《MATLAB/Simulink系统仿真超级学习手册》——2.3 MATLAB下矩阵的运算

简介:

本节书摘来自异步社区《MATLAB/Simulink系统仿真超级学习手册》一书中的第2章,第2.3节,作者:MATLAB技术联盟 , 石良臣著,更多章节内容可以访问云栖社区“异步社区”公众号查看

2.3 MATLAB下矩阵的运算

MATLAB/Simulink系统仿真超级学习手册
矩阵运算是MATLAB最重要的运算,因为MATLAB的运算大部分都建立在矩阵运算的基础之上。MATLAB有三种矩阵运算类型:矩阵的代数运算、矩阵的关系运算和矩阵的逻辑运算。其中,矩阵的代数运算应用最广泛。

根据不同的应用目的,矩阵的代数运算又包含两种重要的运算形式:按矩阵整体进行运算,按矩阵单个元素进行运算的元素群运算。

2.3.1 矩阵的代数运算
1.矩阵的算术运算
矩阵算术运算的书写格式与普通算术运算相同,包括优先顺序规则,但其乘法和除法的定义和方法与标量截然不同,读者应在矩阵的运算意义上加以理解和应用。

表2-6是MATLAB矩阵的算术运算符及其说明。
screenshot

下面为两矩阵的加法、乘法、乘方运算示例,运算失败时MATLAB会提示出错。

>> A=[1,1;2,2];B=[1,1;2,2];A+B
ans =
   2   2
   4   4
>> A=[1,1;2,2;3,3];B=[1,1;2,2];A+B
Error using  + 
Matrix dimensions must agree.
>> A=[1,1;2,2];B=[1,1;2,2];A*B
ans =
   3   3
   6   6
>> A=[1,1;2,2];B=[1,1;2,2;3,3];A*B
Error using  * 
Inner matrix dimensions must agree.
>> A=[1,1;2,2];B=2;A^B
ans =
   3   3
   6   6
>> A=[1,1;2,2];B=[1,2];A^B
Error using  ^ 
Inputs must be a scalar and a square matrix.
To compute elementwise POWER, use POWER (.^) instead.

注意:

(1)若A、B两矩阵进行加、减运算,则A、B必须维数相同,否则系统提示出错;

(2)若A、B两矩阵进行乘运算,则前一矩阵的列数必须等于后一矩阵的行数(内维数相等);

(3)若A、B两矩阵进行右除运算,则两矩阵的列数必须相等(实际上,X=B/A=B×A-1 );

(4)若A、B两矩阵进行左除运算,则两矩阵的行数必须相等(实际上,X=A B=A-1· B)。

2.矩阵的运算函数
MATLAB系统函数库中提供了一些常用的矩阵运算函数,熟悉这些对读者非常有用。例如,矩阵的加、减、乘、除等运算对参与运算的矩阵都有各自的矩阵维数匹配要求。

表2-7列出了部分常用的矩阵运算函数。
screenshot

下面为常用矩阵运算函数的示例。

>> A=[1,2,3;4,5,6;7,8,9];size(A)
ans =
   3   3
>> A=[1,2,3;4,5,6;7,8,9];length(A)
ans =
   3
>> A=[1,2,3;4,5,6;7,8,9];sum(A)
ans =
  12  15  18
>> A=[1,2,3;4,5,6;7,8,9];max(A)
ans =
   7   8   9

3.矩阵的元素群运算
元素群运算,是指矩阵中的所有元素按单个元素进行运算。为了与矩阵作为整体的运算符号相区别,元素群运算约定:在矩阵运算符“*”、“/”、“”、“^”前加一个点符号“.”,以表示在做元素群运算,而非矩阵运算。元素群加、减运算的效果与矩阵加、减运算是一致的,运算符也相同。

表2-8为矩阵的元素群运算符及其说明。
screenshot

下面为元素群运算的示例。

>> A=[1,2;3,4];B=[1,2;3,4];A.*B
ans =
   1   4
   9  16
>> A=[1,2;3,4];B=[3,4;5,6];A.\B
ans =
  3.0000  2.0000
  1.6667  1.5000
>> A=[1,2;3,4];B=[3,4;5,6];A./B
ans =
  0.3333  0.5000
  0.6000  0.6667
>> A=[1,2;3,4];B=[3,4;5,6];A.^B
ans =
       1      16
     243    4096

4.元素群的函数
MATLAB提供了几乎所有初等函数,包括三角函数、对数函数、指数函数和复数运算函数等。大部分的MATLAB函数运算都是分别作用于函数变量(矩阵)的每一个元素,这意味着这些函数的自变量可以是任意阶的矩阵。

表2-9列出了MATLAB常用初等函数名及其对应功能。
screenshot

在MATLAB命令窗口中输入下面语句并按回车键确认。

>> x=[0,pi/6,pi/4,pi/3];y=tan(x)

运行结果如下:

y =
     0  0.5774  1.0000  1.7321

2.3.2 矩阵的关系运算
MATLAB语言定义了各种矩阵的关系运算,表2-10列出了MATLAB的关系运算符及其意义。
screenshot

在使用关系运算时,首先应保证两个矩阵的维数相等或至少一个为标量。若参与运算的对象为两个矩阵,则关系运算对两个矩阵的对应元素进行关系比较,若关系满足,则将结果矩阵中该位置的元素置1,否则置0。若参与运算的对象之一为标量,则关系运算将矩阵的每一个元素与该标量逐一进行关系比较,若关系满足,则将结果矩阵中该位置的元素置1,否则置0。

注意:关系运算比算术运算具有更高的优先权。

下面为矩阵A=[1,1;1,1]和矩阵B=[0,1;2,3]作关系比较的运算结果示例。

>> A=[1,1;1,1];B=[0,1;2,3];A>B
ans =
   1   0
   0   0
>> A=[1,1;1,1];B=[0,1;2,3];A>=B
ans =
   1   1
   0   0
>> A=[1,1;1,1];B=[0,1;2,3];A==B
ans =
   0   1
   0   0
>> A=[1,1;1,1];B=[0,1;2,3];A~=B
ans =
   1   0
   1   1

2.3.3 矩阵的逻辑运算
在逻辑运算中,所有非零元素的逻辑值为“真”,用代码“表示;值为零的元素的逻辑值为“假”,用代码“表示。

逻辑运算规则与关系运算基本一致,也是针对两个矩阵的对应元素。逻辑运算真值表与一般二值运算真值表完全一致。

表2-11为MATLAB矩阵的基本逻辑运算符号及其意义。
screenshot

相关文章
|
7天前
|
算法 数据可视化 图形学
网络通信系统的voronoi图显示与能耗分析matlab仿真
在MATLAB2022a中,该程序模拟了两层基站网络,使用泊松分布随机生成Macro和Micro基站,并构建Voronoi图。它计算每个用户的信号强度,选择最强连接,并分析SINR和数据速率。程序还涉及能耗计算,包括传输、接收、处理和空闲能耗的分析。Voronoi图帮助可视化网络连接和优化能源效率。
|
2天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于PSO粒子群优化的CNN-GRU的时间序列回归预测matlab仿真
- **算法理论:** 利用PSO优化的CNN-GRU,结合CNN的特征提取和GRU的记忆机制,进行时间序列预测。 - **CNN:** 通过卷积捕获序列的结构信息。 - **GRU:** 简化的LSTM,处理序列依赖。 - **预测步骤:** 1. 初始化粒子群,每粒子对应一组模型参数。 2. 训练并评估CNN-GRU模型的验证集MSE。 3. 使用PSO更新参数,寻找最佳配置。 4. 迭代优化直至满足停止准则。 ```
|
1天前
|
算法 物联网
机会路由MORE协议的matlab性能仿真
摘要: 本研究关注无线Mesh网络中的机会路由与网络编码融合技术,特别是MORE协议。机会路由利用无线特性提高网络效率,而网络编码提升网络吞吐量。在分析这两项技术的基础上,提出改进MORE的方案,优化节点选择和路径测量,以增强网络性能。使用MATLAB2022a进行仿真验证。尽管MORE独立于MAC层并应用线性网络编码,但其ETX测量可能存在不准确问题,该问题成为改进的重点。
|
7天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于负相关误差函数的4集成BP神经网络matlab建模与仿真
**算法预览:** 图像显示无水印的2022a版MATLAB运行结果 **软件版本:** MATLAB 2022a **核心代码片段:** 省略展示 **理论概述:** NCL集成BP网络利用负相关提升泛化,结合多个弱模型减少错误关联。通过λ参数控制模型间负相关程度,λ>0增强集成效果,提高预测准确性和系统稳健性。
|
9天前
|
机器学习/深度学习 算法 调度
Matlab|基于改进鲸鱼优化算法的微网系统能量优化管理matlab-源码
基于改进鲸鱼优化算法的微网系统能量管理源码实现,结合LSTM预测可再生能源和负荷,优化微网运行成本与固定成本。方法应用于冷热电联供微网,结果显示经济成本平均降低4.03%,提高经济效益。代码包括数据分段、LSTM网络定义及训练,最终展示了一系列运行结果图表。
|
9天前
|
算法
基于Dijkstra算法的最优行驶路线搜索matlab仿真,以实际城市复杂路线为例进行测试
使用MATLAB2022a实现的Dijkstra算法在城市地图上搜索最优行驶路线的仿真。用户通过鼠标点击设定起点和终点,算法规划路径并显示长度。测试显示,尽管在某些复杂情况下计算路径可能与实际有偏差,但多数场景下Dijkstra算法能找到接近最短路径。核心代码包括图的显示、用户交互及Dijkstra算法实现。算法基于图论,不断更新未访问节点的最短路径。测试结果证明其在简单路线及多数复杂城市路况下表现良好,但在交通拥堵等特殊情况下需结合其他数据提升准确性。
|
11天前
|
算法
基于VLC可见光通信的室内光通信信道信噪比分析matlab仿真
**算法演示展示了一段VLC通信,使用MATLAB2022a。核心代码片段涉及LED光强度调制。VLC系统由发射器、空气介质和接收器组成,利用OOK等调制技术。图像展示了系统模型。信噪比分析对于理解和提升室内通信的性能至关重要,影响数据速率和系统可靠性。** (Markdown格式) ```
|
11天前
|
数据采集 存储 算法
基于BP算法的SAR成像matlab仿真
**摘要:** 基于BP算法的SAR成像研究,利用MATLAB2022a进行仿真。SAR系统借助相对运动合成大孔径,提供高分辨率图像。BP算法执行回波数据预处理、像素投影及图像重建,实现精确成像。优点是高精度和强适应性,缺点是计算量大、内存需求高。代码示例展示了回波生成、数据处理到插值显示的全过程。
|
11天前
|
传感器 监控 算法
基于虚拟力优化的无线传感器网络覆盖率matlab仿真
**摘要:** 本文探讨了基于虚拟力优化提升无线传感器网络(WSNs)覆盖率的方法。通过在MATLAB2022a中仿真,显示了优化前后网络覆盖率对比及收敛曲线。虚拟力优化算法模拟物理力,以优化传感器节点布局,防止重叠并吸引至目标区域,同时考虑墙壁碰撞。覆盖计算利用平面扫描法评估圆形和正方形传感器的覆盖范围。算法通过迭代优化网络性能,以提高WSNs的监控能力。
|
12天前
|
算法 vr&ar
基于自适应波束成形算法的matlab性能仿真,对比SG和RLS两种方法
```markdown - MATLAB2022a中比较SG与RLS自适应波束成形算法。核心程序实现阵列信号处理,强化期望信号,抑制干扰。RLS以其高效计算权重,而SG则以简单和低计算复杂度著称。[12345] [6666666666] [777777] ```

热门文章

最新文章