MATLAB实现满秩LU/QR等分解 及求方程组的解 范数

2023-05-16

矩阵分解 

%矩阵的LR分解 方阵A是非奇异的
clear;
A = [2,1,4;4,3,13;2,2,20];
format rat
[L,U]=lu(A)

% [L,U,P]=lu(A)
%%
%矩阵QR分解 [Q,R]=qr(A) R为上三角矩阵
clear;clc
A=[0 4 1;1 1 1;0 1 2];
[Q,R,e]=qr(A);

%%
%矩阵的奇异值分解
clear,clc
A = [1,1;0,0;1,1];
[U,S,V] = svd(A) %返回一个与A同大小的对角矩阵S,两个酉矩阵U和V,且满足A= U*S*V~H。
                 %若A为m×n阵,则U为m×m阵,V为n×n阵。奇异值在S的对角线上,非负且按降序排列。
%%
%求解方程组的解
A=[4 2 -1;3 -1 2;11 3 0];
b=[2 10 8]';
format rat %指定有理式格式输出
%LU分解
[L,U]=lu(A)
x=U\(L\b)
%QR分解
[Q,R]=qr(A);
x=R\(Q\b)

满秩分解:
close all;clear all;clc 
    A = [1 1 2 4
    -1 -1 -1 -2
   3 3 2 4];

[R,jb]=rref(A);%将矩阵化为最简阶梯形矩阵
B=A(:,jb);
C=R(1:length(jb),:);%%满秩分解  B*C
%提取矩阵对角元素
A = [2,1,4;4,3,13;2,2,20];
D=diag(A)
D1=diag(A,1)%与对角线元素平行往上
D2=diag(A,-1)%与对角线元素平行往下

A =

       2              1              4       
       4              3             13       
       2              2             20       
D =

       2       
       3       
      20       
D1 =

       1       
      13       
D2 =

       4       
       2       

向量范数与矩阵范数  

%向量范数
v=[-1,1/2,1];
v1=norm(v,1)%求v的1范数
v2=norm(v,2)%求v的2范数,也可以写为v2=norm(v)
v3=norm(v,inf)%求v的无穷范数

v1 = 5/2     
v2=3/2     
v3 = 1     

 

%向量范数
A=[1 2,3+2i 1,0 3];
A1=norm(A,1)%求A的1范数
A2=norm(A,2)%求A的2范数,也可以写为A2=norm(A)
A3=norm(A,inf)%求A的无穷范数

https://wenku.baidu.com/view/ff75b31f4935eefdc8d376eeaeaad1f34693118f.html?fr=search-1-income8

求线性方程组的解

A=[1 2 2 1;2 1 -2 -2;1 -1 -4 -3];
format rat%指定有理式格式输出
B=null(A,'r')%求解空间的有理基
% B=rref(A)%通过行最简得到基
%写出通解
syms k1 k2
X=k1*B(:,1)+k2*B(:,2)
pretty(X)%简化形式

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

MATLAB实现满秩LU/QR等分解 及求方程组的解 范数 的相关文章

  • 知识追踪在智能教育中的作用

    1 知识追踪的定义 现状及挑战 在上学的时候经常碰到过这样的状况 xff0c 老师会经常考试 xff0c 那么老师不能平白无故的给你考试 xff0c 为什么要考试呢 xff1f 他考试的主要目的就是为了掌握你对于某一知识的衡量水平 xff0
  • 吴恩达《神经网络与深度学习》课程笔记

    课堂笔记方便自己回忆 课程相关 课程地址见 https mooc study 163 com course 2001281002 info 该专项课程的Coursera地址 xff1a https www coursera org spec
  • matlab网页运行

    matlib软件巨大 xff0c 没有安装 找了几个在线网址 http www compileonline com execute matlab online php https octave online net
  • STM32入门教程——点亮一个LED

    STM32系列MCU被广泛的应用 xff0c 新学者想学习单片机或嵌入式时 xff0c 可以先从STM32入手 xff0c 本文介绍如何使用STM32单片机点亮一个LED 开发环境搭建 1 xff09 keil mdk安装 stm32系列M
  • MATLAB实验一 数字图像处理+函数调用笔记

    函数调用 https www cnblogs com gshang p 12763028 html 1 Write and test a MATLAB script file called lab1 plot m to plot the f
  • MATLAB学习之矩阵与幻方矩阵

    原文见https ww2 mathworks cn help matlab learn matlab matrices and magic squares html 上面为官方MATLAB原网址 xff0c 写此博客为方便复习回顾 矩阵和幻
  • matlab入门学习系列之表达式 变量运算符

    目录 变量 矩阵运算符 数组运算符 函数 表达式示例 变量 与大多数其他编程语言一样 xff0c MATLAB 语言提供数学表达式 xff0c 但与大多数编程语言不同的是 xff0c 这些表达式涉及整个矩阵 MATLAB 不需要任何类型声明
  • MATLAB入门学习系列之输入输出和索引

    取消输出 如果您在仅键入语句后按 Return 或 Enter xff0c MATLAB 会在屏幕上自动显示结果 但是 xff0c 如果使用分号结束行 xff0c MATLAB 会执行计算 xff0c 但不会显示任何输出 当生成大型矩阵时
  • MATLAB入门学习系列之基本绘图函数

    目录 创建绘图 在一幅图形中绘制多个数据集 指定线型和颜色 绘制线条和标记 将绘图添加到现有图形中 图窗窗口 在一幅图窗中显示多个绘图 控制轴 保存图窗 保存工作区数据 创建绘图 plot 函数具有不同的形式 xff0c 具体取决于输入参数
  • MATLAB入门学习系列之图像

    显示图像 图像数据 您可以将二维数值数组显示为图像 在图像中 xff0c 数组元素决定了图像的亮度或颜色 例如 xff0c 加载一个图像数组及其颜色图 xff1a gt gt load durer gt gt whos Name Size
  • 知识跟踪的深度知识跟踪和动态学生分类 Deep Knowledge Tracing and Dynamic Student Classification for Knowledge Tracing

    Deep Knowledge Tracing and Dynamic Student Classification for Knowledge Tracing xff08 译 xff09 知识跟踪的深度知识跟踪和动态学生分类 摘要 在智能辅
  • 知识追踪常见建模方法之IRT项目反应理论

    目录 A 项目反应理论 xff08 IRT item response theory xff09 概述 历史发展 特点 模型 A 项目反应理论 xff08 IRT item response theory xff09 概述 IRT理论即项目
  • MATLAB图像处理基本操作(1)

    matlib软件巨大 xff0c 没有安装 找了几个在线网址 http www compileonline com execute matlab online php https octave online net 从文件读取图像 a xf
  • Python学习系列之类的定义、构造函数 def __init__

    python def init self name等多参数 def init self 常见的两种类的定义方式如下 第一种 class Student def init self 两者之间的区别 self name 61 None self
  • ChatGPT,爆了!

    这段时间真是太刺激了 xff0c AI领域几乎每天都会爆出一个超震撼的产品 xff0c 有一种科幻马上要成现实的感觉 不知道大家朋友圈是什么样 xff0c 在整个创业的圈子里面 xff0c 几乎全是 AI 相关 就连 N 多年 xff0c
  • 分类回归模型评估常见方法及ROC AUC

    目录 模型评估常见方法 ROC和AUC定义 sklearn计算ROC具体实现 计算ROC需要知道的关键概念 1 分析数据 2 针对score xff0c 将数据排序 3 将截断点依次取为score值 3 1 截断点为0 1 sklearn
  • Coursera 吴恩达《Machine Learning》课堂笔记 + 作业

    记录一下最近学习的资源 xff0c 方便寻找 xff1a Github 上已经有人把作业整理成为 Python 的形式了 有 py 和 ipynb 两种格式 https github com nsoojin coursera ml py h
  • tensflow学习小知识tf.train.exponential_decay

    tf train exponential decay是tensflow1 X版本的2 版本使用以下语句 tf compat v1 train exponential decay 将指数衰减应用于学习率 tf compat v1 train
  • PyTorch学习系列之PyTorch:nn和PyTorch:optim优化

    PyTorch xff1a nn 在构建神经网络时 xff0c 我们经常考虑将计算分为几层 xff0c 其中一些层具有可学习的参数 xff0c 这些参数将在学习过程中进行优化 在TensorFlow xff0c 像包 Keras xff0c
  • tf.gather()用法详解

    tf gather params indices validate indices 61 None axis 61 None batch dims 61 0 name 61 None 请注意 xff0c 在CPU上 xff0c 如果找到超出

随机推荐

  • 代码学习之Python冒号详解

    最近看代码发现对冒号用法理解不够透彻 xff0c 记录学习一下 xff1a 1 冒号的用法 1 1 一个冒号 a i j 这里的i指起始位置 xff0c 默认为0 xff1b j是终止位置 xff0c 默认为len a xff0c 在取出数
  • Jupyter Notebook导入和删除虚拟环境 超详细

    记录一下Jupyter Notebook导入和删除虚拟环境的步骤 xff0c 网上博客参差不齐 xff0c 每次找好几个才看到简明容易理解的 方法一步骤 为不同的环境配置kernel 有时候使用conda命令创建了新的python环境 xf
  • tf.expand_dims用法详解

    看官方讲解一些博客感觉一直不是很懂 xff0c 下面是我的个人理解结合官方文档 xff0c 有问题欢迎指出 tf expand dims tf expand dims input axis 61 None name 61 None dim
  • argparse 命令行选项、参数和子命令解析器

    最近看到很多论文代码都是用解析器写的 argparse 命令行选项 参数和子命令解析器 argparse 模块可以让人轻松编写用户友好的命令行接口 程序定义它需要的参数 xff0c 然后 argparse 将弄清如何从 sys argv 解
  • torch.unsqueeze和 torch.squeeze() 详解

    1 torch unsqueeze 详解 torch unsqueeze input dim out 61 None 作用 xff1a 扩展维度 返回一个新的张量 xff0c 对输入的既定位置插入维度 1 注意 xff1a 返回张量与输入张
  • Android中获取唯一的id

    文章目录 Android唯一设备ID现状IMEIMAC地址唯一Id实现方案那些硬件适合硬件标识工具类 Android唯一设备ID现状 设备ID xff0c 简单来说就是一串符号 xff08 或者数字 xff09 xff0c 映射现实中硬件设
  • debian虚拟机下如何安装增强功能

    1 安装gcc和kernel headers gcc有可能默认安装的有 xff08 如果没有还需要安装gcc xff09 xff0c 但是还需要安装build essential sudo apt get install build ess
  • PyTorch学习系统之 scatter() 函数详解 one hot 编码

    torch Tensor scatter scatter 和 scatter 的作用是一样的 xff0c 只不过 scatter 不会直接修改原来的 Tensor xff0c 而 scatter 会 torch Tensor scatter
  • 最新RNN相关模型

    最近在看最新RNN相关模型 找到很多论文 Fundamentals of Recurrent Neural Network RNN and Long Short Term Memory LSTM network 递归神经网络 xff08 R
  • 知识追踪模型的应用

    背景 MOOC 近年来 xff0c 随着在线学习系统在教育环境中越来越普及 xff0c 在线学习人数越来越多 xff0c 教育者不可能追踪每一个学习者的知识状态并提供个性化的学习指导 xff1b 在线学习系统中的知识需要学习者通过各种冗余信
  • 自然语言处理之语料库

    语料库 定义 xff1a 语料库 corpus 就是存放语言材料的仓库 语言数据库 xff09 语料库技术的发展 早期 xff1a 语料库在语言研究中被广泛使用 xff1a 语言习得 方言学 语言教学 句法和语义 音系研究等 沉寂时期 xf
  • 知识追踪入门系列-论文资料汇总

    Paper xff1a 知识追踪相关论文 下载论文和代码见reference第一个链接 Deep Knowledge Tracing 首次提出将RNN用于知识追踪 xff0c 并能够基于复杂的知识联系进行建模 xff08 如构建知识图谱 x
  • 知识追踪方法比较

    DKT xff1a Deep knowledge tracing In Advances in neural information processing systems 这是一种开创性的方法 xff0c 它使用单层LSTM模型来预测学生的
  • 机器学习 注意力 笔记资料贴

    Self Attention与Transformer详解 https zhuanlan zhihu com p 47282410 写的非常详细 https jalammar github io illustrated transformer
  • 图像的几何变换maketform imtransform imresize imcrop

    背景 几何变换是将图像像素从一个位置映射到另一个位置 几何变换有五种常见类型 xff1a 剪切变换 平移变换 缩放变换 旋转变换和投影变换 它们如图4 1所示 在该图中 xff0c 原始图像显示在 A 中 xff0c 而变换后的图像显示在
  •  决策树(Decision Tree)原理及实现

    决策树 xff08 Decision Tree xff09 原理及实现 一 算法简介 1 1 基本模型介绍 决策树是一类常见的机器学习方法 xff0c 可以帮助我们解决分类与回归两类问题 模型可解释性强 xff0c 模型符合人类思维方式 x
  • Python 一维及多维数组及基本操作

    2 创建一般的多维数组 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 import numpy as np a 61 np array 1 2 3 dty
  • java操作word方式 设置国内镜像命令

    java操作word方式还有 个人认为通过jacob最好 xff0c 自己可以扩展 xff0c 网上除poi之外几乎全是java com技术实现的 1 Apache POI Java API To Access Microsoft Form
  • matlib 多种方法实现图像旋转不使用imrotate函数

    原理 方法很棒https blog csdn net qq 41140138 article details 104737705 方法一 function g 61 rotate image1 f theta M N 61 size f t
  • MATLAB实现满秩LU/QR等分解 及求方程组的解 范数

    矩阵分解 矩阵的LR分解 方阵A是非奇异的 clear A 61 2 1 4 4 3 13 2 2 20 format rat L U 61 lu A L U P 61 lu A 矩阵QR分解 Q R 61 qr A xff09 R为上三角