1.       线型间隔向量

Linspace(x1 , x2, n)

2.       对数化间隔向量

Logspace(d1, d2, n)

3.       Hilb

The Hilbert matrix is a notable example of a poorly conditioned matrix. The elements of the Hilbert matrices are H(i,j) = 1/(i+j-1)

4.       The norm of a matrix

The Frobenius-norm of matrix A, sqrt(sum(diag(A'*A))), n = norm(A, ‘fro’)

5.       矩阵的条件数

矩阵的条件数是用来测量线性方程组的解对数据输入误差的灵敏度。它从线性方程组的逆矩阵中给出一个解的精度指示。Cond（x）接近于1，则表示这个矩阵有良好的条件数。条件数越大，则表示矩阵越接近奇异。

           Cond(x) = norm(x) * norm(inv(x))

6.       矩阵的奇异值与奇异值分解

矩阵A的奇异值返回一个奇异值列向量s，用s=svd（A）表示。

矩阵A的奇异值分解，则返回一个与矩阵A大小相同的对角矩阵s和二个酉矩阵u，v，且满足A = u*s*v，若A为m×n阵，则u为m×m，v为n×n，奇异值在s主对角线上，且为非负降序排列。

（所谓酉矩阵是这样的矩阵，它的逆矩阵等于它的共轭转置矩阵。

7.       为了方便改写矩阵，MATLAB设置了矩阵的左右反转、上下翻转和矩阵的逆时针转90^o的操作命令fliplr、flipud和rot90

8.       矩阵的分解

A．[l,u] = lu(A)  (LU分解)

B．[q,r] = qr(A)  (正交分解)

C．chol（A）  (矩阵的Cholesky分解用来分解正定矩阵，它将正定矩阵分解成一个上三角矩阵T和T的转置矩阵的乘积。

9.       广义逆矩阵

广义逆矩阵又称为伪逆矩阵。当矩阵A的行数m与列数n不等或det|A| = 0时，则不存在逆矩阵。但存在广义逆矩阵P，它满足APA = A，PAP = P，广义逆矩阵的函数为pinv。

广义逆矩阵用于求解超定方程组的近似解，但它满足最小二乘解。广义逆矩阵也可用于求解欠定方程组的一组特解。

10.   数组与矩阵的乘幂

V = power（x，y）

G = mpower（A，y）（或G = A^y）

11.   矩阵的水平连接和垂直连接

Horzcat(A,B) or [A, B]

Vertcat(A,B) or [A; B]

12.   矩阵的复制

Repmat（A,m,n）

13.   稀疏矩阵的创建

A． 用稀疏矩阵函数sparse(A)直接创建，其中A为原来的全矩阵；

B． 用非零元素直接输入创建稀疏矩阵, S=sparse(i,j,s,m,n)；

C． 从对角线方式产生稀疏矩阵，A = spdiags(B,d,m,n)

14.   稀疏矩阵的图形表示，spy（S）

15.   寻找矩阵的非零元素，k = find（X）

转载本文请联系原作者获取授权，同时请注明本文来自柏飞彪科学网博客。
链接地址：https://blog.sciencenet.cn/blog-87929-221902.html

上一篇：VC++深入详解学习笔记（1）
下一篇：VC++深入详解学习笔记（2）