matlab下的矩阵运算.docx
《matlab下的矩阵运算.docx》由会员分享,可在线阅读,更多相关《matlab下的矩阵运算.docx(16页珍藏版)》请在冰豆网上搜索。
matlab下的矩阵运算
第二讲矩阵运算
§1基本矩阵运算元
我们在第一讲章已说明过MATLAB的运算是以数组(array)及矩阵(matrix)方式在做运算,而这二者在MATLAB的基本运算性质不同,数组强调元素对元素的运算,而矩阵则采用线性代数的运算方式。
我们就来说明矩阵运算的特点。
以下将数组及矩阵的运算符号及其意义列出
数组运算符号
矩阵运算符号
功能
+
+
加
-
-
减
.*
*
乘
./
/
左除
.\
\
右除
.^
^
次方
.'
'
转置
利用这些运算符号即可进行以下的矩阵运算。
>>A=[251;738;4521;16130];
>>A'%A的转置矩阵
A=
27416
53513
18210
>>A=[4-13];B=[-252];
>>dot_prod=sum(A.*B)%二个数组做内积
dot_prod=
-7
>>c=dot(A,B)%以dot函数也可做内积运算
c=
-7
>>A=[4;-1;3];
>>dot_prod=sum(A'.*B);%如果A是行数组则先做转置,再做内积
>>F=[25-1];G=[01-3];
>>out_prod=F'*G;%二矩阵做外积
>>A=[2,5,1;0,3,-1];
>>B=[1,0,2;-1,4,-2;5,2,1];
>>C=A*B%矩阵相乘,注意二个矩阵的大小须相容
C=
222-5
-810-7
>>A=[21;43];
>>A^2%矩阵次方
ans=
85
2013
下面我们演示一个具体的例子。
假设我们把本地区的天气分为3种状态:
晴,阴,雨。
若今天天阴,则明天天晴的概率为1/2,阴的概率为1/4,下雨的概率为1/4。
如果今天天阴,或者今天下雨,则明天天气是其它情况的概率会是其它的值,将这些概率值列入下面的表中。
天气状态转移概率表
今天
明天
晴
阴
雨
晴
3/4
1/2
1/4
阴
1/8
1/4
1/2
雨
1/8
1/4
1/4
表中的每一列对应于今天天气状态,它的每一行对应于明天天气状态。
例如,第2行第3列(最后一列)的值为1/2,,这给出了今天下雨明天转阴的概率。
将上表内的概率数据用矩阵A表示
矩阵A中概率称为转移概率,矩阵A称为转移矩阵。
已知今天天气晴、阴、雨的概率,可以用转移矩阵A提供的数据来计算明天天气晴、阴、雨的概率。
记
、
、
分别为今天天气是晴、阴、雨的概率,
、
、
分别为明天天气是晴、阴、雨的概率,两个列向量
分别称为今日概率向量和明日概率向量,则有矩阵计算式
以当前状态预测未来状态的概率模型称为Markov链。
如果在清晨我们听到的天气预报为,今天阴或雨的概率都是1/2,那么,今日概率向量
。
利用上式计算明日概率向量的Matlab操作是:
A=[3/41/21/4;1/81/41/2;1/81/41/4];%输入矩阵A
P=[01/21/2]';%输入向量P
P1=(A*P)'
P1=
3/83/81/4
这里,P1就是按行向量的形式输出的结果。
明天天气为晴、阴的概率都是3/8,下雨的概率是1/4。
明日的概率向量可以用前面的Markov链求出,那么两天的概率向量可用公式
给出。
这里需要计算
,我们再用Matlab完成矩阵乘积的计算。
A2=A^2
A2=
21/329/161/2
3/161/49/32
5/323/167/32
用键盘敲入A2=A^2后再按下【Enter】键就得到了结果A2。
从本例可见,Matlab的操作并不复杂,它用于矩阵运算十分方便。
§2线性方程组的求解
由于矩阵的乘法运算一般不具有可交换性,所以AX与XA一般不相同,为求解X,Matlab提供了两种除法运算符:
斜杠“\”和“/”分别表示左除和右除。
左除“\”:
用X=A\B表示AX=B的解;右除“/”:
用X=B/A表示XA=B的解。
例解线性方程组
输入:
A=[21-51;1-30-6;02-12;14-76],b=[89-50]
A=
21-51
1-30-6
02-12
14-76
b=
89-50
方程组的解为
X=(A\b')'
X=
3.0000-4.0000-1.00001.0000
§3多项式与矩阵多项式
一、多项式行向量的创建方法
在MATLAB里,多项式由一个行向量表示,它的系数是按降序排列。
例如,输入多项式x4-12x3+0x2+25x+116
>>p=[1-12025116]
p=
1-12025116
注意,必须包括具有零系数的项。
除非特别地辨认,MATLAB无法知道哪一项为零。
给出这种形式,用函数roots找出一个多项式的根。
?
>>r=roots(p)
r=
11.7473
2.7028
-1.2251+1.4672i
-1.2251-1.4672i
因为在MATLAB中,无论是一个多项式,还是它的根,都是向量,MATLAB按惯例规定,多项式是行向量,根是列向量。
给出一个多项式的根,也可以构造相应的多项式。
在MATLAB中,命令poly执行这个任务。
>>pp=poly(r)
pp=
1.0e+002*
Columns1through4
0.0100-0.12000.00000.2500
Column5
1.1600+0.0000i
>>pp=real(pp)%throwawayspuriousimaginarypart
pp=
1.0000-12.00000.000025.0000116.0000
因为MATLAB无隙地处理复数,当用根重组多项式时,如果一些根有虚部,由于截断误差,则poly的结果有一些小的虚部,这是很普通的。
消除虚假的虚部,如上所示,只要使用函数real抽取实部。
二、多项式乘法
函数conv支持多项式乘法(执行两个数组的卷积)。
考虑两个多项式a(x)=x3+2x2+3x+4和b(x)=x3+4x2+9x+16的乘积:
>>a=[1234];b=[14916];
>>c=conv(a,b)
c=
162050758464
结果是c(x)=x6+6x5+20x4+50x3+75x2+84x+64。
两个以上的多项式的乘法需要重复使用conv。
三、多项式加法
对多项式加法,MATLAB不提供一个直接的函数。
如果两个多项式向量大小相同,标准的数组加法有效。
把多项式a(x)与上面给出的b(x)相加。
>>d=a+b
d=
261220
结果是d(x)=2x3+6x2+12x+20。
当两个多项式阶次不同,低阶的多项式必须用首零填补,使其与高阶多项式有同样的阶次。
考虑上面多项式c和d相加:
>>e=c+[000d]
e=
162052819684
结果是e(x)=x6+6x5+20x4+52x3+81x2+96x+84。
要求首零而不是尾零,是因为相关的系数象x幂次一样,必须整齐。
如果需要,可用一个文件编辑器创建一个函数M文件来执行一般的多项式加法。
:
functionp=mmpadd(a,b)
%MMPADDPolynomialaddition.
%MMPADD(A,B)addsthepolynomialAandB
%Copyright(c)1996byPrenticeHall,Inc.
ifnargin<2
error('Notenoughinputarguments')
end
a=a(:
).';%makesureinputsarepolynomialrowvectors
b=b(:
).';
na=length(a);%findlengthsofaandb
nb=length(b);
p=[zeros(1,nb-na)a]+[zeros(1,na-nb)b];%addzerosasnecessary
现在,为了阐述mmpadd的使用,再考虑前一页的例子。
>>f=mmpadd(c,d)
f=
162052819684
它与上面的e相同。
当然,mmpadd也用于减法。
>>g=mmpadd(c,-d)
g=
162048697244
结果是g(x)=x6+6x5+20x4+48x3+69x2+72x+44。
四、多项式除法
在一些特殊情况,一个多项式需要除以另一个多项式。
在MATLAB中,这由函数deconv完成。
用上面的多项式b和c
>>[q,r]=deconv(c,b)
q=
1234
r=
0000000
这个结果是b被c除,给出商多项式q和余数r,在现在情况下r是零,因为b和q的乘积恰好是c。
五、多项式导数
由于一个多项式的导数表示简单,MATLAB为多项式求导提供了函数polyder。
>>g
g=
162048697244
>>h=polyder(g)
h=
6308014413872
六、多项式估值
根据多项式系数的行向量,可对多项式进行加,减,乘,除和求导,也应该能对它们进行估值。
在MATLAB中,这由函数polyval来完成。
>>x=linspace(-1,3);%choose100datapointsbetween-1and3.
>>p=[14-7-10];%usespolynomialp(x)=x3+4x2-7x-10
>>v=polyval(p,x);
计算x值上的p(x),把结果存在v里。
然后用函数plot绘出结果。
>>plot(x,v),title('x^3+4x^2-7x-10'),xlabel('x')
多项式估值
七、有理多项式
在许多应用中,例如富里哀(Fourier),拉普拉斯(Laplace)和Z变换,出现有理多项式或两个多项式之比。
在MATLAB中,有理多项式由它们的分子多项式和分母多项式表示。
对有理多项式进行运算的两个函数是residue和polyder。
函数residue执行部分分式展开。
>>num=10*[12];%numeratorpolynomial
>>den=poly([-1;-3;-4]);%denominatorpolynomial
>>[res,poles,k]=residue(num,den)
res=
-6.6667
5.0000
1.6667
poles=
-4.0000
-3.0000
-1.0000
k=
[]
结果是余数、极点和部分分式展开的常数项。
上面的结果说明了该问题:
这个函数也执行逆运算。
>>[n,d]=residue(res,poles,k)
n=
0.000010.000020.0000
d=
1.00008.000019.000012.0000
>>roots(d)
ans=
-4.0000
-3.0000
-1.0000
在截断误差内,这与我们开始时的分子和分母多项式一致。
residue也能处理重极点的情况,尽管这里没有考虑。
正如前面所述,函数polyder,对多项式求导。
除此之外,如果给出两个输入,则它对有理多项式求导。
>>[b,a]=polyder(num,den)
b=
-20-140-320-260
a=
116102328553456144
该结果证实:
八、小结
下列表格概括了在本讲所讨论的多项式操作特性。
多项式函数
conv(a,b)
乘法
[q,r]=deconv(a,b)
除法
poly(r)
用根构造多项式
polyder(a)
对多项式或有理多项式求导
polyfit(x,y,n)
多项式数据拟合
polyval(p,x)
计算x点中多项式值
[r,p,k]=residue(a,b)
部分分式展开式
[a,b]=residue(r,p,k)
部分分式组合
roots(a)
求多项式的根
九、多项式函数
函数polyvalm是以矩阵方式做多项式函数计算,有别于polyval是以数组方式计算函数值。
它的语法为polyvalm(a,X),其中X为一矩阵而a则是一多项式。
以下的例子可说明其用法。
>>X=[111;222;333];
>>a=[111];%注意a=X*X+X+I
>>f=polyvalm(a,X)
f=
877
141514
212122
§4矩阵函数
矩阵函数按其用法大致可分为矩阵构造函数、矩阵计算函数和矩阵操作函数,其指令名及功能见以下列表:
(矩阵计算函数见下讲)
矩阵构造函数
指令
功能
指令
功能
eye
产生单位矩阵
tril
产生下三角阵
ones
产生全1矩阵
rand
产生均匀分布随机阵
zeros
产生全0矩阵
randn
产生正态分布随机阵
diag
产生对角形数组
hilb
产生Hilbert矩阵
triu
产生上三角阵
magic
产生魔方矩阵
例部分函数演示
A=hilb(3)
A=
1.00000.50000.3333
0.50000.33330.2500
0.33330.25000.2000
diag(A)
ans=
1.0000
0.3333
0.2000
tril(A)
ans=
1.000000
0.50000.33330
●0.33330.25000.2000
矩阵操作函数
指令
功能
指令
功能
reshape
改变矩阵阶数
flipud
矩阵作上下翻转
repmat
按指定的行列数复制矩阵
fliplr
矩阵作左右翻转
rot90
逆时针旋转矩阵90°
例部分函数功能演示
h=1:
6,H=reshape(h,2,3)
h=
123456
H=
135
246
H1=reshape(H,3,2)
H1=
14
25
36
G=repmat(h,2,2)
G=
123456123456
123456123456
fliplr(H)
ans=
531
642
>>rot90(H)
ans=
56
34
12