matlab语言基础2.1.ppt

1、矩阵生成不但可以使用纯数字（含复数），也可以使用变量（或者说采用一个表达式）。矩阵的元素直接排列在方括号内，行与行之间用分号隔开，每行内的元素使用空格或逗号隔开。大的矩阵可以用分行输入，回车键代表分号。,y=2,4, 5 3 6 8 y= 2 4 5 3 6 8,一、矩阵的输入,第二节 MATLAB矩阵运算及多项式处理,a=1; b=2; c=3; x=5 b c; a*b a+c c/b x= 5.000 2.000 3.000 2.000 4.000 1.500,1、在命令窗口中输入,exp2_1,（1）用线性等间距生成向量矩阵（start:step:end） a=1:2:10 a= 1

2、3 5 7 9,其中start为起始值，step为步长，end为终止值。当步长为1时可省略step参数；另外step也可以取负数。,2、语句生成,（2）a=linspace(n1,n2,n) 在线性空间上，行矢量的值从n1到n2，数据个数为n，缺省n为100。 a=linspace(1,10,10) a= 1 2 3 4 5 6 7 8 9 10,（4）一些常用的特殊矩阵 单位矩阵：eye(m,n); eye(m) 零矩阵：zeros(m,n); zeros(m) 一矩阵：ones(m,n); ones(m) 对角矩阵：对角元素向量 V=a1,a2,an A=diag(V) 随机矩阵：rand

3、(m,n)产生一个mn的均匀分别的随机矩阵,（3）a=logspace(n1,n2,n) 在对数空间上，行矢量的值从10n1到10n2，数据个数为n，缺省n为50。这个指令为建立对数频域轴坐标提供了方便。 a=logspace(1,3,3) a=10 100 1000,eye(2,3) ans= 1 0 0 0 1 0 zeros(2,3) ans= 0 0 0 0 0 0 ones(2,3) ans= 1 1 1 1 1 1 V=5 7 2; A=diag(V) A= 5 0 0 0 7 0 0 0 2,eye(2) ans= 1 0 0 1 zeros(2) ans= 0 0 0 0 on

4、es(2) ans= 1 1 1 1,如果已知A为方阵，则V=diag(A)可以提取A的对角元素构成向量V。,1、转置：对于实矩阵用（）符号或（.）求转置结果是一样的；然而对于含复数的矩阵，则（）将同时对复数进行共轭处理，而 （.）则只是将其排列形式进行转置。,a=1 2 3;4 5 6 a = 1 4 2 5 3 6,a=1 2 3;4 5 6. a = 1 4 2 5 3 6,b=1+2i 2-7i b = 1.0000 - 2.0000i 2.0000 + 7.0000i b=1+2i 2-7i. b = 1.0000 + 2.0000i 2.0000 - 7.0000i,二、矩阵的运算

5、,+ ；- ；* ；和/ ；.* ；. ；./；. 如：a=1 2;3 4；b= 3 5; 5 9 c=a+b d=a-b c= d= 4 7 -2 -3 8 13 -2 -5 a*b=13 23; 29 51 a/b=-0.50 0.50;3.50 1.50 ab=-1 -1;2 3 a3=37 54; 81 118 a.*b=3 10;15 36 a./b=0.33 0.40;0.60 0.44 a.b=3.00 2.50;1.67 2.25 a.3= 1 8; 27 64,2、四则运算与幂运算,只有维数相同的矩阵才能进行加减运算。 注意只有当两个矩阵中前一个矩阵的列数和后一个矩阵的行数相

6、同时，才可以进行乘法运算。ab运算等效于求a*x=b的解；而a/b等效于求x*b=a的解。只有方阵才可以求幂。 点运算是两个维数相同矩阵对应元素之间的运算，在有的教材中也定义为数组运算。,3、逆矩阵与行列式计算 求逆：inv(A)； 求行列式：det(A) 要求矩阵必须为方阵,4、了解矩阵超越函数 在MATLAB中exp、sqrt等命令也可以作用到矩阵上，但这种运算是定义在矩阵的单个元素上的，即分别对矩阵的每一个元素进行计算。 超越数学函数可以在函数后加上m而成为矩阵的超越函数，例如：expm,sqrtm。矩阵的超越函数要求运算矩阵为方阵。,a=1 2 3; 4 5 6; 2 3 5; b=i

7、nv(a) b = -2.3333 0.3333 1.0000 2.6667 0.3333 -2.0000 -0.6667 -0.3333 1.0000 det(a) ans = -3,A(m,n)：提取第m行，第n列元素 A(:,n)：提取第n列元素 A(m,:)：提取第m行元素 A(m1:m2,n1:n2)：提取第m1行到第m2行和第n1列到 第n2列的所有元素（提取子块）。 A(:)：得到一个长列矢量，该矢量的元素按矩阵的列进行排列。 矩阵扩展：如果在原矩阵中一个不存在的地址位置上设定一个数（赋值），则该矩阵会自动扩展行列数，并在该位置上添加这个数，而且在其他没有指定的位置补零。 消除子

8、块：如果将矩阵的子块赋值为空矩阵 ，则相当于消除了相应的矩阵子块。,三、矩阵的操作,1、矩阵下标 MATLAB通过确认矩阵下标，可以对矩阵进行插入子块，提取子块和重排子块的操作。,2、矩阵的大小 m,n=size(A,x)：返回矩阵的行列数m与n，当x=1，则只返回行数m，当x=2，则只返回列数n。 length(A)=max(size(A)：返回行数或列数的最大值。 rank(A)：求矩阵的秩,a=1 2 3;3 4 5; m,n=size(a) m = 2 n = 3,3、了解矩阵操作函数：flipud；fliplr；rot90,length(a) ans = 3 max(size(a)

9、ans = 3,rank(a) ans = 2,在MATLAB中，多项式使用降幂系数的行向量表示，如：多项式,p=poly(r) p = 1 -12 -0 25 116,四、多项式处理,（1）多项式的建立与表示方法,r=roots(p) r = 11.7473 2.7028 -1.2251 + 1.4672i -1.2251 - 1.4672i,表示为：p=1 -12 0 25 116，使用函数roots可以求出多项式等于0的根，根用列向量表示。若已知多项式等于0的根，函数poly可以求出相应多项式。,（2）多项式的运算,相乘conv a=1 2 3 ; b=1 2 c=conv(a,b)=1

10、 4 7 6 conv指令可以嵌套使用，如conv(conv(a,b),c) 相除deconv q,r=deconv(c,b) q=1 2 3 商多项式 r=0 0 0 余多项式 求多项式的微分多项式polyder polyder(a)=2 2 求多项式函数值polyval(p,n)：将值n代入多项式求解。polyval(a,2)=11,（3）*多项式的拟合 多项式拟合又称为曲线拟合，其目的就是在众多的样本点中进行拟合，找出满足样本点分布的多项式。这在分析实验数据，将实验数据做解析描述时非常有用。 命令格式：p=polyfit(x,y,n)，其中x和y为样本点向量，n为所求多项式的阶数，p为求

11、出的多项式。 例exp2_15.m （4）*多项式插值 多项式插值是指根据给定的有限个样本点，产生另外的估计点以达到数据更为平滑的效果。该技巧在信号处理与图像处理上应用广泛。,所用指令有一维的interp1、二维的interp2、三维的interp3。这些指令分别有不同的方法（method），设计者可以根据需要选择适当的方法，以满足系统属性的要求。Help polyfun可以得到更详细的内容。 y=interp1(xs,ys,x,method) 在有限样本点向量xs与ys中，插值产生向量x和y，所用方法定义在method中，有4种选择： nearest：执行速度最快，输出结果为直角转折 lin

12、ear：默认值，在样本点上斜率变化很大 spline：最花时间，但输出结果也最平滑 cubic：最占内存，输出结果与spline差不多 例exp2_16.m,五*、MATLAB数据处理 1、矩阵分解 （1）奇异值分解 U,S,V=svd(A) 例：a = 9 8 6 8 可以验证： u*u=I v*v=I u*s*v=a,求矩阵A的奇异值及分解矩阵，满足U*S*V=A，其中U、V矩阵为正交矩阵（U*U=I），S矩阵为对角矩阵，它的对角元素即A矩阵的奇异值。,u,s,v=svd(a) u = 0.7705 -0.6375 0.6375 0.7705 s = 15.5765 0 0 1.5408

13、v = 0.6907 -0.7231 0.7231 0.6907,（2）特征值分解 V,D=eig(A) 例： a = 9 8 6 8 v,d=eig(a) v = 0.7787 -0.7320 0.6274 0.6813 d = 15.4462 0 0 1.5538,求矩阵A的特征向量V及特征值D，满足A*V=V*D。其中D的对角线元素为特征值，V的列为对应的特征向量。如果D=eig(A)则只返回特征值。,可以验证：A*V=V*D,（3）正交分解 Q,R=qr(A) 例： a = 9 8 6 8 q,r=qr(a) q = -0.8321 -0.5547 -0.5547 0.8321 r =

14、 -10.8167 -11.0940 0 2.2188,将矩阵A做正交化分解，使得Q*R=A，其中Q为正交矩阵（其范数为1，指令norm(Q)=1)，R为对角化的上三角矩阵。,norm(q) ans = 1,q*r ans = 9.0000 8.0000 6.0000 8.0000,（4）三角分解 L,U=lu(A) 将A做对角线分解，使得A=L*U,其中L为下三角矩阵，U为上三角矩阵。 注意：L实际上是一个“心理上”的下三角矩阵，它事实上是一个置换矩阵P的逆矩阵与一个真正下三角矩阵L1（其对角线元素为1）的乘积。 L1,U1,P=lu(A) 例：a=1 2 3;4 5 6;7 8 9 比较： l1,u1,p=lu(a) l,u=lu(a),l1 = 1.00 0 0 0.14 1.00 0 0.57 0.50 1.00 u1 = 7.00 8.00 9.00 0 0.86 1.71 0 0 0.00 p = 0 0 1 1 0 0 0 1 0,l = 0.14 1.00 0 0.57 0.50 1.00 1.00 0 0 u = 7.00 8.00 9.00 0 0.86 1.71 0 0 0.00,可以验证： u1=u，inv(p)*l1=l a=l*u p*a=l1*u1,2*、数据分析 （1）绘制函数图形