16707~.cnki.fjpc.2017.01.084 E 晒 亍嚣 基于 MATLAB的函数图像绘制方法 张笑笑 一,童 键 z (1湖南省长沙市第一中学 湖南 长沙 410() ...
- matlab 功率计算,基于Matlab矩阵运算的潮流计算支路功率计算方法与流程
技术特征: 1.基于Matlab矩阵运算的潮流计算支路功率计算方法,其特征在于:采用矩阵运算,包括以下步骤: E1.读支路首节点号数组I.末节点号数组J.电阻数组R.电抗数组X.对地电纳数组B.变压器 ...
最新文章
- android截取字符串工具类,StringsUtil字符串工具类---灵活截取
- navicat for mysql 显示中文乱码解决办法
- 记一次Linux磁盘满盘/dev/vda1目录清理记录
- c语言 malloc_C语言快速入门——动态内存分配
- redhat linux yum仓库,关于RHEL6发行版yum仓库的配置
- chatterbot mysql_ChatterBot代码解读-介绍和框架
- CSDN《IT人才成长路线图》重磅开源!60+ 专家,13 个技术领域,绘出 35 张图谱...
- Laravel 大将之 路由 模块
- 区块链教程Fabric1.0源代码分析Ledger statedb(状态数据库)
- SharePoint【Site Definition 系列】-- 05. List Definition与List Template之比较
- CAXA_三维电子图板v2
- 课程体系包括哪些要素_课程建设包括哪些内容_以课程建设为抓手,促进专业团队的发展...
- Morphia DAOs
- element table filed显示不全
- 在android中在屏幕密度为160,在 android 中,在屏幕密度为160时,1pt 大概等于多少sp...
- Codeforces Gym 101086 M ACPC Headquarters : AASTMT (Stairway to Heaven)
- 使用python对指定手机号获取各网站登录的验证码。
- 详细 | 图神经网络从入门到入门
- 3分钟详解服务器入网带宽出网带宽和入流量出流量
- ValueError: could not convert string to float:
热门文章
- EasyDSS如何实现定期检测和取读加密狗授权?
- 2023年最新黑科技:安卓手机木马远控
- origin两个图层图例合并_利用origin软件将两个图形完美合并的方法
- 基于Android的健康打卡系统,基于Android的移动健康管理系统的设计与实现
- Altera和Xilinx的参考设计资源
- yui compressor php,在 PHP 使用 YUI Compressor 壓縮 JavaScript 跟 CSS
- 协议测试与服务器性能测试工具 列表
- 上海交通大学计算机科学步丰林,上海交通大学软件学院
- 影响保健品购买行为的因素分析
- 【C语言】程序阅读题