MATLAB实用教程 教学课件 作者 张磊 毕靖 郭莲英 第三章.ppt

《MATLAB实用教程 教学课件 作者 张磊 毕靖 郭莲英 第三章.ppt》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第三章数学运算本章将着重介绍MATLAB中与数学运算有关的函数和概念。在MATLAB中一切数据均能以矩阵的形式表示：针对矩阵整体的数学运算，称之为矩阵运算；针对矩阵元素的数学运算，称之为矩阵元素运算。目录3.1矩阵运算3.2矩阵元素运算习题3.1矩阵运算3.1.1矩阵分析3.1.2线性方程组3.1.3矩阵分解3.1.4矩阵的特征值和特征向量3.1.5矩阵相似变换3.1.6非线性运算矩阵运算是线性代数中极其重要的部分，MATLAB具有强大的矩阵运算能力。3.1.1矩阵分析1．向量间的距离2．矩阵的秩3．矩阵的行列式4．矩阵的迹5．矩阵的化零矩阵6．矩阵的正交空间7．矩阵的简化梯形形式8

2、．矩阵空间之间的角度MATLAB提供的部分矩阵分析函数如下表所示。1．向量间的距离2．矩阵的秩矩阵A中线性无关的列向量个数称为列秩，线性无关的行向量个数称为行秩。可以证明列秩与行秩是相等的。3．矩阵的行列式4．矩阵的迹矩阵的迹定义为矩阵对角元素之和。在MATLAB中用函数trace()来计算矩阵的迹。5．矩阵的化零矩阵对于非满秩矩阵A，若存在矩阵Z使得AZ=0且ZTZ=I，则称矩阵Z为矩阵A的化零矩阵。在MATLAB中用函数null()来计算矩阵的化零矩阵。6．矩阵的正交空间矩阵A的正交空间Q满足QTQ=I，且矩阵Q与A具有相同的列基底。7．矩阵的简化梯形形式矩阵A的简化梯形形式为，

3、其中Ir为r阶单位矩阵。8．矩阵空间之间的角度矩阵空间之间的角度代表具有相同行数的两个矩阵线性相关程度，夹角越小代表线性相关度越高。3.1.2线性方程组线性方程组求解问题，可以表述为给定两个矩阵A和B，求解X使得AX=B或XA=B。XA=B可以表示为A’Y=B’，且X=Y’。下面仅讨论AX=B的情况。3.1.3矩阵分解1．Cholesky分解2．LU分解3．QR分解4．奇异值分解5．Schur分解矩阵分解是把一个矩阵分解成比较简单或者对它性质比较熟悉的若干矩阵的乘积的形式。本小节将介绍几种矩阵分解的方法。矩阵分解函数表1．Cholesky分解Cholesky分解是把对称正定矩阵A表示

4、为上三角矩阵R的转置与其本身的乘积，即A=RTR。对于稀疏矩阵，MATLAB中用函数cholinc()计算不完全Cholesky分解，具体用法如下：R=full(cholinc(sparse(X),DROPTOL))，其中DROPTOL为不完全Cholesky分解的丢失容限；R=full(cholinc(sparse(X),‘0’))，完全Cholesky分解。2．LU分解高斯消去法又称LU分解，将任意一个方阵A分解为一个交换下三角矩阵L和一个上三角矩阵U的乘积，即A=LU。交换下三角矩阵为下三角矩阵经行变换的结果。LU分解在MATLAB中用函数lu()来实现，具体用法如下：[L,U

5、]=lu(X)，X为一个方阵，L为交换下三角矩阵，U为上三角矩阵，满足关系X=L*U；[L,U,P]=lu(X)，X为一个方阵，L为下三角矩阵，U为上三角矩阵，P为置换矩阵，满足关系P*X=L*U或X=P-1*L*U。考虑线性方程组AX=B和矩阵A的LU分解，线性方程组可改写成L*U*X=B，由于左除算符''可以快速处理三角矩阵，因此：X=U(LB)矩阵的行列式和逆也可以利用LU分解来计算，如det(A)=det(L)*det(U)inv(A)=inv(U)*inv(L)对于稀疏矩阵，在MATLAB中提供了函数luinc()来做不完全LU分解，其具体用法如下：[LU]=luin

6、c(X,DROPTOL)，其中X、L和U的含义与函数lu()中的变量相同，DROPTOL为不完全LU分解的丢失容限。当DROPTOL设为0时，退化为完全LU分解。[L,U]=luinc(X,‘0’)，0级不完全LU分解。[L,U,P]=luinc(X,'0')，0级不完全LU分解。3．QR分解QR分解就是将m×n的矩阵A分解为m×n的矩阵Q和n×n的上三角矩阵R的乘积，且Q‘*Q=I，即A=Q*R。在MATLAB中QR分解是由函数qr()来实现，其具体用法如下：[Q,R]=qr(A)满足A=Q*R。R=qr(A)，返回上三角矩阵R。4．奇异值分解奇异值分解就是将mn的矩阵A分解为A

7、=U*S*V’，其中U为mm的酉矩阵，V为nn的酉矩阵，S为mn的矩阵，并可如下表示：，其中，，在MATLAB中奇异值分解是由函数svd()来实现，其具体用法如下：5．Schur分解Schur分解就是将复方阵A分解为A=U*L*U’，其中U为酉矩阵，L为上（下）三角矩阵，其对角线元素为A的特征值。在MATLAB中Schur分解是由函数schur()来实现，其具体用法如下：[U,L]=schur(A)，满足A=U*L*U’，其中L为上三角矩阵。L=sc