导图社区 MATLAB矩阵
这是一篇关于MATLAB矩阵的思维导图,主要内容包括矩阵和数组的概念及其区别,矩阵,操作矩阵,变换矩阵,元素运算,矩阵运算以及矩阵分解。
这是一篇关于考研高数的思维导图,帮助考生梳理了考试的知识点,形成了清晰的知识体系。同时,通过对每个知识点的详细解释和关联,思维导图也促进了考生对知识的理解和记忆。因此,考生在备考过程中可以充分利用这张思维导图,提高备考效率,取得更好的成绩。
傅里叶分析的思维导图,内容有傅里叶级数(针对周期信号)、傅里叶变换、傅里叶变换的性质、典型函数的傅里叶变换、卷积定理、频率特性,感兴趣的小伙伴快来看。
围绕着交换信息这四个字通信系统可以划分成五部分,信息源,发送设备,信道,噪声源,接收设备,信宿,这五部分很好理解,信息源可以理解为大脑的思想,发送设备可以理解为声带,信道可以理解为传播声音的空气,接收设备可以理解为另一个人的耳朵,信宿可以理解为另外一个人的大脑。
社区模板帮助中心,点此进入>>
论语孔子简单思维导图
《傅雷家书》思维导图
《童年》读书笔记
《茶馆》思维导图
《朝花夕拾》篇目思维导图
《昆虫记》思维导图
《安徒生童话》思维导图
《鲁滨逊漂流记》读书笔记
《这样读书就够了》读书笔记
妈妈必读:一张0-1岁孩子认知发展的精确时间表
MATLAB矩阵
矩阵和数组的概念及其区别
矩阵的概念
数表
代表一种线性变换
感兴趣的同学请在B站查看《线性代数的本质》课程
数组的概念
按序排列的同类数据元素的集合
区别
矩阵是数学上的概念,而数组是计算机程序设计领域的概念
作为一种变换或者映射运算符的体现,矩阵运算有着明显而严格的数学规则;而数组运算是MATLAB软件定义规则,其目的是使数据管理简单,操作方便,命令形式自然,执行计算有效
矩阵是数组的子集
矩阵操作
矩阵的构造
通过对变量直接赋值
采用矩阵构造符号[]
matrixName = [element11,element12,element13;element21,element22,element23]
同行元素之间用空格或逗号隔开,行与行之间用分号隔开
使用构造特殊矩阵的函数
用于专门学科的特殊矩阵
魔方矩阵
范德蒙矩阵
希尔伯特矩阵
伴随矩阵
帕斯卡矩阵
矩阵大小和结构的改变
旋转矩阵
改变矩阵维度
删除矩阵元素
矩阵下标引用
双下标索引和单下标索引
双下标索引
A(2,3)
A矩阵的第2行第3列
单下标索引
列元素优先原则,对矩阵进行重组,成为一维数组
单下标索引值和双下标索引值通过内部函数进行转换
IND = sub2ind(siz, i, j)
将双下标转换为单下标
[I J] = ind2sub(siz, ind)
将单下标转换为双下标
矩阵下标访问单个矩阵元素
矩阵信息的获取
矩阵结构
指矩阵元素的排列方式
矩阵大小
矩阵的维数
n=ndims(X)
矩阵各维(如最长维、用户指定的维)的长度
[m n] = size(X) 获取各维的长度
n = length(X) 获取矩阵最长维的长度
矩阵元素的个数
n = numel(X)
矩阵的数据类型
whos
矩阵的保存和加载
矩阵在MATLAB中的存储方式
按列优先排列,组成一个长列向量
矩阵元素的赋值
A(i,j) = value
删除
A = []
矩阵合并
横向
C = [A B]
纵向
C = [A;B]
矩阵变换
对角阵
diag(A)
若A存在,则提取矩阵A主对角元素,并产生一个列向量,否则则构造对角矩阵
diag(A,k)
若A存在,则提取矩阵A第k条对角元素,并产生一个列向量,否则则构造对角矩阵
三角阵
上三角
triu(A)
triu(A,k)
下三角
tril
矩阵的转置
转置
.'
共轭转置
'
矩阵的旋转
rot90(A,k)
矩阵的翻转
第一列与倒数第一列交换...
fliplr(A)
对矩阵A实行左右翻转
flipud(A)
对矩阵A实行上下翻转
矩阵求逆
AB=E
A = E/B
inv(A)
矩阵元素运算(普通运算)
加减法
乘法
数乘
矩阵与矩阵相乘
除法
幂运算
矩阵元素查找
find(A)
查找矩阵A的非零元素,并返回相应单下标
[row,col]find(A)
查找矩阵A的非零元素,并返回相应双下标
矩阵元素排序
sort(A)
sort(A,dim)
sort(...,mode)
矩阵元素求和
B = sum(A)
矩阵各列求和,返回行向量
B = sum(A,dim)
dim=1时,矩阵各列求和;dim = 2时,矩阵各行求和
B = cumsum(A)
矩阵各行求和,返回列向量
B = cunsum(A,dim)
sum(sum())
矩阵所有元素的和
矩阵元素求积
B = prod(A)
矩阵各列求积,返回行向量
B = prod(A,dim)
dim=1时,矩阵各列求积;dim = 2时,矩阵各行求积
B = cumprod(A)
矩阵各行求积,返回列向量
B = cunprod(A,dim)
prod(prod())
矩阵所有元素的积
矩阵运算
方阵行列式
det(A)
矩阵的秩
rank(A)
矩阵的迹
trace(A)
矩阵的范数
矩阵或向量是用来度量矩阵或向量在某种意义下的长度
norm(V,i)
计算向量V的i范式
矩阵的条件数
矩阵A的条件数等于矩阵A的范数与A的逆矩阵的范数的乘积
条件数越接近1,矩阵的性能越好;反之,性能越差
cond(A,i)
计算i范数条件下的条件数
矩阵的化零矩阵
对于非满秩矩阵A,若存在矩阵B使A ∗ B = 0,且B ∗ B = E,即不等于0,则称矩阵B为矩阵A的化零矩阵
null(A)
矩阵的约化行阶梯形式
R = rref(A)
特征值和特征向量
数学定义
求解
[X D] = eig(A)
A的所有特征值构成对角矩阵D,X各列是相应的特征向量
特征值的几何意义
矩阵所代表的线性变换是一种伸缩变换
矩阵分解
对称正定矩阵的Cholesky分解
[R,p] = chol(X)
当X是正定矩阵时,返回上三角矩阵R 满足X=R'*R,且p = 0
当X不是正定矩阵时,返回上三角矩阵R 其阶数为p-1
一般方阵的高斯消去法分解
将任意一个方阵A分解为一个下三角矩阵L和一个上三角矩阵U的乘积
A = L*U
[L U ]= lu(A)
A为一个方阵,L为下三角矩阵,U为上三角矩阵,满足关系式A = L*U
[L U P ]= lu(A)
A为一个方阵,L为下三角矩阵,U为上三角矩阵,满足关系式P*A = L*U
矩形矩阵的正交分解
又称QR分解,将矩阵A分解为一个正交矩阵Q和一个上三角矩阵R的乘积
A = Q*R
[Q R] = qr(A)
Q为正交矩阵,R为上三角矩阵
舒尔分解
A = U * S * U'
U为酉矩阵,S是一个块对角矩阵
[U S] = schur(A)
稀疏矩阵
矩阵的存储方式
完全存储方式
将所有元素按列存储
稀疏存储方式
只存储矩阵的非零元素的值及其位置,即行号和列号
稀疏矩阵存储方式的产生
A = sparse(S)
将矩阵S转化为稀疏矩阵A
S = full(A)
将矩阵A转化为完全存储方式的矩阵S