37、matlab矩阵运算

1、前言

矩阵运算是指对矩阵的各种操作和运算,包括矩阵加法、矩阵减法、矩阵乘法、矩阵转置、求逆矩阵等。以下是常见的矩阵运算:

  1. 矩阵加法:对应位置的元素相加,要求加数和被加数的维度相同。

    A + B = | a11 b11 | + | a12 b12 | | a21 b21 | | a22 b22 |

  2. 矩阵减法:对应位置的元素相减,要求减数和被减数的维度相同。

    A - B = | a11 b11 | - | a12 b12 | | a21 b21 | | a22 b22 |

  3. 矩阵乘法:按照行乘列的方式计算,要求左矩阵的列数等于右矩阵的行数。

    AB = A的行 * B的列

  4. 矩阵转置:将矩阵的行与列进行交换,即将A的第i行第j列元素变为转置矩阵A^T的第j行第i列元素。

    对于矩阵A,A^T表示其转置矩阵。

  5. 矩阵求逆:对于方阵,如果其行列式不为0,则可以求其逆矩阵A^-1。

    如果A是一个可逆矩阵,那么AA^-1 = A^-1A = I,其中I是单位矩阵。

矩阵运算在线性代数、数值分析、工程计算等领域有广泛的应用。例如,在解线性方程组、特征值问题、最小二乘拟合、图像处理等方面都需要用到矩阵运算。熟练掌握矩阵运算的规则和性质对于理解和应用数学模型非常重要。

2、transpose, .' 转置向量或矩阵

语法

B = A.' 返回 A 的非共轭转置,即每个元素的行和列索引都会互换。

B = transpose(A) 是执行 A.' 的另一种方式,它可以为类启用运算符重载。

1)实矩阵转置

代码及运算

Matlab 复制代码
A = magic(5)
B = A.'

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


B =

    17    23     4    10    11
    24     5     6    12    18
     1     7    13    19    25
     8    14    20    21     2
    15    16    22     3     9

2)复矩阵转置

代码及运算

Matlab 复制代码
A = [1 3 4-1i 2+2i; 0+1i 1-1i 5 6-1i]
B = A.'

A =

   1.0000 + 0.0000i   3.0000 + 0.0000i   4.0000 - 1.0000i   2.0000 + 2.0000i
   0.0000 + 1.0000i   1.0000 - 1.0000i   5.0000 + 0.0000i   6.0000 - 1.0000i


B =

   1.0000 + 0.0000i   0.0000 + 1.0000i
   3.0000 + 0.0000i   1.0000 - 1.0000i
   4.0000 - 1.0000i   5.0000 + 0.0000i
   2.0000 + 2.0000i   6.0000 - 1.0000i

3、 ctranspose, ' 复共轭转置

语法

B = A' 计算 A 的复共轭转置。

B = ctranspose(A) 是执行 A' 的替代方法

1)实矩阵的共轭转置

代码及运算

Matlab 复制代码
A = [2 1; 9 7; 2 8; 3 5]
B = A'

A =

     2     1
     9     7
     2     8
     3     5


B =

     2     9     2     3
     1     7     8     5

2) 复矩阵的共轭转置

代码及运算

Matlab 复制代码
A = [0-1i 2+1i;4+2i 0-2i]
B = A'

A =

   0.0000 - 1.0000i   2.0000 + 1.0000i
   4.0000 + 2.0000i   0.0000 - 2.0000i


B =

   0.0000 + 1.0000i   4.0000 - 2.0000i
   2.0000 - 1.0000i   0.0000 + 2.0000i

4、 mtimes, * 矩阵乘法

语法

C = A*B 是 A 和 B 的矩阵乘积。

C = mtimes(A,B) 是执行 A*B 这一操作的替代方法

1)将两个向量相乘

代码及运算

Matlab 复制代码
A = [1 1 0 0];
B = [1; 2; 3; 4];
C1 = A*B
C2 = B*A

C1 =

     3


C2 =

     1     1     0     0
     2     2     0     0
     3     3     0     0
     4     4     0     0

2)将两个数组相乘

代码及运算

Matlab 复制代码
A = [1 3 5; 2 4 7];
B = [-5 8 11; 3 9 21; 4 0 8];
C = A*B

C =

    24    35   114
    30    52   162

5、 mpower, ^ 矩阵幂

语法

C = A^B 计算 A 的 B 次幂并将结果返回给 C。

C = mpower(A,B) 是执行 A^B 的替代方法,但很少使用。

1)方阵幂运算

代码及运算

Matlab 复制代码
A = [1 2; 3 4];
C = A^2

C =

     7    10
    15    22

2)矩阵指数

代码及运算

Matlab 复制代码
 B = [0 1; 1 0];
C = 2^B

C =

    1.2500    0.7500
    0.7500    1.2500

6、 sqrtm 矩阵平方根

语法

X = sqrtm(A) 返回矩阵 A 的主要平方根(即 X*X = A)。

[X,residual] = sqrtm(A) 还会返回残差 residual = norm(A-X^2,1)/norm(A,1)

[X,alpha,condx] = sqrtm(A) 以 1-范数形式返回稳定因子 alpha 和 X 的矩阵平方根条件数的估计值,即 condx。

1)差分算子的矩阵平方根

代码及运算

Matlab 复制代码
A = [5 -4 1 0 0; -4 6 -4 1 0; 1 -4 6 -4 1; 0 1 -4 6 -4; 0 0 1 -4 6]
X = sqrtm(A)

A =

     5    -4     1     0     0
    -4     6    -4     1     0
     1    -4     6    -4     1
     0     1    -4     6    -4
     0     0     1    -4     6


X =

    2.0015   -0.9971    0.0042    0.0046    0.0032
   -0.9971    2.0062   -0.9904    0.0118    0.0094
    0.0042   -0.9904    2.0171   -0.9746    0.0263
    0.0046    0.0118   -0.9746    2.0503   -0.9200
    0.0032    0.0094    0.0263   -0.9200    2.2700

2)具有多个平方根的矩阵

代码及运算

Matlab 复制代码
 A = [7 10; 15 22];
Y1 = [1.5667 1.7408; 2.6112 4.1779];
A - Y1*Y1
Y2 = [1 2; 3 4];
A - Y2*Y2
Y = sqrtm(A)

ans =

   1.0e-03 *

   -0.1258   -0.1997
   -0.2995   -0.4254


ans =

     0     0
     0     0


Y =

    1.5667    1.7408
    2.6112    4.1779

7、expm 矩阵指数

语法

Y = expm(X) 计算 X 的矩阵指数。

1)指数运算

代码及运算

Matlab 复制代码
A = [1 1 0; 0 0 2; 0 0 -1];
expm(A)

ans =

    2.7183    1.7183    1.0862
         0    1.0000    1.2642
         0         0    0.3679

8、 logm 矩阵对数

语法

L = logm(A) 是 A 的主矩阵对数,即 expm(A) 的倒数。

1)矩阵对数

代码及运算

Matlab 复制代码
 A = [1 1 0; 0 0 2; 0 0 -1];
P = logm(Y)

P =

   -0.3504    0.9294
    1.3940    1.0436

9、cross 叉积

语法

C = cross(A,B) 返回 A 和 B 的叉积。

C = cross(A,B,dim) 计算数组 A 和 B 沿维度 dim 的叉积。

1)向量的叉积

代码及运算

Matlab 复制代码
A = [4 -2 1];
B = [1 -1 3];
C = cross(A,B)

C =

    -5   -11    -2

2)矩阵的叉积

代码及运算

Matlab 复制代码
A = randi(15,3,5)
B = randi(25,3,5)
C = cross(A,B)

A =

    13    15     6     3    10
    11     1    12     8    11
     5     7    12     7    12


B =

     7     5    24     6    13
    17     3     9    19    18
    17    13    15     7    23


C =

   102    -8    72   -77    37
  -186  -160   198    21   -74
   144    40  -234     9    37

10、 dot 点积

语法

C = dot(A,B) 返回 A 和 B 的标量点积。

C = dot(A,B,dim) 计算 A 和 B 沿维度 dim 的点积。

1)实数向量的点积

代码及运算

Matlab 复制代码
A = [4 -1 2];
B = [2 -2 -1];
C = dot(A,B)

C =

     8

2)复数向量的点积

代码及运算

Matlab 复制代码
A = [1+i 1-i -1+i -1-i];
B = [3-4i 6-2i 1+2i 4+3i];
C = dot(A,B)
D = dot(A,A)

C =

   1.0000 - 5.0000i


D =

     8

3)矩阵的点积

代码及运算

Matlab 复制代码
 A = [1 2 3;4 5 6;7 8 9];
B = [9 8 7;6 5 4;3 2 1];
C = dot(A,B)

C =

    54    57    54

4)多维数组的点积

代码及运算

Matlab 复制代码
A = cat(3,[1 1;1 1],[2 3;4 5],[6 7;8 9])
B= cat(3,[2 2;2 2],[10 11;12 13],[14 15; 16 17])
C = dot(A,B,3)

A(:,:,1) =

     1     1
     1     1


A(:,:,2) =

     2     3
     4     5


A(:,:,3) =

     6     7
     8     9


B(:,:,1) =

     2     2
     2     2


B(:,:,2) =

    10    11
    12    13


B(:,:,3) =

    14    15
    16    17


C =

   106   140
   178   220
相关推荐
算法金「全网同名」6 小时前
算法金 | 时间序列预测真的需要深度学习模型吗?是的,我需要。不,你不需要?
深度学习·机器学习·数据分析
B站计算机毕业设计超人6 小时前
计算机毕业设计Python深度学习美食推荐系统 美食可视化 美食数据分析大屏 美食爬虫 美团爬虫 机器学习 大数据毕业设计 Django Vue.js
大数据·python·深度学习·机器学习·数据分析·课程设计·推荐算法
夕小瑶6 小时前
守口如瓶,OpenAI刻意隐瞒的黑客攻击事件时隔一年被证实
人工智能·深度学习·机器学习·自然语言处理
硕风和炜7 小时前
【LeetCode:3033. 修改矩阵 + 模拟】
java·算法·leetcode·矩阵·模拟
WoShop商城源码7 小时前
视频号矩阵源码:构建短视频生态的基石
线性代数·矩阵
龙的爹23337 小时前
论文 | Measuring and Narrowing the Compositionality Gap in Language Models
人工智能·深度学习·机器学习
Bunny_Ben8 小时前
理解机器学习中的潜在空间(Understanding Latent Space in Machine Learning)
人工智能·笔记·深度学习·神经网络·机器学习
当年拼却醉颜红8 小时前
力扣爆刷第161天之TOP100五连刷71-75(搜索二叉树、二维矩阵、路径总和)
算法·leetcode·矩阵
4.0啊8 小时前
Python前沿技术:机器学习与人工智能
人工智能·python·机器学习
破晓的历程9 小时前
【机器学习】机器学习的重要方法——线性回归算法深度探索与未来展望
算法·机器学习·线性回归