Matlab怎样计算矩阵
按MODE,6,进入矩阵计算模式；
首先是创建一个新矩阵：（刚进模式的时候会自动提示，也可以按SHIFT,4,1自己创建)
选择矩阵A,B,C中的一个，再选大小（有两页）；
其次是矩阵编辑界面，输入表达式，按[=] 可以编辑矩阵内容。按AC退出。
按SHIFT,4,2 可以选择矩阵并编辑；
然后是计算；
请退出编辑界面。按SHIFT,4可以选择矩阵了，3-5分别对应A-C。可以加减乘，平方之类的；
结果会保留在MatAns中（SHIFT,4,6,=打开）。
扩展资料：
矩阵的分解
矩阵分解是将一个矩阵分解为比较简单的或具有某种特性的若干矩阵的和或乘积 [15] ，矩阵的分解法一般有三角分解、谱分解、奇异值分解、满秩分解等。
三角分解
设 ,则A可以唯一地分解为A=U1R ,其中U1是酉矩阵，R是正线上三角复矩阵，或A可以唯一地分解为其中L是正线上三角复矩阵，是酉矩阵 。
谱分解
谱分解（Spectral decomposition）是将矩阵分解为由其特征值和特征向量表示的矩阵之积的方法。需要注意只有对可对角化矩阵才可以施以特征分解 。
奇异值分解
假设M是一个m×n阶矩阵，其中的元素全部属于域K，也就是实数域或复数域。如此则存在一个分解使得其中U是m×m阶酉矩阵；Σ是m×n阶实数对角矩阵；而V*，即V的共轭转置，是n×n阶酉矩阵。这样的分解就称作M的奇异值分解 [19] 。Σ对角线上的元素Σi,i即为M的奇异值。常见的做法是将奇异值由大而小排列。如此Σ便能由M唯一确定了。
满秩分解设 ，若存在矩阵 及 ，使得A=FG，则称其为的A一个满秩分解 。
LUP分解LUP分解的思想就是找出三个n×n矩阵L,U,P，满足 . 其中L是一个单位下三角矩阵，U是一个单位上三角矩阵，P是一个置换矩阵。 而满足分解条件的矩阵L,U,P称为矩阵A的一个LUP分解 。
参考资料：百度百科：矩阵
绛旓細鍏蜂綋姝ラ鍒嗘瀽濡備笅锛1銆佺涓姝ユ垜浠鍏堥渶瑕佺煡閬璁＄畻鐭╅樀鐨勭壒寰佸煎拰鐗瑰緛鍚戦噺瑕佺敤eig鍑芥暟锛屽彲浠ュ湪鍛戒护琛岀獥鍙ｄ腑杈撳叆help eig锛屾煡鐪嬩竴涓媏ig鍑芥暟鐨勭敤娉曪紝濡備笅鍥炬墍绀猴細2銆佺浜屾鍦ㄥ懡浠よ绐楀彛涓緭鍏=[1 2 3;2 4 5;7 8 9]锛屾寜鍥炶溅閿箣鍚庯紝杈撳叆[x,y]=eig(a)锛屽涓嬪浘鎵绀猴細3銆佺涓夋鎸夊洖杞﹂敭涔嬪悗...
绛旓細鍦matlab涓庝箞鐢╯imulink妯″潡璁＄畻鐭╅樀 10 鎴戠殑鍏ㄩ儴闂鏄:{(P*IW+b1)*tansig*LW+b2}*purelin=T鍏朵腑P鏄姹傝緭鍏ョ殑涓浣嶇煩闃,IWb1LWb2鏄缁寸煩闃,tansig鍜宲urelin鏄紶閫掑嚱鏁般傜幇鍦ㄦ垜鎯崇敤simulink妯″潡鏉ュ疄鐜颁笂闈㈢殑杩愮畻,P鍜孴... 鎴戠殑鍏ㄩ儴闂鏄: {(P*IW +b1 )*tansig*LW+b2}*purelin=T鍏朵腑P鏄姹傝緭鍏ョ殑涓...
绛旓細鍦matlab涓锛屽彲浠ョ敤eig鍑芥暟璁＄畻鐭╅樀鐨勭壒寰佸煎拰鐗瑰緛鍚戦噺銆備妇渚嬪涓嬶細>>a=[1,2,3;4,5,6;7,8,9]%鍘熷鏁版嵁鐭╅樀a=123456789>>[V,D]=eig(a)%鐗瑰緛鍊煎垎瑙ｏ紝鍏朵腑V鐨勬瘡涓鍒楄〃绀虹煩闃礱鐨勪竴涓壒寰佸悜閲忥紝D鏄竴涓瑙掔煩闃碉紝瀵硅
绛旓細matlab璁＄畻鐭╅樀鐨勮鍒楀紡鐨勬柟娉 琛屽垪寮 det(A) 閫嗙煩闃 inv(A) 鎴 A^-1 鐗瑰緛鏍癸紝鐗瑰緛鍚戦噺 [d锛寁] = eig(A) d 涓瑙掔嚎鍏冪礌涓虹壒寰佸 v 涓垪鍚戦噺涓哄搴旂殑鐗瑰緛鍚戦噺
绛旓細瑕璁＄畻涓や釜鐩稿悓鐨鐭╅樀鐩镐箻锛岄鍏堥渶瑕佷簡瑙ｇ煩闃典箻娉曠殑鍩烘湰姒傚康鍜岃鍒欍傜煩闃典箻娉曟槸涓绉嶅皢涓や釜鐭╅樀鐩镐箻寰楀埌涓涓柊鐭╅樀鐨杩愮畻銆傝涓や釜鐭╅樀 𝐴A鍜 𝐵B閮芥槸 𝑛脳 𝑛n脳n鐨勬柟闃碉紝閭ｄ箞瀹冧滑鐨勪箻绉 𝐶= 𝐴𝐵C=AB涔熸槸涓涓 𝑛脳 𝑛n脳n...
绛旓細1銆佺‘瀹氳闄ゆ暟鍜岄櫎鏁帮細闇瑕佺‘瀹氳杩涜闄ゆ硶璁＄畻鐨鐭╅樀锛屽嵆琚櫎鏁板拰闄ゆ暟銆傝繖浜涢氬父琛ㄧず涓轰袱涓煩闃碉紝鍏朵腑涓涓煩闃电殑鍒楁暟搴斾笌鍙︿竴涓煩闃电殑琛屾暟鐩哥瓑銆2銆佹鏌ョ淮搴︼細鍦ㄦ墽琛岄櫎娉曚箣鍓嶏紝闇瑕佺‘淇濊闄ゆ暟鍜岄櫎鏁扮殑缁村害鏄悎閫傜殑銆備篃灏辨槸璇达紝琚櫎鏁板簲璇ユ槸涓涓猰脳n鐨勭煩闃碉紝鑰岄櫎鏁板簲璇ユ槸涓涓猲脳p鐨勭煩闃点傚鏋滆繖浜涚淮搴...
绛旓細1銆佹墦寮matlab锛屽湪鍛戒护琛岀獥鍙ｄ腑杈撳叆a=[2 4;6 9]锛宐=[1 5;5 8]锛屽垱寤2琛2鍒楃殑a,b鐭╅樀锛屽涓嬪浘鎵绀恒2銆佷娇鐢ㄧ煩闃电偣涔橈紝涓や釜鐭╅樀鐨勫搴斾綅缃厓绱犵浉涔橈紝鍦ㄥ懡浠ょ獥鍙ｄ腑杈撳叆鈥渁.*b鈥濓紝濡備笅鍥炬墍绀恒3銆佹寜鍥炶溅閿箣鍚庯紝鍙互鐪嬪埌寰楀埌鐨勭粨鏋滄槸a鍜宐鐭╅樀瀵瑰簲椤圭浉涔樼殑缁撴灉锛屼竴鑸袱涓煩闃电浉涔樼殑璇濓紝閮...
绛旓細浜屻鐭╅樀鐨杩愮畻 1銆佺畻鏈繍绠 MATLAB鐨鍩烘湰绠楁湳杩愮畻鏈夛細锛(鍔)銆侊紞(鍑)銆*(涔)銆/(鍙抽櫎)銆乗(宸﹂櫎)銆乛(涔樻柟)銆佲(杞疆)銆傝繍绠楁槸鍦ㄧ煩闃垫剰涔変笅杩涜鐨勶紝鍗曚釜鏁版嵁鐨勭畻鏈繍绠楀彧鏄竴绉嶇壒渚嬨(1)鐭╅樀鍔犲噺杩愮畻鍋囧畾鏈変袱涓煩闃礎鍜孊锛屽垯鍙互鐢盇+B鍜孉-B瀹炵幇鐭╅樀鐨勫姞鍑忚繍绠椼傝繍绠楄鍒欐槸锛氳嫢A鍜孊鐭╅樀鐨...
绛旓細鑾峰緱鐭╅樀琛屾暟鎴栧垪鏁扮殑鍑芥暟濡備笅锛1銆乶dims(A)杩斿洖A鐨勭淮鏁 2銆乻ize(A)杩斿洖A鍚勪釜缁寸殑鏈澶у厓绱犱釜鏁 3銆乴ength(A)杩斿洖max(size(A))4銆乕m,n]=size(A)濡傛灉A鏄簩缁存暟缁勶紝杩斿洖琛屾暟鍜屽垪鏁 5銆乶nz(A)杩斿洖A涓潪0鍏冪礌鐨勪釜鏁 渚嬪锛氱煩闃礎=[1,2,3;2,3,4]琛屾暟涓簊ize(A,1)=2鍒楁暟size(A,2)...
绛旓細鏂规硶涓,鍙互浣跨敤for寰幆锛涙柟娉曚簩,鍙互浣跨敤cellfun鍑芥暟.灏嗗ぇ閲鐭╅樀淇濆瓨鎴恈ell鏁扮粍.绀轰緥锛歛=rand(3,2); %a鏌愪釜鐭╅樀 B={rand(2,2),rand(2,3),rand(2,4),rand(2,5),rand(2,6)}; %B澶ч噺鐭╅樀缁勬垚鐨刢ell鏁扮粍 C=cellfun(@(x)a*x,B,'UniformOutput',false); %鍒嗗埆灏嗙煩闃礱涓嶣涓瘡涓煩闃...
