发布时间 : 星期五 文章matlab矩阵的表示和简单操作更新完毕开始阅读
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tril(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：ABA=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_r(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。 sparse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max(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。