MATLAB(6)矩陣和向量運算
矩陣和向量運算
向量可以看成1xn 矩陣或者nx1矩陣,因此向量的加法數乘等運算和矩陣是一樣的
① 內積運算: 計算向量a和b的內積, (a,b)=b^H*a
S=sum(conj(b).*a) 或者 S=a*b’ 或者 s=dot(b,a)
>> A=[1 2 3;4 5 6;7 8 9]
A =
1 2 3
4 5 6
7 8 9
>> B=[9 8 7;6 5 4;3 2 1]
B =
9 8 7
6 5 4
3 2 1
>> A+B
ans =
10 10 10
10 10 10
10 10 10
>> 3*A
ans =
3 6 9
12 15 18
21 24 27
>> det(A)
ans =
6.6613e-16
>> det(A) %得到矩陣的行列式
ans =
6.6613e-16
>> A
A =
1 8 3
4 5 6
7 8 9
>> det(A) %得到矩陣的行列式
ans =
36.0000
>> %如果矩陣的行列式不為 0 ,則說明 此矩陣是可逆的 ,使用 inv() 得到逆矩陣
>> inv(A)
ans =
-0.0833 -1.3333 0.9167
0.1667 -0.3333 0.1667
-0.0833 1.3333 -0.7500
>> a=[1+5i,2,3+6i,7-2i]
>> b=[2-i,4+3i,3-i,6]
>> %以下方法為 計算向量a和b的內積
>> s=sum(conj(b).*a)
s =
50.0000 +14.0000i
>> s=a*b'
s =
50.0000 +14.0000i
>> s=dot(b,a)
s =
50.0000 +14.0000i
線性方程組的求解
可以使用矩陣求逆的方法求解線性方程組,在一般線性代數中的解決方法類似
例如:
x+2y+3z=5;
x+4y+9z=-2;
x+8y+27z=6;
其係數矩陣為 A=[1 2 3;1 4 9;1 8 27]
其常數向量為 B=[5 -2 6]
其結果可以通過 A的逆 左乘 b 得到,即 s=inv(A)*b;
還可以通過A左除b來得到,即 s=A\b;
相關文章
- Eigen教程(3)之矩陣和向量的運算矩陣
- 向量化實現矩陣運算最佳化(一)矩陣
- Matlab矩陣運算的硬體資源分析Matlab矩陣
- OpenCV矩陣運算OpenCV矩陣
- 3D數學基礎-向量運算基礎和矩陣變換3D矩陣
- Julia的矩陣運算矩陣
- 矩陣的特徵值和特徵向量矩陣特徵
- Numpy中的矩陣運算矩陣
- matlab計算含有未知數的矩陣Matlab矩陣
- 向量和矩陣求導公式總結矩陣求導公式
- spark向量、矩陣型別Spark矩陣型別
- 基向量 變換矩陣矩陣
- 向量和矩陣的座標變換7矩陣
- MATLAB(4)矩陣操作Matlab矩陣
- 矩陣乘法的運算量計算(華為OJ)矩陣
- pytorch基礎七(矩陣運算)PyTorch矩陣
- 矩陣運算與相抵標準型矩陣
- 機器學習中的矩陣向量求導(五) 矩陣對矩陣的求導機器學習矩陣求導
- 卷積運算元的矩陣向量乘積表示&一維離散降質模型卷積矩陣模型
- 機器學習中的矩陣向量求導(四) 矩陣向量求導鏈式法則機器學習矩陣求導
- CUDA版本稀疏矩陣向量乘矩陣
- OpenMP 版本稀疏矩陣向量乘矩陣
- c語言中實現4行3列矩陣和3行4列矩陣的運算C語言矩陣
- Matlab生成隨機矩陣Matlab隨機矩陣
- 科學計算與Matlab筆記:第2章:Matlab矩陣處理Matlab筆記矩陣
- 矩陣計算矩陣
- verilog實現矩陣卷積運算矩陣卷積
- matlab矩陣連線圖解Matlab矩陣圖解
- MATLAB(5) 特殊矩陣的建立Matlab矩陣
- torch中向量、矩陣乘法大總結矩陣
- Spark MLlib 核心基礎:向量 And 矩陣Spark矩陣
- matlab之size:返回矩陣的行數和列數Matlab矩陣
- VIVADO vhdl verilog 實現矩陣運算矩陣
- MKL稀疏矩陣運算示例及函式封裝矩陣函式封裝
- Bert結構手動矩陣運算實現(Transform)矩陣ORM
- C++ 練氣期之二維陣列與矩陣運算C++陣列矩陣
- matlab標量或矩陣比較Matlab矩陣
- 向量和矩陣的座標變換(下標記法)7矩陣