线性代数中经常出现计算矩阵的行列式值、求矩阵的秩以及特征值等运算。矩阵的分解是矩阵和数据分析的基础。
基本的矩阵函数
函数名称 | 功能和定义 |
cond(A) | 求矩阵A的条件数 |
det(A) | 求矩阵A的行列式值 |
dot(A,B) | 求矩阵A和B的点积 |
eig(A) | 求矩阵A的特征值和特征向量 |
norm(A,1) | 求矩阵A的1范数 |
norm(A)或norm(A,2) | 求矩阵A的2范数 |
norm(A,inf) | 求矩阵A的无穷范数 |
norm(A,'fro') | 求矩阵A的F范数 |
rank(A) | 求矩阵A的秩 |
rcond(A) | 求矩阵A的倒条件数 |
svd(A) | 求矩阵A的奇异值分解 |
trace(A) | 求矩阵A的迹 |
expm(A) | 用特征值和特征向量法求矩阵A的指数 |
logm(A) | 求矩阵A的对数 |
sqrtm(A) | 求矩阵A的平方根 |
注:logm(A)和sqrtm(A)计算矩阵的对数和平方根是指对矩阵A中的每个元素求对数和平方根。
只有方阵才可以计算行列式的值,即det(A)的计算只有在A未方阵时才有意义。
矩阵的分解函数
函数名称 | 功能和定义 |
cdf2rdf(V,D) | 将复数对角形式转化成实数块对角形式 |
chol(A) | 将矩阵A作cholesky分解 |
eig(A) | 对矩阵A做特征值分解 |
hess(A) | 矩阵A的hessenberg形式 |
lu(A) | 对矩阵做LU分解 |
null(A) | 由奇异值分解得出的矩阵A的零空间的标准正交基 |
orth(A) | 矩阵A的行向量的标准正交基 |
pinv(A) | 求矩阵A的广义逆 |
qr(A) | 对矩阵A进行QR正三角分解 |
qz(A) | 对矩阵A进行QZ分解,用于广义特征值 |
rref(A) | 将矩阵A转化为逐行递减的阶梯阵 |
rsf2csf(V,D) | 将实数块对角形式转化为复数对角形式 |
schur(A) | 矩阵A的schur分解 |
subspace | 计算由A、\B张成的子空间夹角 |
svd(A) | 对方阵A求奇异值分解 |