Matlab 矩阵运算

Matlab 矩阵运算

说明：这一段时间用Matlab做了LDPC码的性能仿真，过程中涉及了大量的矩阵运算，本文记录了Matlab中矩阵的相关知识，特别的说明了稀疏矩阵和有限域中的矩阵。Matlab的运算是在矩阵意义下进行的，这里所提到的是狭义上的矩阵，即通常意义上的矩阵。

目录

第一部分：矩阵基本知识

一、矩阵的创建

1.直接输入法

2.利用Matlab函数创建矩阵

3.利用文件创建矩阵

二、矩阵的拆分

1.矩阵元素

2.矩阵拆分

3.特殊矩阵

三、矩阵的运算

1.算术运算

2.关系运算

3.逻辑运算

四、矩阵分析

1.对角阵

2.三角阵

3.矩阵的转置与旋转

4.矩阵的翻转

5.矩阵的逆与伪逆

6.方阵的行列式

7.矩阵的秩与迹

8.向量和矩阵的范数

9.矩阵的特征值与特征向量

五、字符串

六、其他

第二部分矩阵的应用

一、稀疏矩阵

1.稀疏矩阵的创建

2.稀疏矩阵的运算

3.其他

二、有限域中的矩阵

内容

第一部分：矩阵基本知识（只作基本介绍，详细说明请参考Matlab帮助文档）

矩阵是进行数据处理和运算的基本元素。在MATLAB中

a、通常意义上的数量（标量）可看成是”1*1″的矩阵；

b、n维矢量可看成是”n*1″的矩阵；

c、多项式可由它的系数矩阵完全确定。

一、矩阵的创建

在MATLAB中创建矩阵有以下规则：

a、矩阵元素必须在”[ ]“内；

b、矩阵的同行元素之间用空格（或”,”）隔开；

c、矩阵的行与行之间用”;”（或回车符）隔开；

d、矩阵的元素可以是数值、变量、表达式或函数；

e、矩阵的尺寸不必预先定义。

下面介绍四种矩阵的创建方法：

1、直接输入法

最简单的建立矩阵的方法是从键盘直接输入矩阵的元素，输入的方法按照上面的规则。建立向量的时候可以利用冒号表达式，冒号表达式可以产生一个行向量，一般格式是： e1:e2:e3，其中e1为初始值，e2为步长，e3为终止值。还可以用linspace函数产生行向量，其调用格式为：linspace(a,b,n) ，其中a和b 是生成向量的第一个和最后一个元素，n是元素总数。可以看出来linspace(a, b,n)与a:(b-a)/(n-1):b等价。

2、利用MATLAB函数创建矩阵

基本矩阵函数如下：

(1) ones()函数：产生全为1的矩阵，ones(n)：产生n*n维的全1矩阵，ones (m,n)：产生m*n维的全1矩阵；

(2) zeros()函数：产生全为0的矩阵；

(3) rand()函数：产生在（0，1）区间均匀分布的随机阵；

(4) eye()函数：产生单位阵；

(5) randn()函数：产生均值为0，方差为1的标准正态分布随机矩阵。

3、利用文件建立矩阵

当矩阵尺寸较大或为经常使用的数据矩阵，则可以将此矩阵保存为文件，在需要

时直接将文件利用load命令调入工作环境中使用即可。同时可以利用命令resh ape对调入的矩阵进行重排。reshape(A,m,n)，它在矩阵总元素保持不变的前提下，将矩阵A重新排成m*n的二维矩阵。

二、矩阵的拆分

1．矩阵元素

可以通过下标（行列索引）引用矩阵的元素，如 Matrix(m,n)。也可以采用矩阵元素的序号来引用矩阵元素。矩阵元素的序号就是相应元素在内存中的排列顺序。在MATLAB中，矩阵元素按列存储，先第一列，再第二列，依次类推。序号(I ndex)与下标(Subscript )是一一对应的，以m*n矩阵A为例，矩阵元素A(i,j)的序号为(j-1)*m+i。其相互转换关系也可利用sub2ind和ind2sub函数求得。

2．矩阵拆分

利用冒号表达式获得子矩阵：

(1) A(:,j)表示取A矩阵的第j列全部元素；A(i,:)表示A矩阵第i行的全部元素；A(i,j)表示取A矩阵第i行、第j列的元素。

(2) A(i:i+m,:)表示取A矩阵第i~i+m行的全部元素；A(:,k:k+m)表示取A矩阵第k~k+m列的全部元素，A(i:i+m,k:k+m)表示取A矩阵第i~i+m行内，并在第k ~k+m列中的所有元素。此外，还可利用一般向量和end运算符来表示矩阵下标，从而获得子矩阵。end表示某一维的末尾元素下标。

利用空矩阵删除矩阵的元素：

在MATLAB中，定义[]为空矩阵。给变量X赋空矩阵的语句为X=[]。注意，X=[]与clear X不同，clear是将X从工作空间中删除，而空矩阵则存在于工作空间中，只是维数为0。

3、特殊矩阵

(1) 魔方矩阵魔方矩阵有一个有趣的性质，其每行、每列及两条对角线上的元素和都相等。对于n阶魔方阵，其元素由1,2,3,…,n2共n2个整数组成。MATL AB提供了求魔方矩阵的函数magic(n)，其功能是生成一个n阶魔方阵。

(2) 范得蒙矩阵范得蒙(Vandermonde)矩阵最后一列全为1，倒数第二列为一个指定的向量，其他各列是其后列与倒数第二列的点乘积。可以用一个指定向量生成一个范得蒙矩阵。在MATLAB中，函数vander(V)生成以向量V为基础向量的范得蒙矩阵。

(3) 希尔伯特矩阵在MATLAB中，生成希尔伯特矩阵的函数是hilb(n)。使用一般方法求逆会因为原始数据的微小扰动而产生不可靠的计算结果。MATLAB中，有一个专门求希尔伯特矩阵的逆的函数invhilb(n)，其功能是求n阶的希尔伯特矩阵的逆矩阵。

(4) 托普利兹矩阵托普利兹(Toeplitz)矩阵除第一行第一列外，其他每个元素都与左上角的元素相同。生成托普利兹矩阵的函数是toeplitz(x,y)，它生成一个以x为第一列，y为第一行的托普利兹矩阵。这里x, y均为向量，两者不必等长。toeplitz(x)用向量x生成一个对称的托普利兹矩阵。

(5) 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，低次幂排在后。

(6) 帕斯卡矩阵我们知道，二次项(x+y)n展开后的系数随n的增大组成一个三

角形表，称为杨辉三角形。由杨辉三角形表组成的矩阵称为帕斯卡(Pascal)矩阵。函数pascal(n)生成一个n阶帕斯卡矩阵。

三、矩阵的运算

1、算术运算

MATLAB的基本算术运算有：＋(加)、－(减)、*(乘)、/(右除)、\(左除)、^(乘方)、’(转置)。运算是在矩阵意义下进行的，单个数据的算术运算只是一种特例。

(1) 矩阵加减运算假定有两个矩阵A和B，则可以由A+B和A-B实现矩阵的加减运算。运算规则是：若A和B矩阵的维数相同，则可以执行矩阵的加减运算，A和B矩阵的相应元素相加减。如果A与B的维数不相同，则MATLAB将给出错误信息，提示用户两个矩阵的维数不匹配。

(2) 矩阵乘法假定有两个矩阵A和B，若A为m*n矩阵，B为n*p矩阵，则C=A *B为m*p矩阵。

(3) 矩阵除法在MATLAB中，有两种矩阵除法运算：\和/，分别表示左除和右除。如果A矩阵是非奇异方阵，则A\B和B/A运算可以实现。A\B等效于A的逆左乘B矩阵，也就是inv(A)*B，而B/A等效于A矩阵的逆右乘B矩阵，也就是B*inv (A)。对于含有标量的运算，两种除法运算的结果相同。对于矩阵来说，左除和右除表示两种不同的除数矩阵和被除数矩阵的关系，一般A\B≠B/A。

(4) 矩阵的乘方一个矩阵的乘方运算可以表示成A^x，要求A为方阵，x为标量。

(5) 矩阵的转置对实数矩阵进行行列互换，对复数矩阵，共轭转置，特殊的，操作符.’共轭不转置（见点运算）；

(6) 点运算在MATLAB中，有一种特殊的运算，因为其运算符是在有关算术运算符前面加点，所以叫点运算。点运算符有.*、./、.\和.^。两矩阵进行点运算是指它们的对应元素进行相关运算，要求两矩阵的维参数相同。

2、关系运算

MATLAB提供了6种关系运算符：<(小于)、<=(小于或等于)、>(大于)、>=(大于或等于)、==(等于)、~=(不等于)。关系运算符的运算法则为：

(1) 当两个比较量是标量时，直接比较两数的大小。若关系成立，关系表达式结果为1，否则为0；

(2) 当参与比较的量是两个维数相同的矩阵时，比较是对两矩阵相同位置的元素按标量关系运算规则逐个进行，并给出元素比较结果。最终的关系运算的结果是一个维数与原矩阵相同的矩阵，它的元素由0或1组成；

(3) 当参与比较的一个是标量，而另一个是矩阵时，则把标量与矩阵的每一个元素按标量关系运算规则逐个比较，并给出元素比较结果。最终的关系运算的结果是一个维数与原矩阵相同的矩阵，它的元素由0或1组成。

3、逻辑运算

MATLAB提供了3种逻辑运算符：&(与)、|(或)和~(非)。逻辑运算的运算法则为：

(1) 在逻辑运算中，确认非零元素为真，用1表示，零元素为假，用0表示；

(2) 设参与逻辑运算的是两个标量a和b，那么，a&b a,b全为非零时，运算结果为1，否则为0。 a|b a,b中只要有一个非零，运算结果为1。~a 当a是零时，

运算结果为1；当a非零时，运算结果为0。

(3) 若参与逻辑运算的是两个同维矩阵，那么运算将对矩阵相同位置上的元素按标量规则逐个进行。最终运算结果是一个与原矩阵同维的矩阵，其元素由1或0组成；

(4) 若参与逻辑运算的一个是标量，一个是矩阵，那么运算将在标量与矩阵中的每个元素之间按标量规则逐个进行。最终运算结果是一个与矩阵同维的矩阵，其元素由1或0组成；

(5) 逻辑非是单目运算符，也服从矩阵运算规则；

(6) 在算术、关系、逻辑运算中，算术运算优先级最高，逻辑运算优先级最低。

四、矩阵分析

1、对角阵

(1) 对角阵只有对角线上有非0元素的矩阵称为对角矩阵，对角线上的元素相等的对角矩阵称为数量矩阵，对角线上的元素都为1的对角矩阵称为单位矩阵。

(1) 提取矩阵的对角线元素设A为m*n矩阵，diag(A)函数用于提取矩阵A主对角线元素，产生一个具有min(m,n)个元素的列向量。diag(A)函数还有一种形式diag(A,k)，其功能是提取第k条对角线的元素。

(2) 构造对角矩阵设V为具有m个元素的向量，diag(V)将产生一个m*m对角矩阵，其主对角线元素即为向量V的元素。diag(V)函数也有另一种形式diag(V,k)，其功能是产生一个n*n(n=m+k)对角阵，其第m条对角线的元素即为向量V的元素。

2、三角阵

三角阵又进一步分为上三角阵和下三角阵，所谓上三角阵，即矩阵的对角线以下的元素全为0的一种矩阵，而下三角阵则是对角线以上的元素全为0的一种矩阵。

(1) 上三角矩阵求矩阵A的上三角阵的MATLAB函数是triu(A)。 triu(A)函数也有另一种形式triu(A,k)，其功能是求矩阵A的第k条对角线以上的元素。(2) 下三角矩阵在MATLAB中，提取矩阵A的下三角矩阵的函数是tril(A)和t ril(A,k)，其用法与提取上三角矩阵的函数triu(A)和triu(A,k)完全相同。

3、矩阵的转置与旋转

(1) 矩阵的转置转置运算符是单撇号(’)。

(2) 矩阵的旋转利用函数rot90(A,k)将矩阵A旋转90o的k倍，当k为1时可省略。

4、矩阵的翻转

对矩阵实施左右翻转是将原矩阵的第一列和最后一列调换，第二列和倒数第二列调换，…，依次类推。矩阵A实施左右翻转的函数是fliplr(A)，对矩阵A实施上下翻转的函数是flipud(A)。

5、矩阵的逆与伪逆

(1) 矩阵的逆对于一个方阵A，如果存在一个与其同阶的方阵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。求方阵A 的逆矩阵可调用函数inv(A)。

(2) 矩阵的伪逆如果矩阵A不是一个方阵，或者A是一个非满秩的方阵时，矩阵A没有逆矩阵，但可以找到一个与A的转置矩阵A’同型的矩阵B，使得：AB A=A，BAB=B 此时称矩阵B为矩阵A的伪逆，也称为广义逆矩阵。在MATLAB中，求一个矩阵伪逆的函数是pinv(A)。

6、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，这个值就称为矩阵所对应的行列式的值。在MATLAB中，求方阵A所对应的行列式的值的函数是det (A)。

7、矩阵的秩与迹

(1) 矩阵的秩矩阵线性无关的行数与列数称为矩阵的秩。在MATLAB中，求矩阵秩的函数是rank(A)。

(2) 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。在MATLAB中，求矩阵的迹的函数是trace(A)。

8、向量和矩阵的范数

矩阵或向量的范数用来度量矩阵或向量在某种意义下的长度。范数有多种方法定义，其定义不同，范数值也就不同。

(1) 向量的3种常用范数及其计算函数在MATLAB中，求向量范数的函数为：

a、norm(V)或norm(V,2)：计算向量V的2-范数；

b、norm(V,1)：计算向量V的1-范数；

c、norm(V,inf)：计算向量V的∞-范数。

(2) 矩阵的范数及其计算函数 MATLAB提供了求3种矩阵范数的函数，其函数调用格式与求向量的范数的函数完全相同。

(3) 矩阵的条件数在MATLAB中，计算矩阵A的3种条件数的函数是：

a、cond(A,1) 计算A的1-范数下的条件数；

b、cond(A)或cond(A,2) 计算A的2-范数数下的条件数；

c、cond(A,inf) 计算A的∞-范数下的条件数。

9、矩阵的特征值与特征向量

在MATLAB中，计算矩阵A的特征值和特征向量的函数是eig(A)，常用的调用格式有3种：

(1) E=eig(A)：求矩阵A的全部特征值，构成向量E。

(2) [V,D]=eig(A)：求矩阵A的全部特征值，构成对角阵D，并求A的特征向量构成V的列向量。

(3) [V,D]=eig(A,’nobalance’)：与第2种格式类似，但第2种格式中先对A 作相似变换后求矩阵A的特征值和特征向量，而格式3直接求矩阵A的特征值和特征向量。

五、字符串

在MATLAB中，字符串是用单撇号括起来的字符序列。MATLAB将字符串当作一个行向量，每个元素对应一个字符，其标识方法和数值向量相同。也可以建立多行字符串矩阵。字符串是以ASCII码形式存储的。abs和double函数都可以用来

获取字符串矩阵所对应的ASCII码数值矩阵。相反，char函数可以把ASCII码矩阵转换为字符串矩阵。与字符串有关的另一个重要函数是eval，其调用格式为： eval(t) 其中t为字符串。它的作用是把字符串的内容作为对应的MATLAB 语句来执行。

六、其他

查看矩阵非零元素的分布spy(A)；

第二部分矩阵的应用

一、稀疏矩阵

对于一个 n 阶矩阵，通常需要 n2的存储空间，当 n 很大时，进行矩阵运算时会占用大量的内存空间和运算时间。在许多实际问题中遇到的大规模矩阵中通常含有大量0元素，这样的矩阵称为稀疏矩阵。Matlab支持稀疏矩阵，只存储矩阵的非零元素。由于不存储那些”0″元素，也不对它们进行操作，从而节省内存空间和计算时间，其计算的复杂性和代价仅仅取决于稀疏矩阵的非零元素的个数，这在矩阵的存储空间和计算时间上都有很大的优点。

矩阵的密度定义为矩阵中非零元素的个数除以矩阵中总的元素个数。对于低密度的矩阵，采用稀疏方式存储是一种很好的选择。

1、稀疏矩阵的创建

(1) 将完全存储方式转化为稀疏存储方式函数A=sparse(S)将矩阵S转化为稀疏存储方式的矩阵A。当矩阵S是稀疏存储方式时，则函数调用相当于A=S。 s parse函数还有其他一些调用格式： sparse(m,n)：生成一个m*n的所有元素都是0的稀疏矩阵。 sparse(u,v,S)：u,v,S是3个等长的向量。S是要建立的稀疏矩阵的非0元素，u(i)、v(i)分别是S(i)的行和列下标，该函数建立一个ma x(u)行、max(v)列并以S为稀疏元素的稀疏矩阵。此外，还有一些和稀疏矩阵操作有关的函数。full(A)：返回和稀疏存储矩阵A对应的完全存储方式矩阵。

(2) 直接创建稀疏矩阵 S=sparse(i,j,s,m,n)，其中i 和j 分别是矩阵非零元素的行和列指标向量，s 是非零元素值向量，m，n 分别是矩阵的行数和列数。

(3) 从文件中创建稀疏矩阵利用load和spconvert函数可以从包含一系列下标和非零元素的文本文件中输入稀疏矩阵。例：设文本文件 T.txt 中有三列内容

，第一列是一些行下标，第二列是列下标，第三列是非零元素值。load

T.txt S=spconvert(T)。

(4) 稀疏带状矩阵的创建 S=spdiags(B,d,m,n) 其中m 和n 分别是矩阵的行数和列数；d是长度为p的整数向量，它指定矩阵S的对角线位置；B是全元素矩阵，用来给定S对角线位置上的元素，行数为min(m,n)，列数为p 。

(5) 其它稀疏矩阵创建函数

S=speye(m,n)

S=speye(size(A)) % has the same size as A

S=buchy % 一个内置的稀疏矩阵（邻接矩阵）

等等

2、稀疏矩阵的运算

稀疏存储矩阵只是矩阵的存储方式不同，它的运算规则与普通矩阵是一样的，可以直接参与运算。所以，Matlab中对满矩阵的运算和函数同样可用在稀疏矩阵中。结果是稀疏矩阵还是满矩阵，取决于运算符或者函数。当参与运算的对象不全是稀疏存储矩阵时，所得结果一般是完全存储形式。

3、其他

(1) 非零元素信息

nnz(S) % 返回非零元素的个数

nonzeros(S) % 返回列向量，包含所有的非零元素

nzmax(S) % 返回分配给稀疏矩阵中非零项的总的存储空间

(2) 查看稀疏矩阵的形状 spy(S)

(3) find函数与稀疏矩阵

[i,j,s]=find(S)

[i,j]=find(S)

返回 S 中所有非零元素的下标和数值，S 可以是稀疏矩阵或满矩阵。

二、有限域中的矩阵

信道编码中的矩阵运算一般都是基于有限域的，因此需要将普通矩阵转换为有限域中的矩阵，使其运算在有限域GF(m)中。可以通过命令gf(data,m)将数据限制在有限域中，这样如矩阵求逆、相加、相乘等运算就均是基于有限域GF(m)的运算了。

那么如何将有限域元素转换为double型的呢？可以利用命令 double(data.x) 其中x是后缀。关于有限域的详细情况请参考这里。

注：用LaTeX写的矩阵显示有问题，图片显示出”&”符号的在html语言下的表示”amp;”，哪位兄弟能帮忙解决下？多谢了，呵呵

解决方法：用\;代替&。估计这个问题是Latex Math插件的bug。呵呵，不知道有没有更好的解决办法。

https://www.docsj.com/doc/8b3263383.html,/2008/08/02/matlab-%E7%9F%A9%E9%98%B5%E8%BF% 90%E7%AE%97/

MATLAB中的矩阵与向量运算

4.1 数组运算和矩阵运算 从外观形状和数据结构来看,二维数组和数学中的矩阵没有区别.但是,矩阵作为一种变换或映射算符的体现,矩阵运算有着明确而严格的数学规则.而数组运算是MATLAB软件所定义的规则,其目的是为了数据管理方面,操作简单,指令形式自然和执行计算有效.所以,在使用MATLAB时,特别要明确搞清数组运算和矩阵运算的区别.表 4.1.1 数组运算和矩阵运算指令形式和实质内涵 数组运算矩阵运算 指令含义指令含义 A.'非共轭转置A'共轭转置 A=s把标量s赋给数组A的每个元素 s+B把标量s分别与数组B的每个元素相加s-B, B-s标量s分别与数组B的元素之差 s.*A标量s分别与数组A的元素之积s*A标量s分别与矩阵A的元素之积 s./B, B.\s标量s分别被数组B的元素除s*inv(B)矩阵B的逆乘标量s A.^n数组A的每个元素的n次方A^n A为方阵时,矩阵A的n次方 A+B数组对应元素的相加A+B矩阵相加 A-B数组对应元素的相减A-B矩阵相减 A.*B数组对应元素的相乘A*B内维相同矩阵的乘积 A./B A的元素被B的对应元素除A/B A右除B B.\A一定与上相同B\A A左除B(一般与右除不同) exp(A)以e为底,分别以A的元素为指数,求幂expm(A) A的矩阵指数函数 log(A) 对A的各元素求对数logm(A) A的矩阵对数函数 sqrt(A) 对A的积各元素求平方根sqrtm(A) A的矩阵平方函数 从上面可以看到,数组运算的运算如:乘,除,乘方,转置,要加"点".所以,我们要特别注意在求"乘,除,乘方,三角和指数函数"时,两种运算有着根本的区别.另外,在执行数组与数组运算时,参与运算的数组必须同维,运算所得的结果数组也是总与原数组同维. 4.2 数组的基本运算 在MATLAB中,数组运算是针对多个数执行同样的计算而运用的.MATLAB以一种非常直观的方式来处理数组. 4.2.1 点转置和共轭转置 . ' ——点转置.非共轭转置,相当于conj(A'). >> a=1:5; >> b=a. ' b = 1 2 3 4 5 >> c=b. ' c = 1 2 3 4 5 这表明对行向量的两次转置运算便得到原来的行向量. ' ——共轭转置.对向量进行转置运算并对每个元素取其共轭.如: >> d=a+i*a

MATLAB实验二 矩阵基本运算(一)答案

实验一 矩阵基本运算（一） （1）设A 和B 是两个同维同大小的矩阵，问： 1）A*B 和A.*B 的值是否相等？ ????? ?? =763514432A ???? ? ??=94 525 313 4B A=[2 3 4;4 1 5;3 6 7]; B=[4 3 1;3 5 2;5 4 9]; A*B, A.*B ans = 37 37 44 44 37 51 65 67 78 ans = 8 9 4 12 5 10 15 24 63 2）A./B 和B.\A 的值是否相等？ A=[2 3 4;4 1 5;3 6 7]; B=[4 3 1;3 5 2;5 4 9]; A./B, B./A

ans = 0.5000 1.0000 4.0000 1.3333 0.2000 2.5000 0.6000 1.5000 0.7778 ans = 2.0000 1.0000 0.2500 0.7500 5.0000 0.4000 1.6667 0.6667 1.2857 3）A/B和B\A的值是否相等？ A=[2 3 4;4 1 5;3 6 7]; B=[4 3 1;3 5 2;5 4 9]; A/B, B/A ans = -0.3452 0.5119 0.3690 0.7857 -0.7857 0.6429 -0.9762 1.3095 0.5952 ans = 110.0000 -15.0000 -52.0000

92.0000 -13.0000 -43.0000 -22.0000 4.0000 11.0000 4）A/B和B\A所代表的数学含义是什么？ 解： A/B是B*A的逆矩阵 B\A是B*A的逆矩阵 （2）写出完成下列操作的命令。 1）将矩阵A第2—5行中第1，3，5列元素赋给矩阵B。 A=[0.9501 0.4565 0.9218 0.4103 0.1389 0.0153 0.2311 0.0185 0.7382 0.8936 0.2028 0.7468 0.6068 0.8214 0.1763 0.0579 0.1987 0.4451 0.4860 0.4447 0.4057 0.3529 0.6038 0.9318 0.8913 0.6154 0.9355 0.8132 0.2722 0.4660 0.7621 0.7919 0.9169 0.0099 0.1988 0.4186] B=A(2:5,[1,3,5]) A = 0.9501 0.4565 0.9218 0.4103 0.1389 0.0153 0.2311 0.0185 0.7382 0.8936 0.2028 0.7468 0.6068 0.8214 0.1763 0.0579 0.1987 0.4451 0.4860 0.4447 0.4057 0.3529 0.6038 0.9318 0.8913 0.6154 0.9355 0.8132 0.2722 0.4660 0.7621 0.7919 0.9169 0.0099 0.1988 0.4186 B = 0.2311 0.7382 0.2028 0.6068 0.1763 0.1987 0.4860 0.4057 0.6038 0.8913 0.9355 0.2722 2）删除矩阵A的第7号元素。 A=rand(6,6); >> A(7)=[inf] A = 0.8385 Inf 0.1730 0.1365 0.2844 0.5155

2-matlab矩阵的代数运算 (1)

乘法运算乘法运算符为”*”，运算规则和现行代数中矩阵乘法运算相同，即放在前面的矩阵的行元素，分别与放在后面的矩阵的各列元素对应相乘并相加。 1、两个矩阵相乘：必须满足前一矩阵的列数等于后一矩阵的行数。 2、矩阵的数乘：返回数与矩阵中每一个元素相乘后的矩阵 3、向量的点乘（内积）：维数相同的两个向量的点乘；A.*B表示A与B对应的元素相乘，返回的是一个向量 4、向量点积： （1）C=dot(A,B) %若A、B为向量，A与B长度相同；若为矩阵，则A与B有相同维数 （2）C=dot(A,B,dim) %在dim维数中给出A与B的点积 5、向量叉乘：在数学上，两向量的叉乘是一个过两向量交点且垂直于两向量所在平面的向量。 （1）C=cross(A,B) %若A、B为向量，则返回A与B的叉乘，即C=AXB；若为矩阵，则返回一个3Xn矩阵，其中列是A与B对应列的叉积，A、B都是3Xn矩阵 （2）C=cross(A,B,dim) %在dim维数中给出向量A与B的叉积注：A与B必须具有相同维数，size(A,dim)和size(B,dim)必须是3 6、矩阵卷积和多项式乘法：w=conv(u,v) （反褶积deconv(u,v)）长度为m的向量序列u和长度为n的向量序列v的卷积定义为 ∑ = + = k 1 j j) -1 u(j)v(k )k( w，其中w向量序列长度为（m+n-1） 多项式的乘法实际上是多项式系数向量间的卷积运算，举例如下：展开多项式(s2+2s+2)(s+4)(s+1) >>w=conv([1,2,2],conv([1,4],[1,1])) w = 1 7 16 18 8 >>p=poly2str(w,’s’) %将w表示成多项式 p=s^4 +7 s^3 +16 s^2 +18 s + 8 7、张量积 C=kron(A,B) %A为mxn矩阵，B为pxq矩阵，则C为mpxnq矩阵A与B的张量积定义为： 加、减运算加、减运算符为”+”、”--”。运算规则为对应元素相加、减 pow2函数命令：X=pow2(F,E)，表示F*2E；命令：X=pow2(E），表示2E 矩阵的代数 运算

matlab中的矩阵的基本运算命令

1.1 矩阵的表示 1.2 矩阵运算 1.2.14 特殊运算 1．矩阵对角线元素的抽取 函数diag 格式X = diag(v,k) %以向量v的元素作为矩阵X的第k条对角线元素，当k=0时，v为X的主对角线；当k>0时，v为上方第k条对角线；当k<0时，v为下方第k条对角线。 X = diag(v) %以v为主对角线元素，其余元素为0构成X。 v = diag(X,k) %抽取X的第k条对角线元素构成向量v。k=0：抽取主对角线元素；k>0：抽取上方第k条对角线元素；k<0抽取下方第k条对角线元素。 v = diag(X) %抽取主对角线元素构成向量v。 2．上三角阵和下三角阵的抽取 函数tril %取下三角部分 格式L = tril(X) %抽取X的主对角线的下三角部分构成矩阵L L = tril(X,k) %抽取X的第k条对角线的下三角部分；k=0为主对角线；k>0为主对角线以上；k<0为主对角线以下。函数triu %取上三角部分 格式U = triu(X) %抽取X的主对角线的上三角部分构成矩阵U U = triu(X,k) %抽取X的第k条对角线的上三角部分；k=0为主对角线；k>0为主对角线以上；k<0为主对角线以下。3．矩阵的变维 矩阵的变维有两种方法，即用“：”和函数“reshape”，前者主要针对2个已知维数矩阵之间的变维操作；而后者是对于一个矩阵的操作。 （1）“：”变维 （2）Reshape函数变维 格式 B = reshape(A,m,n) %返回以矩阵A的元素构成的m×n矩阵B B = reshape(A,m,n,p,…) %将矩阵A变维为m×n×p×… B = reshape(A,[m n p…]) %同上 B = reshape(A,siz) %由siz决定变维的大小，元素个数与A中元素个数 相同。 （5）复制和平铺矩阵 函数repmat 格式 B = repmat(A,m,n) %将矩阵A复制m×n块，即B由m×n块A平铺而成。 B = repmat(A,[m n]) %与上面一致 B = repmat(A,[m n p…]) %B由m×n×p×…个A块平铺而成 repmat(A,m,n) %当A是一个数a时，该命令产生一个全由a组成的m×n矩阵。 1.3 矩阵分解 1.3.1 Cholesky分解 函数chol 格式R = chol(X) %如果X为n阶对称正定矩阵，则存在一个实的非奇异上三角阵R，满足R'*R = X；若X非正定，则产生错误信息。 [R,p] = chol(X) %不产生任何错误信息，若X为正定阵，则p=0，R与上相同；若X非正定，则p为正整数，R是有序的上三角阵。 1.3.2 LU分解

MATLAB矩阵及其运算函数表

MATLAB 矩阵及其运算函数表 函数名函数功能 abs( ) 绝对值、负数的模、字符串的ASCII码值都可用来求字符串矩阵所 对应的ASCII码数值矩阵double( ) char( ) 可以把ASCII码数值矩阵转换为字符串矩阵 fix( ) 向零方向取整 floor( ) 不大于自变量的最大整数 ceil( ) 不小于自变量的最小整数 round( ) 四舍五入到最邻近的整数 rem(x,y) 求余函数 mod(x,y) % exp( ) 指数函数 [ ] 空操作符 format 格式符设置或改变数据输出格式 (其中格式符决定数据的输出格式) e1:e2:e3 冒号表达式可以产生一个行向量 (其中e1为初始值，e2为步长，e3为终止值) linspace(a,b,n) 产生一个行向量 (其中a和b是生成向量的第一个和最后一个元素，n是元素总数) [注：linspace(a,b,n)与a:(b-a)/(n-1):b等价] A(:,j) 表示取A矩阵的第j列全部元素 A(i,:) 表示A矩阵第i行的全部元素 A(i,j) 表示取A矩阵第i行、第j列的元素 A(i:i+m,:) 表示取A矩阵第i～i+m行的全部元素 A(:,k:k+m) 表示取A矩阵第k～k+m列的全部元素 A(i:i+m,k:k+m) 表示取A矩阵第i～i+m行内，并在第k～k+m列中的所有元素 zeros 产生全0矩阵(零矩阵) ones 产生全1矩阵(幺矩阵) eye 产生单位矩阵 rand 产生0～1间均匀分布的随机矩阵 randn 产生均值为0，方差为1的标准正态分布随机矩阵 zeros(size(A)) 建立一个与矩阵A同样大小的零矩阵 reshape(A,m,n) 在矩阵总元素保持不变的前提下，将矩阵A重新排成m×n的二维矩阵magic(n) 生成一个n阶魔方矩阵（其每行、每列及两条对角线上的元素和都相等） vander(V) 生成以向量V为基础向量的范得蒙矩阵（最后一列全为1，倒数第二列为一个指定的向量，其他各列是其后列与倒数第二列的点乘积） hilb(n) 生成希尔伯特矩阵 invhilb(n) 求n阶的希尔伯特矩阵的逆矩阵 (用一般方法求逆会因原始数据的微小扰动而产生不可靠的计算结果) toeplitz(x,y) 生成一个以x为第1列，y为第1行的托普利兹矩阵（除第1行第1列外，

MATLAB基本矩阵运算

Basic Matrix Operations 一、实验目的 1、掌握向量和矩阵的创建方法； 2、掌握向量和矩阵元素的索引方法； 3、掌握向量和矩阵的基本操作； 4、利用MATLAB编写程序进行矩阵运算。 二、基础知识 1、常见数学函数 函数名数学计算功能函数名数学计算功能 Abs(x) 实数的绝对值或复数的幅值floor(x) 对x朝-∞方向取整 Acos(x) 反余弦arcsin x gcd(m，n）求正整数m和n的最大公约数 acosh(x) 反双曲余弦arccosh x imag(x) 求复数x的虚部 angle(x) 在四象限内求复数 x 的相角lcm(m，n) 求正整数m和n的最小公倍数 asin(x) 反正弦arcsin x log(x) 自然对数（以e为底数） asinh(x) 反双曲正弦arcsinh x log10(x) 常用对数（以10为底数） atan(x) 反正切arctan x real(x) 求复数x的实部 atan2(x,y) 在四象限内求反正切Rem(m，n) 求正整数m和n的m/n之余数 atanh(x) 反双曲正切arctanh x round(x) 对x四舍五入到最接近的整数 ceil(x) 对x朝+∞方向取整sign(x) 符号函数：求出x的符号 conj(x) 求复数x的共轭复数sin(x) 正弦sin x cos(x) 余弦cos x sinh(x) 反双曲正弦sinh x cosh(x) 双曲余弦cosh x sqrt(x) 求实数x的平方根：x exp(x) 指数函数xe tan(x) 正切tan x fix(x) 对x朝原点方向取整tanh(x) 双曲正切tanh x 2、常量与变量 系统的变量命名规则：变量名区分字母大小写；变量名必须以字母打头，其后可以是任意字母，数字，或下划线的组合。此外，系统内部预先定义了几个有特殊意义和用途的变量，见下表： 特殊的变量、常量取值

matalb矩阵计算(MATLAB矩阵计算)

matalb矩阵计算（MATLAB矩阵计算）matalb矩阵计算(MATLAB矩阵计算) 4.1 array operations and matrix operations From the appearance of the shape and structure of the data matrix, two-dimensional array and no difference in mathematics. However, as the embodiment of a matrix transformation or mapping operator matrix with mathematical rules, clear and strict. And array operation is defined by the software of MATLAB rules, its purpose is for data management, simple operation. The instruction form nature and perform calculations effectively. Therefore, when using MATLAB, in particular to a clear distinction between clear array operations and matrix operations. Table 4.1.1 lists the similarities and differences between the essence and connotation of two kinds of operation instruction. 4.1.1 array operations and matrix operations, instruction forms and substantive meaning Array operation Matrix operation instructions Meaning instructions Meaning A.' Non conjugate transpose

Matlab常用函数数组及矩阵的基本运算

实验一 Matlab 常用函数、数组及矩阵的基本运算 一、 实验目的 1. 了解Matlab7.0软件工作界面结构和基本操作; 2. 掌握矩阵的表示方法及Matlab 常用函数; 3. 掌握数组及矩阵的基本运算. 二、 实验内容 1. 了解命令窗口(command widow)和变量空间(workspace)的作用,掌握清 除命令窗口(clc )和变量空间(clear)的方法.掌握查询函数(help)的方法. 2. 掌握保存和加载变量的方法. 加载变量:load 变量名. 3. 掌握掌握矩阵的表示方法: 给a,b,c 赋如下数据: ]6,46,23,4,2,6,3,8,0,1[,356838241248 7,278744125431-=??????????--=??????????=c b a 4. 求a+b,a*b,a.*b,a/b,a./b,a^2,a.^2的结果. 5. 将str1=electronic; str2 = information; str3 = engineering; 三个字符串连接 在一起成str = electronic information engineering. 6. 求矩阵a 的逆矩阵a -1，行列式计算。 (inv(a),det(a)) 三、 实验要求 1.上机操作,熟练掌握清除命令窗口和变量空间的方法、查询变量的方法、加载变量的方法。 2.第2道题请写出步骤。 3.对实验内容中第3-6项,写出指令,上机运行. 记录运行结果(数据)。 4.写出实验报告。 四、 实验结果 2. 用save 函数,可以将工作空间的变量保存成txt 文件或mat 文件等. 比如: save peng.mat p j 就是将工作空间中的p 和j 变量保存在peng.mat 中. 用load 函数,可以将数据读入到matlab 的工作空间中. 比如:load peng.mat 就是将peng.mat 中的所有变量读入matlab 工作空间中。

Matlab实验2-矩阵的基本运算

实验二、矩阵的基本运算 一、 问题 已知矩阵A 、B 、b 如下： ???????? ??????????-------------=0319481187638126542 86174116470561091143A ???????? ??????????------=503642237253619129113281510551201187851697236421B … []1187531=b 应用Matlab 软件进行矩阵输入及各种基本运算。 二、 实验目的： 熟悉Matlab 软件中的关于矩阵运算的各种命令 三、 预备知识 1、 、 2、 线性代数中的矩阵运算。 3、 本实验所用的Matlab 命令提示： （1）、矩阵输入格式：A =[a 11, a 12; a 21, a 22]；b =初始值：步长：终值； （2）、求A 的转置：A'； （3）、求A 加B ：A +B ； （4）、求A 减B ：A -B ； （5）、求数k 乘以A ：k*A ； （6）、求A 乘以B ：A*B ； （7）、求A 的行列式：det (A )； （8）、求A 的秩：rank (A )； … （9）、求A 的逆：inv (A )或(A )-1； （10）、B 右乘A 的逆：B/A ； （11）、B 左乘A 的逆：A \B ； （12）、求A 的特征值：eig (A )； （13）、求A 的特征向量矩阵X 及对角阵D ：[X ,D ]=eig (A )； （ （14）、求方阵A 的n 次幂：A ^n ；

（15）、A与B的对应元素相乘：A.*B； （16）、存储工作空间变量：save '文件名' '变量名'； （17）、列出工作空间的所有变量：whos； 四、《 五、实验内容与要求 1、输入矩阵A,B,b; >> A=[3,4,-1,1,-9,10;6,5,0,7,4,-16;1,-4,7,-1,6,-8;2,-4,5,-6,12,-8;-3,6,-7,8,-1,1;8,-4,9,1,3,0] B=[1 2 4 6 -3 2;7 9 16 -5 8 -7;8 11 20 1 5 5;10 15 28 13 -1 9;12 19 36 25 -7 23;2 4 6 -3 0 5] b=[1,3,5,7,8,11] | A = 3 4 -1 1 -9 10 6 5 0 7 4 -16 1 -4 7 -1 6 -8 2 -4 5 -6 12 -8 ^ -3 6 -7 8 -1 1 8 -4 9 1 3 0 B = 1 2 4 6 -3 2 7 9 16 -5 8 -7 ^ 8 11 20 1 5 5 10 15 28 13 -1 9 12 19 36 25 -7 23 2 4 6 - 3 0 5 b = ） 1 3 5 7 8 11 2、作X21=A'、X22=A+B、X23=A-B、X24=AB； >> X21=A' X22=A+B X23=A-B % X24=A*B X21 = 3 6 1 2 -3 8 4 5 -4 -4 6 -4 -1 0 7 5 -7 9 ; 1 7 -1 -6 8 1 -9 4 6 12 -1 3 10 -16 -8 -8 1 0 X22 = 4 6 3 7 -12 12 (

matlab中矩阵基本运算命令.docx

1.1矩阵的表示 1.2矩阵运算 1.2.14特殊运算 1．矩阵对角线元素的抽取 函数diag 格式X = diag(v,k)% 以向量 v 的元素作为矩阵 X 的第 k 条对角线元素，当 k=0 时， v 为 X 的主对角线；当 k>0 时，v 为上方第 k 条对角线；当 k<0 时， v 为下方第 k 条对角线。 X = diag(v)% 以 v 为主对角线元素，其余元素为 0 构成 X。 v = diag(X,k)%抽取 X 的第 k 条对角线元素构成向量 v。k=0：抽取主对角线元素； k>0 ：抽取上方第 k 条对角线元素；k<0 抽取下方第 k 条对角线元素。 v = diag(X)% 抽取主对角线元素构成向量 v。 2．上三角阵和下三角阵的抽取 函数tril% 取下三角部分 格式L = tril(X)%抽取 X 的主对角线的下三角部分构成矩阵L L = tril(X,k)% 抽取 X 的第 k 条对角线的下三角部分； k=0 为主对角线； k>0 为主对角线以上； k<0 为主对角线以下。 函数triu% 取上三角部分 格式U = triu(X)%抽取 X 的主对角线的上三角部分构成矩阵U U = triu(X,k)% 抽取 X 的第 k 条对角线的上三角部分； k=0 为主对角线； k>0 为主对角线以上； k<0 为主对角线以下。3．矩阵的变维 矩阵的变维有两种方法，即用“：”和函数“reshape，”前者主要针对 2 个已知维数矩阵之间的变维操作；而后者是对 于一个矩阵的操作。 （1）“：”变维 （2）Reshape 函数变维 格式 B = reshape(A,m,n)%返回以矩阵 A 的元素构成的 m×n 矩阵 B B = reshape(A,m,n,p,)% 将矩阵 A 变维为 m×n×p× B = reshape(A,[m n p])%同上 B = reshape(A,siz)% 由 siz 决定变维的大小，元素个数与 A 中元素个数 相同。 （5）复制和平铺矩阵 函数repmat 格式 B = repmat(A,m,n)% 将矩阵 A 复制 m×n 块，即 B 由 m×n 块 A 平铺而成。 B = repmat(A,[m n])%与上面一致 B = repmat(A,[m n p]) %B 由 m×n×p× 个 A 块平铺而成 repmat(A,m,n)%当 A 是一个数 a 时，该命令产生一个全由 a 组成的 m×n 矩阵。 1.3矩阵分解 1.3.1Cholesky 分解 函数chol 格式R = chol(X)% 如果 X 为 n 阶对称正定矩阵，则存在一个实的非奇异上三角阵R，满足 R'*R = X ；若 X 非正定，则产生错误信息。 [R,p] = chol(X)% 不产生任何错误信息，若X 为正定阵，则p=0 ，R 与上相同；若X 非正定，则p 为正整数， R 是有序的上三角阵。 1.3.2 LU 分解

Matlab矩阵的简单操作

一、矩阵的表示 在MATLAB中创建矩阵有以下规则： a、矩阵元素必须在”[ ]”内； b、矩阵的同行元素之间用空格（或”,”）隔开； c、矩阵的行与行之间用”;”（或回车符）隔开； d、矩阵的元素可以是数值、变量、表达式或函数； e、矩阵的尺寸不必预先定义。 二，矩阵的创建： 1、直接输入法 最简单的建立矩阵的方法是从键盘直接输入矩阵的元素，输入的方法按照上面的规则。建立向量的时候可以利用冒号表达式，冒号表达式可以产生一个行向量，一般格式是：e1:e2:e3，其中e1为初始值，e2为步长，e3为终止值。还可以用linspace函数产生行向量，其调用格式为：linspace(a,b,n) ，其中a和b是生成向量的第一个和最后一个元素，n是元素总数。 2、利用MATLAB函数创建矩阵 基本矩阵函数如下： (1) ones()函数：产生全为1的矩阵，ones(n)：产生n*n维的全1矩阵，ones(m,n)：产生m*n 维的全1矩阵； (2) zeros()函数：产生全为0的矩阵； (3) rand()函数：产生在（0，1）区间均匀分布的随机阵； (4) eye()函数：产生单位阵； (5) randn()函数：产生均值为0，方差为1的标准正态分布随机矩阵。 3、利用文件建立矩阵 当矩阵尺寸较大或为经常使用的数据矩阵，则可以将此矩阵保存为文件，在需要时直接将文件利用load命令调入工作环境中使用即可。同时可以利用命令reshape对调入的矩阵进行重排。reshape(A,m,n)，它在矩阵总元素保持不变的前提下，将矩阵A重新排成m*n的二维矩阵。 二、矩阵的简单操作 1．获取矩阵元素

Matlab 矩阵运算

Matlab 矩阵运算 说明：这一段时间用Matlab做了LDPC码的性能仿真，过程中涉及了大量的矩阵运算，本文记录了Matlab中矩阵的相关知识，特别的说明了稀疏矩阵和有限域中的矩阵。Matlab的运算是在矩阵意义下进行的，这里所提到的是狭义上的矩阵，即通常意义上的矩阵。 目录 第一部分：矩阵基本知识 一、矩阵的创建 1.直接输入法 2.利用Matlab函数创建矩阵 3.利用文件创建矩阵 二、矩阵的拆分 1.矩阵元素 2.矩阵拆分 3.特殊矩阵 三、矩阵的运算 1.算术运算 2.关系运算 3.逻辑运算 四、矩阵分析 1.对角阵 2.三角阵 3.矩阵的转置与旋转 4.矩阵的翻转 5.矩阵的逆与伪逆 6.方阵的行列式 7.矩阵的秩与迹 8.向量和矩阵的范数 9.矩阵的特征值与特征向量 五、字符串 六、其他 第二部分矩阵的应用 一、稀疏矩阵

1.稀疏矩阵的创建 2.稀疏矩阵的运算 3.其他 二、有限域中的矩阵 内容 第一部分：矩阵基本知识（只作基本介绍，详细说明请参考Matlab帮助文档） 矩阵是进行数据处理和运算的基本元素。在MATLAB中 a、通常意义上的数量（标量）可看成是”1*1″的矩阵； b、n维矢量可看成是”n*1″的矩阵； c、多项式可由它的系数矩阵完全确定。 一、矩阵的创建 在MATLAB中创建矩阵有以下规则： a、矩阵元素必须在”[ ]“内； b、矩阵的同行元素之间用空格（或”,”）隔开； c、矩阵的行与行之间用”;”（或回车符）隔开； d、矩阵的元素可以是数值、变量、表达式或函数； e、矩阵的尺寸不必预先定义。 下面介绍四种矩阵的创建方法： 1、直接输入法 最简单的建立矩阵的方法是从键盘直接输入矩阵的元素，输入的方法按照上面的规则。建立向量的时候可以利用冒号表达式，冒号表达式可以产生一个行向量，一般格式是： e1:e2:e3，其中e1为初始值，e2为步长，e3为终止值。还可以用linspace函数产生行向量，其调用格式为：linspace(a,b,n) ，其中a和b 是生成向量的第一个和最后一个元素，n是元素总数。可以看出来linspace(a, b,n)与a:(b-a)/(n-1):b等价。 2、利用MATLAB函数创建矩阵 基本矩阵函数如下： (1) ones()函数：产生全为1的矩阵，ones(n)：产生n*n维的全1矩阵，ones (m,n)：产生m*n维的全1矩阵； (2) zeros()函数：产生全为0的矩阵； (3) rand()函数：产生在（0，1）区间均匀分布的随机阵； (4) eye()函数：产生单位阵； (5) randn()函数：产生均值为0，方差为1的标准正态分布随机矩阵。 3、利用文件建立矩阵 当矩阵尺寸较大或为经常使用的数据矩阵，则可以将此矩阵保存为文件，在需要

MATLAB矩阵运算函数

MATLAB矩阵运算函数表 函数名函数功能 abs()绝对值、负数的模、字符串的ASCII码值都可用来求字符串矩阵所 对应的ASCII码数值矩阵double() char()可以把ASCII码数值矩阵转换为字符串矩阵 fix()向零方向取整 floor()不大于自变量的最大整数 ceil()不小于自变量的最小整数 round()四舍五入到最邻近的整数 rem(x,y)求余函数 mod(x,y)% exp()指数函数 []空操作符 format格式符设置或改变数据输出格式(其中格式符决定数据的输出格式) e1:e2:e3冒号表达式可以产生一个行向量 (其中e1为初始值，e2为步长，e3为终止值) linspace(a,b,n)产生一个行向量 (其中a和b是生成向量的第一个和最后一个元素，n是元素总数) [注：linspace(a,b,n)与a:(b-a)/(n-1):b等价] A(:,j)表示取A矩阵的第j列全部元素 A(i,:)表示A矩阵第i行的全部元素 A(i,j)表示取A矩阵第i行、第j列的元素 A(i:i+m,:)表示取A矩阵第i～i+m行的全部元素 A(:,k:k+m)表示取A矩阵第k～k+m列的全部元素 A(i:i+m,k:k+m)表示取A矩阵第i～i+m行内，并在第k～k+m列中的所有元素 zeros产生全0矩阵(零矩阵) ones产生全1矩阵(幺矩阵) eye产生单位矩阵 rand产生0～1间均匀分布的随机矩阵 randn产生均值为0，方差为1的标准正态分布随机矩阵 zeros(size(A))建立一个与矩阵A同样大小的零矩阵 reshape(A,m,n)在矩阵总元素保持不变的前提下，将矩阵A重新排成m×n的二维矩阵magic(n)生成一个n阶魔方矩阵（其每行、每列及两条对角线上的元素和都相等） vander(V)生成以向量V为基础向量的范得蒙矩阵（最后一列全为1，倒数第二列为一个指定的向量，其他各列是其后列与倒数第二列的点乘积） hilb(n)生成希尔伯特矩阵 invhilb(n)求n阶的希尔伯特矩阵的逆矩阵 (用一般方法求逆会因原始数据的微小扰动而产生不可靠的计算结果) toeplitz(x,y)生成一个以x为第1列，y为第1行的托普利兹矩阵（除第1行第1列外，

Matlab基本运算

2.1 变量和数据操作 2.1.1 变量与赋值 1．变量命名 在MATLAB 6.5中，变量名是以字母开头，后接字母、数字或下划线的字符序列，最多63个字符。在MATLAB中，变量名区分字母的大小写。 2．赋值语句 (1) 变量=表达式 (2) 表达式 其中表达式是用运算符将有关运算量连接起来的式子，其结果是一个矩阵。 2.1.2 预定义变量 在MATLAB工作空间中，还驻留几个由系统本身定义的变量。例如，用pi表示圆周率π的近似值，用i，j表示虚数单位。 预定义变量有特定的含义，在使用时，应尽量避免对这些变量重新赋值。 2.1.3 内存变量的管理 1．内存变量的删除与修改 MATLAB工作空间窗口专门用于内存变量的管理。在工作空间窗口中可以显示所有内存变量的属性。当选中某些变量后，再单击Delete 按钮，就能删除这些变量。当选中某些变量后，再单击Open按钮，将进入变量编辑器。通过变量编辑器可以直接观察变量中的具体元

素，也可修改变量中的具体元素。 clear命令用于删除MATLAB工作空间中的变量。who和whos这两个命令用于显示在MATLAB工作空间中已经驻留的变量名清单。who 命令只显示出驻留变量的名称，whos在给出变量名的同时，还给出它们的大小、所占字节数及数据类型等信息。 2．内存变量文件 利用MAT文件可以把当前MATLAB工作空间中的一些有用变量长久地保留下来，扩展名是.mat。MAT文件的生成和装入由save和load 命令来完成。常用格式为： save 文件名[变量名表] [-append][-ascii] load 文件名[变量名表] [-ascii] 其中，文件名可以带路径，但不需带扩展名.mat，命令隐含一定对.mat 文件进行操作。变量名表中的变量个数不限，只要内存或文件中存在即可，变量名之间以空格分隔。当变量名表省略时，保存或装入全部变量。-ascii选项使文件以ASCII格式处理，省略该选项时文件将以二进制格式处理。save命令中的-append选项控制将变量追加到MAT 文件中。 2.1.4 MATLAB常用数学函数 MATLAB提供了许多数学函数，函数的自变量规定为矩阵变量，运算法则是将函数逐项作用于矩阵的元素上，因而运算的结果是一个与自变量同维数的矩阵。 函数使用说明：

matlab matrix 矩阵基本运算

第1章矩阵及其基本运算 MATLAB，即“矩阵实验室”，它是以矩阵为基本运算单元。因此，本书从最基本的运算单元出发，介绍MATLAB的命令及其用法。 1.1 矩阵的表示 1.1.1 数值矩阵的生成 1．实数值矩阵输入 MATLAB的强大功能之一体现在能直接处理向量或矩阵。当然首要任务是输入待处理的向量或矩阵。 不管是任何矩阵（向量），我们可以直接按行方式输入每个元素：同一行中的元素用逗号（，）或者用空格符来分隔，且空格个数不限；不同的行用分号（；）分隔。所有元素处于一方括号（[ ]）内；当矩阵是多维（三维以上），且方括号内的元素是维数较低的矩阵时，会有多重的方括号。如： >> Time = [11 12 1 2 3 4 5 6 7 8 9 10] Time = 11 12 1 2 3 4 5 6 7 8 9 10 >> X_Data = [2.32 3.43；4.37 5.98] X_Data = 2.43 3.43 4.37 5.98 >> vect_a = [1 2 3 4 5] vect_a = 1 2 3 4 5 >> Matrix_B = [1 2 3； >> 2 3 4；3 4 5] Matrix_B = 1 2 3 2 3 4 3 4 5 >> Null_M = [ ] %生成一个空矩阵 2．复数矩阵输入 复数矩阵有两种生成方式： 第一种方式 例1-1 >> a=2.7;b=13/25; >> C=[1,2*a+i*b,b*sqrt(a); sin(pi/4),a+5*b,3.5+1] C= 1.0000 5.4000 + 0.5200i 0.8544 0.7071 5.3000 4.5000

矩阵运算基础

MATLAB 矩阵运算基础 2.1 在MA TLAB 中如何建立矩阵?? ?? ??194375，并将其赋予变量a ？ >> a=[5 7 3;4 9 1] 2.2 有几种建立矩阵的方法？各有什么优点？ 可以用四种方法建立矩阵： ①直接输入法，如a=[2 5 7 3]，优点是输入方法方便简捷； ②通过M 文件建立矩阵，该方法适用于建立尺寸较大的矩阵，并且易于修改； ③由函数建立，如y=sin(x)，可以由MATLAB 的内部函数建立一些特殊矩阵； ④通过数据文件建立，该方法可以调用由其他软件产生数据。 2.3 在进行算术运算时，数组运算和矩阵运算各有什么要求？ 进行数组运算的两个数组必须有相同的尺寸。进行矩阵运算的两个矩阵必须满足矩阵运算规则，如矩阵a 与b 相乘（a*b ）时必须满足a 的列数等于b 的行数。 2.4 数组运算和矩阵运算的运算符有什么区别？ 在加、减运算时数组运算与矩阵运算的运算符相同，乘、除和乘方运算时，在矩阵运算的运算符前加一个点即为数组运算，如a*b 为矩阵乘，a.*b 为数组乘。 2.5 计算矩阵??????????897473535与??????????638976242之和。 >> a=[5 3 5;3 7 4;7 9 8]; >> b=[2 4 2;6 7 9;8 3 6]; >> a+b ans = 7 7 7 9 14 13 15 12 14 2.6 求?? ????+-+-+-+-++=i 44i 93i 49i 67i 23i 57i 41i 72i 53i 84x 的共轭转置。 >> x=[4+8i 3+5i 2-7i 1+4i 7-5i;3+2i 7-6i 9+4i 3-9i 4+4i]; >> x’ ans = 4.0000 - 8.0000i 3.0000 - 2.0000i

matlab-GUI矩阵计算器

数学应用软件工具箱开发 ——矩阵计算器 姓名： *** 学号：******** 指导老师： *** 专业：******** 2014年9月11日

一.操作过程 1.准备工作 ①在Matlab的主窗口中，选择File菜单中的New菜单项，再选择其中的GUI 命令，就会显示GUI的设计模板； ②选择GUI模板中的默认的空白模版Blank GUI（Default）就会显示GUI设计窗口，可以开始设计矩阵计算器了。 2.设计过程 ①在GUI界面中加入以下控件： 1>2个文本编辑器(edit text)作为输入矩阵的窗口； 2>16个用以执行运算的按钮（push button）； 3>4个静态文本框（static text），其中一个作为显示计算所得结果的窗口，另外3个分别作为表示所输入的矩阵（A、B）以及用来输入标题（矩阵计算器）； 4>加入3个按钮组（button group）分别圈住： a.1>中的2个控件及3>中的A、B； b.2>中的16个计算按钮； c.3>中的显示计算结果的窗口。 ②分别双击以上25个控件修改其string属性如下： 1>中的改为空白（将原有的“edit text”删掉）； 2>中的改为对应的矩阵运算或文字，如“+”、“/R”、“秩”、“逆”等（见图1）； 3>中的按顺序改为空白、“A”、“B”以及“矩阵计算器”； 4>中的按钮组分别改为“输入区”、“功能区”、“输出区”。 ③对每个控件分别单击右键，选择“view callback”→“callback”→“保存”，在每个控件的函数后加入代码（见附件）。 ④此外，还需要做的小变动有： 1>②中修改string属性时通过修改fontWeight及fontSize把string的字符粗细、字号也一并修改了。 2>分别双击2个文本编辑器(edit text)将其max属性取值为100或更大的值，以使编辑器有滚动条，方便显示输入的维数比较大的矩阵。 3>双击计算结果窗口将其style改为listbox，也用于显示维数比较大的计算结果。

实验二matlab矩阵的初等运算及其答案

百度文库- 让每个人平等地提升自我 实验二 Matlab矩阵的初等运算 实验目的：掌握Matlab的运算方法 实验内容： 2.1 在Matlab命令窗口输入： H1=ones(3,2) H2=zeros(2,3) H3=eye(4) 观察以上各输入结果，并在每式的后面标注其含义。 >> format compact >> H1=ones(3,2),disp('3行2列的全1矩阵') H1 = 1 1 1 1 1 1 3行2列的全1矩阵 >> H2=zeros(2,3),disp('2行3列的全零矩阵') H2 = 0 0 0 0 0 0 2行3列的全零矩阵 >> H3=eye(4),disp('4阶的单位矩阵') H3 = 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 4阶的单位矩阵 2.2 已知 123 456 ?? =?? ?? Q，[] 789 = P， 1 ?? =?? ?? R，3 = S,试把这四个矩阵组合 为一个大矩阵，看看有几种组合方式？8 >> format compact >> Q=[1 2 3;4 5 6];P=[7 8 9];R=[1;0]; S=3; >> [Q,R;P,S] ans = 1 2 3 1 4 5 6 0 7 8 9 3 >> [R,Q;P,S] ans = 1 1 2 3 0 4 5 6 7 8 9 3 >> [Q,R;S,P] ans = 1 2 3 1 4 5 6 0 3 7 8 9 >> [R,Q;S,P] ans = 1 1 2 3 0 4 5 6 3 7 8 9 >> [S,P;R,Q] ans = 3 7 8 9 1 1 2 3 0 4 5 6 >> [S,P;Q,R] ans = 3 7 8 9 1 2 3 1 4 5 6 0 >> [P,S;R,Q] ans = 7 8 9 3 1 1 2 3 0 4 5 6 >> [P,S;Q,R] ans = 7 8 9 3 1 2 3 1 4 5 6 0

matlab实验二_矩阵基本运算

实验二 矩阵基本运算一、实验目的 1．熟悉矩阵和向量的建立方式 2．理解矩阵拆分的方法 3．通过实验进一步掌握矩阵的基本运算 二、实验环境 PC一台、MATLAB7.0绿色版 三、实验说明 1．熟练操作MATLAB7.0运行环境 2．自主编写程序，必要时参考相关资料 3．实验前应写出程序大致框架或完整的程序代码5．实验学时：2学时 四、实验内容和步骤 1．实验内容 2.已知， 求下列表达式的值： 1） A+6B和A2-B+I （I为单位矩阵） A=[-1 5 -4;0 7 8;3 61 7]; B=[8 3 -1;2 5 3;-3 2 0]; I=eye(3); >> A+6*B A^2-B+I

2）A*B，A.*B和B*A A*B A.*B >> B*A 3）A/B和B\A >> A/B >> B\A

4）[A,B]和 [A([1,3]，：);B^2] >> [A,B] >> [A([1,3],:);B^2] 3.已知 ，取出其前三行构成矩阵B，其前两列构成矩阵C，其右下角3×2子矩阵构成矩阵D，B与C的乘积构成矩阵E，分别求E=10&A<25)

>> A=[23 10 -0.778 0;41 -45 65 5;32 5 0 32;6 -9.54 54 3.14]; B=A([1:3],:); C=A(:,[1,2]); D=A(2:4,[3,4]); E=B*C; E