《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
|
5天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于生物地理算法的MLP多层感知机优化matlab仿真
本程序基于生物地理算法(BBO)优化MLP多层感知机,通过MATLAB2022A实现随机数据点的趋势预测,并输出优化收敛曲线。BBO模拟物种在地理空间上的迁移、竞争与适应过程,以优化MLP的权重和偏置参数,提升预测性能。完整程序无水印,适用于机器学习和数据预测任务。
|
5天前
|
机器学习/深度学习 数据采集 算法
基于MobileNet深度学习网络的MQAM调制类型识别matlab仿真
本项目基于Matlab2022a实现MQAM调制类型识别,使用MobileNet深度学习网络。完整程序运行效果无水印,核心代码含详细中文注释和操作视频。MQAM调制在无线通信中至关重要,MobileNet以其轻量化、高效性适合资源受限环境。通过数据预处理、网络训练与优化,确保高识别准确率并降低计算复杂度,为频谱监测、信号解调等提供支持。
|
3天前
|
算法 数据安全/隐私保护
泵浦光与斯托克斯光相遇耦合效应的matlab模拟与仿真
本程序使用MATLAB2022A模拟泵浦光与斯托克斯光在非线性光学材料中的耦合效应,基于拉曼散射原理。通过非线性薛定谔方程描述两者相互作用,实现能量转换与放大。核心代码展示了时间与距离上的光强变化,最终生成动态图像展示耦合过程。完整程序无水印,运行结果如附图所示。该仿真有助于理解非线性光学现象及其应用。
|
4天前
|
资源调度 算法 数据可视化
基于IEKF迭代扩展卡尔曼滤波算法的数据跟踪matlab仿真,对比EKF和UKF
本项目基于MATLAB2022A实现IEKF迭代扩展卡尔曼滤波算法的数据跟踪仿真,对比EKF和UKF的性能。通过仿真输出误差收敛曲线和误差协方差收敛曲线,展示三种滤波器的精度差异。核心程序包括数据处理、误差计算及可视化展示。IEKF通过多次迭代线性化过程,增强非线性处理能力;UKF避免线性化,使用sigma点直接处理非线性问题;EKF则通过一次线性化简化处理。
|
6天前
|
算法 数据安全/隐私保护
基于二次规划优化的OFDM系统PAPR抑制算法的matlab仿真
本程序基于二次规划优化的OFDM系统PAPR抑制算法,旨在降低OFDM信号的高峰均功率比(PAPR),以减少射频放大器的非线性失真并提高电源效率。通过MATLAB2022A仿真验证,核心算法通过对原始OFDM信号进行预编码,最小化最大瞬时功率,同时约束信号重构误差,确保数据完整性。完整程序运行后无水印,展示优化后的PAPR性能提升效果。
|
3天前
|
算法 数据安全/隐私保护 计算机视觉
基于sift变换的农田杂草匹配定位算法matlab仿真
本项目基于SIFT算法实现农田杂草精准识别与定位,运行环境为Matlab2022a。完整程序无水印,提供详细中文注释及操作视频。核心步骤包括尺度空间极值检测、关键点定位、方向分配和特征描述符生成。该算法通过特征匹配实现杂草定位,适用于现代农业中的自动化防控。
|
9天前
|
机器学习/深度学习 数据采集 算法
基于PSO粒子群优化的CNN-LSTM-SAM网络时间序列回归预测算法matlab仿真
本项目展示了基于PSO优化的CNN-LSTM-SAM网络时间序列预测算法。使用Matlab2022a开发,完整代码含中文注释及操作视频。算法结合卷积层提取局部特征、LSTM处理长期依赖、自注意力机制捕捉全局特征,通过粒子群优化提升预测精度。适用于金融市场、气象预报等领域,提供高效准确的预测结果。
|
2天前
|
机器学习/深度学习 资源调度 算法
基于入侵野草算法的KNN分类优化matlab仿真
本程序基于入侵野草算法(IWO)优化KNN分类器,通过模拟自然界中野草的扩散与竞争过程,寻找最优特征组合和超参数。核心步骤包括初始化、繁殖、变异和选择,以提升KNN分类效果。程序在MATLAB2022A上运行,展示了优化后的分类性能。该方法适用于高维数据和复杂分类任务,显著提高了分类准确性。
|
9天前
|
算法 数据安全/隐私保护
基于Big-Bang-Big-Crunch(BBBC)算法的目标函数最小值计算matlab仿真
该程序基于Big-Bang-Big-Crunch (BBBC)算法,在MATLAB2022A中实现目标函数最小值的计算与仿真。通过模拟宇宙大爆炸和大收缩过程,算法在解空间中搜索最优解。程序初始化随机解集,经过扩张和收缩阶段逐步逼近全局最优解,并记录每次迭代的最佳适应度。最终输出最佳解及其对应的目标函数最小值,并绘制收敛曲线展示优化过程。 核心代码实现了主循环、粒子位置更新、适应度评估及最优解更新等功能。程序运行后无水印,提供清晰的结果展示。
|
9天前
|
数据安全/隐私保护
基于PID控制器的双容控制系统matlab仿真
本课题基于MATLAB2022a实现双容水箱PID控制系统的仿真,通过PID控制器调整泵流量以维持下游水箱液位稳定。系统输出包括水位和流量两个指标,仿真结果无水印。核心程序绘制了水位和流量随时间变化的图形,并设置了硬约束上限和稳态线。双容水箱系统使用一阶线性微分方程组建模,PID控制器结合比例、积分、微分作用,动态调整泵的输出流量,使液位接近设定值。