1. 特殊矩阵
通用的特殊矩阵
>zeros函数:产生全0的矩阵,即零矩阵
>ones函数:产生全1的矩阵,即1矩阵
>eye函数:产生对角线为1的矩阵。当矩阵为方阵时则得到一个单位阵
>rand函数:产生0~1区间均匀分布的随机矩阵
>randn函数:产生均值为0,方差为1的标准正态分布随机矩阵。
zeros函数的调用格式:
>zeros(m): 产生mxm的零矩阵
>zeros(m,n):产生mxn零矩阵
>zeros(size(A)):产生与矩阵A同样大小的零矩阵
>> A=zeros(2,3)
A =
0 0 0 0 0 0
>> zeros(size(A))
ans =
0 0 0 0 0 0
>> zeros(size(reshape(A,3,2)))
ans =
0 0 0 0 0 0
例1 首先产生5阶两位随机矩阵A,在产生均值为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)I=IA+BI(I为单位矩阵)
>rand函数:产生0~1开区间均匀分布的随机数x
>fix(a+(b-a+1)*x):产生a~b区间上均匀分布的随机整数
>randn函数:产生均值为0,方差为1的标准正态分布随机数x
>u+cx:得到均值为u,方差为c^2的随机数
>> A=fix(10+(99-10+1)*rand(5)); >> B=0.6+sqrt(0.1)*rand(5); >> C=eye(5); >> (A+B)*C==C*A+B*C
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
>> M=magic(3)
M =
8 1 6 3 5 7
4 9 2
>n阶魔方阵有1,2,3,……,n^2个整数组成,且每行每列以及主、副对角线上各n个元素之和都相等。
>n阶魔方方阵每行每列元素的的和为(1+2+3+...+n^2)/n = (n+n^3)/2
>MATLAB函数magic(n)产生一个特定的魔方阵
例2 产生8阶魔方矩阵,求其每行每列元素的和。
>> M=magic(8); >> sum(M(1,:))
ans =
260
>> sum(M(:,1))
ans =
260
>> trace(M)
ans =
260
(2)范德蒙行列式
在MATLAB中,函数vander(V)生成以向量V为基础的范德蒙矩阵
>> 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
范德蒙矩阵常用在各种通信系统的纠错编码中,如Reed-Solomon编码以范德蒙矩阵为基础
(3)希尔伯特矩阵
希尔伯特矩阵是著名的病态矩阵:矩阵中任何一个元素微小的变动,都会引起矩阵值以及逆矩阵的值的较大的扰动,病态程度与矩阵的阶数有关,阶数越高,病态程度越严重。
在MATLAB中,生成n阶希尔伯特的函数为:hilb(n):
>> format rat //以有理数格式显示 >> 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(特征值为多项式方程的根)
(4)伴随矩阵
MATLAB生成伴随矩阵的函数是compan(p),其中p是一个多项式的系数向量,高次幂系数排在前,低次幂系数排在后。
例如, 生成多项式(x^3 - 2x^2 - 5x + 6)的伴随矩阵
>> p=[1,-2,-6,6]; >> A=compan(p)
A =
2 6 -6 1 0 0 0 1 0
(5)帕斯卡矩阵
例3 生成5阶帕斯卡矩阵,验证他的逆矩阵的所有元素也为矩阵
>> 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)
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. 矩阵变换
>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1的对角矩阵
(1)提取矩阵的对角线元素
>diag(A):提取矩阵A的主对角线元素,生成一个列向量
>diag(A,k):提取矩阵A的第k条对角线元素,生成一个列向量
主对角线:k=0,向上,向下分别为k=1,2,…… /k=-1,-2,……对角线
(2)构造对角阵
>diag(V):以向量V为主对角元素,产生对角矩阵
>diag(V,k):以向量V为第k条对角元素,产生对角矩阵
例1 先建立5x5矩阵A,然后将A的第1行元素乘以1,第2行元素乘以2,……,第5行元素乘以5
>> A=[7,0,1,0,5;3,5,7,4,1;4,0,3,0,2;1,1,9,2,3;1,8,5,2,9]
A =
7 0 1 0 5 3 5 7 4 1 4 0 3 0 2 1 1 9 2 3 1 8 5 2 9
>> D=diag(1:5)
D =
1 0 0 0 0 0 2 0 0 0 0 0 3 0 0 0 0 0 4 0 0 0 0 0 5
>> D*A
ans =
7 0 1 0 5 6 10 14 8 2 12 0 9 0 6 4 4 36 8 12 5 40 25 10 45
要将A的各列元素分别乘以对角阵的对角线元素,如何实现?
>> A*D
ans =
7 0 3 0 25 3 10 21 16 5 4 0 9 0 10 1 2 27 8 15 1 16 15 8 45
三角阵
>上三角阵:矩阵的对角线以下的元素全为0的矩阵
>下三角阵:矩阵的对角线以上的元素全为0的矩阵
(1)上三角阵
>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
>> triu(ones(4),-1)
ans =
1 1 1 1 1 1 1 1 0 1 1 1
0 0 1 1
(2)下三角阵
在MATLAB中,提取矩阵A的下三角矩阵的函数是tril,其用法与triu函数完全相同。
>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
>> tril(ones(4),-1)
ans =
0 0 0 0 1 0 0 0 1 1 0 0 1 1 1 0
矩阵的转转置
>转置运算符是小数点后面接单引号(.')
>共扼转置,其运算符是单引号(‘),它在转置的基础上还要提取每个数的复共轭
>> 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):将矩阵A逆时针方向旋转90°的k倍,当k为1时可以省略
>> A=[1,3,2;-3,2,1;4,1,2]
A =
1 3 2 -3 2 1 4 1 2
>> rot90(A)
ans =
2 1 2 3 2 1 1 -3 4
>> rot90(A,2)
ans =
2 1 4 1 2 -3 2 3 1
>fliplr(A):对矩阵A实施左右翻转
>flipud(A):对矩阵A实施上下翻转
A =
1 3 2 -3 2 1 4 1 2
>> flipud(A)
ans =
4 1 2 -3 2 1 1 3 2
>> fliplr(A)
ans =
2 3 1 1 2 -3 2 1 4
例2 验证魔方方阵的主对角线,副对角线元素之和相等
>> A=magic(5)
A =
17 24 1 8 15 23 5 7 14 16 4 6 13 20 22 10 12 19 21 3 11 18 25 2 9 >> D1=diag(A); >> sum(D1)
ans =
65
>> B=flipud(A)
B =
11 18 25 2 9 10 12 19 21 3 4 6 13 20 22 23 5 7 14 16 17 24 1 8 15 >> D2=diag(B); >> sum(D2)>
ans =
65
矩阵的求逆
>对于一个方阵A,如果存在一个与其相同阶的方阵B,使得AB=BA=I(I为单位矩阵),则称B为A的逆矩阵,当然A也是B的逆矩阵
>inv(A):求方阵A的逆矩阵
3. 矩阵求值
方阵的行列式
>把一个方阵看作一个行列式,并对其按行列式的规则求值,这个值就称为方阵所对应的行列式的值
>det(A):求方阵A所对应的行列式的值
矩阵的秩
>矩阵线性无关的行数和列数成为矩阵的秩
>rank(A): 求矩阵A的秩
例2 求3~20阶魔方阵的秩
>> for n=3:20 r(n)=rank(magic(n)); end >> bar(r) >> grid on >> axis([2,21,0,20])
矩阵的迹
>矩阵的迹等于矩阵的对角线元素之和,也等于矩阵的特征值之和
>trace(A):求矩阵A的迹
>> A=[1,3,2;-3,2,1;4,1,2]
A =
1 3 2 -3 2 1 4 1 2
>> b=trace(A)
b =
5
>> t=sum(diag(A))
t =
5
向量和矩阵的范数
矩阵或向量的范数用于定义矩阵或向量在某种意义下的长度
矩阵的条件数
>矩阵A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
在MATLAB中,计算矩阵A的3种条件数的函数是:
>cond(A,1):计算A的1-范数下的条件数
>cond(A,2)或cond(A):计算A的2-范数下的条件数
>cond(A,inf):计算A的正无穷-范数下的条件数
例3 求2~10阶希尔伯特矩阵的条件数
>> for n=2:10 c(n)=cond(hilb(n)); end >> format long >> c'
ans =
1.0e+13 *
0 0.000000000001928 0.000000000052406 0.000000001551374 0.000000047660725 0.000001495105864 0.000047536735692 0.001525757525282 0.049315438266897 1.602457362635516
>> c
c =
1.0e+13 *
Columns 1 through 5
0 0.000000000001928 0.000000000052406 0.000000001551374 0.000000047660725
Columns 6 through 10
0.000001495105864 0.000047536735692 0.001525757525282 0.049315438266897 1.602457362635516
4. 矩阵的特征值与特征向量
矩阵特征值的数学定义
设A是n阶方阵,如果存在常数λ和n维非零列向量x,是的等式Ax=λx成立,则称λ为A的特征值,x是对应特征值λ的特征向量
函数调用格式有两种:
>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
>> A=[1,1,0;1,0,5;1,10,2]
A =
1 1 0 1 0 5 1 10 2
>> [X,D]=eig(A)
X =
0.072196186226992 0.975064063761619 0.088619224195266 0.523368974057523 -0.075013465822403 -0.635606218080313 0.849042182514069 -0.208861321230112 0.766910274178584
D =
8.249260679947781 0 0 0 0.923068166892527 0 0 0 -6.172328846840313
>> A*X(:,1)
ans =
0.595565160284515 4.317407098797336
7.003970291830358
>> D(1)*X(:,1)
ans =
0.595565160284514 4.317407098797333
7.003970291830355
>> 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(R)
X1 =
0.855336847706575 0.451748808798346 0.189889692402449 0.470284611344323 -0.839453879712591 -0.511105640718618 0.217327543786097 -0.302059923830942 0.838279743728139
D1 =
0.099647729675864 0 0 0 -4.716463058067783 0 0 0 -6.383184671608076
>> [X2,D2]=eig(S)
X2 =
-0.850650808352040 0.525731112119133 0.525731112119133 0.850650808352040
D2 =
-0.236067977499790 0 0 4.236067977499790
>> [X3,D3]=eig(A)
X3 =
0.855336847706575 0.451748808798346 0.189889692402449 0 0 0.470284611344323 -0.839453879712591 -0.511105640718618 0 0 0.217327543786097 -0.302059923830942 0.838279743728139 0 0 0 0 0 -0.850650808352040 -0.525731112119133 0 0 0 0.525731112119133 -0.850650808352040
D3 =
0.099647729675864 0 0 0 0 0 -4.716463058067783 0 0 0 0 0 -6.383184671608076 0 0 0 0 0 -0.236067977499790 0 0 0 0 0 4.236067977499790
>>
5. 稀疏矩阵
矩阵的存储方式:完全存储方式+稀疏存储方式
稀疏存储方式只存储矩阵的非零元素的值及其位置,即行号和列号
注意:采用稀疏存储方式时,矩阵元素的存储顺序并没有改变,也是按列的顺序进行存储
>> 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
>> A=sparse([1,2,2],[2,1,4],[2,5,-7])
A =
(2,1) 5 (1,2) 2 (2,4) -7
>> B=full(A)
B =
0 2 0 0 5 0 0 -7
>> A=[2,2,1;2,1,-1;2,4,3]
A =
2 2 1 2 1 -1 2 4 3
>> B=spconvert(A) //最后一列从小到大按行排列?
B =
(2,1) -1 (2,2) 1
(2,4) 3
>> A=[11,0,0,12,0,0;0,21,0,0,22,0;0,0,31,0,0,32;41,0,0,42,0,0;0,51,0,0,52,0]
A =
11 0 0 12 0 0 0 21 0 0 22 0 0 0 31 0 0 32 41 0 0 42 0 0 0 51 0 0 52 0
>> [B,d]=spdiags(A)
B =
0 11 12 0 21 22 0 31 32 41 42 0 51 52 0
d =
-3 0 3
>> A=spdiags(B,d,5,6)
A =
(1,1) 11 (4,1) 41 (2,2) 21 (5,2) 51 (3,3) 31 (1,4) 12 (4,4) 42 (2,5) 22 (5,5) 52
(3,6) 32
>> kf1=[1;1;2;1;0]; >> k0=[2;4;6;6;1]; >> k1=[0;3;1;4;2]; >> B=[kf1,k0,k1]; >> d=[-1;0;1]; >> A=spdiags(B,d,5,5); >> f=[0;3;2;1;5]; >> x=A\f
x =
-0.166666666666667 0.111111111111111 2.722222222222222 -3.611111111111111
8.611111111111111
注意:当参与运算的数据对象不全是稀疏存储矩阵时,所得结果是完全存储形式。
|
请发表评论