Matlab求矩阵的逆(三种方法)

这篇具有很好参考价值的文章主要介绍了Matlab求矩阵的逆(三种方法)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

Matlab求矩阵的逆(三种方法)

说明:若所求矩阵为非奇异矩阵(可逆矩阵),则可以精确求得其逆矩阵;若所求矩阵为奇异矩阵,则所求出的逆矩阵是近似的(不精确)。

下面以矩阵A为例。

  • inv()方法
  • A − 1 A^{-1} A1方法
  • eye()/A方法

1.inv()方法

A=rand(3,3) //参数分别为矩阵行数和列数
inv(A) //矩阵的逆

示例:

>> A=rand(3,3) 

A =

    0.8147    0.9134    0.2785
    0.9058    0.6324    0.5469
    0.1270    0.0975    0.9575

>> inv(A)

ans =

   -1.9958    3.0630   -1.1690
    2.8839   -2.6919    0.6987
   -0.0291   -0.1320    1.1282
   

2. A − 1 A^{-1} A−1方法

A=rand(3,3) 
A^-1 

示例:

>> A=rand(3,3)

A =

 0.6787    0.3922    0.7060
 0.7577    0.6555    0.0318
 0.7431    0.1712    0.2769

>> A^-1

ans =

-0.8553   -0.0595    2.1875
 0.9044    1.6357   -2.4939
 1.7361   -0.8515   -0.7174

3.eye()/A方法

  • eye(N):返回N*N的单位矩阵
  • eye(M,N):返回M*N的单位矩阵
A=rand(3,3)
eye(3,3)/A   //即E/A

示例:文章来源地址https://www.toymoban.com/news/detail-507617.html

>> A=rand(3,3)

A =

    0.0462    0.6948    0.0344
    0.0971    0.3171    0.4387
    0.8235    0.9502    0.3816

>> eye(3,3)/A

ans =

   -1.4378   -1.1292    1.4282
    1.5754   -0.0522   -0.0822
   -0.8203    2.5670   -0.2568

到了这里,关于Matlab求矩阵的逆(三种方法)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 分块矩阵的逆

    分块矩阵怎么求逆? - 知乎 四分块矩阵求逆是有通式的(参见分块矩阵求逆公式)下面是一些分块矩阵求逆公式:另可参考Block matrix o… https://www.zhihu.com/question/47760591 Matrix inversion identities - 知乎 Recently I reviewed some tricks in obtaining the inversion of the matrices. An efficient technique to

    2024年02月06日
    浏览(29)
  • 初等矩阵的逆矩阵如何“一眼就能看出”

    如 A是把第一行的-2倍加到第二行,B是把第一行的2倍加到第二行  AB=E,由此A和B互为逆矩阵 所以倍加类型的初等矩阵的逆矩阵就是加上原来相反倍数 如 A是第一行和第二行互换,B是第一行和第二行互换 AB=E,A和B互为逆矩阵 所以互换类型的初等矩阵的逆矩阵不变    A是第二

    2023年04月15日
    浏览(43)
  • C语言求矩阵的逆(伴随法)

    之前介绍了C语言用代数余子式求行列式 本次开始介绍如何用公式法对矩阵求逆,并用C语言将其实现。 之前程序有点小bug,已于2022年11月29日修改。 更新:          伴随法只适合求低阶矩阵的逆,对于相对高阶(20维以上)对矩阵求逆用高斯法求解效率更高,此外本文中

    2024年02月02日
    浏览(34)
  • 科学计算器如何求矩阵的逆

    大学本科买了四年的计算器不会求逆,到了研究生了好好研究下这个功能,终于终于会用了,以往 对着那个矩阵功能都发懵😂,记录一下这个史诗无敌隐藏功能 要是早知道本科线代就轻松了,不过现在知道也不晚,起码还有个高工考试hhh

    2023年04月21日
    浏览(23)
  • R语言矩阵、向量操作(矩阵乘法,向量内积、外积(叉乘),矩阵转置,矩阵的逆)

    创建两个四维矩阵 A 与 B,A 按列填充,B 按行填充 : 创建两个 n 维向量 x 和 y : 使用 t(矩阵、向量名) 即可: 输出如下: 使用 %*% 符号即可: 输出如下: 在R语言中,两个矩阵、向量的内积并不只是简单的 * 号就完事了,而是有以下两种求法: 或者 其结果如下: (注意区分

    2024年02月12日
    浏览(22)
  • 线性代数让我想想:快速求三阶矩阵的逆矩阵

    前言 一般情况下,我们求解伴随矩阵是要注意符号问题和位置问题的(如下所示) A − 1 = 1 [    ] [ − [    ] − [    ] − [    ]    − [    ] ] = A − 1 = 1 [    ] [     M 11 − [ M 12 ]     M 13 − [ M 21 ]     M 22 − [ M 23 ]        M 31 − [ M 32 ]     M 33 ] ⊤ begin{aligned} A^{-

    2023年04月09日
    浏览(29)
  • 线性代数:线性方程求解、矩阵的逆、线性组合、线性独立

    本文参考www.deeplearningbook.org一书第二章2.3 Identity and Inverse Matrices 2.4 Linear Dependence and Span 本文围绕 线性方程求解 依次介绍矩阵的逆、线性组合、线性独立等线性代数的基础知识点。 本文主要围绕求解线性方程展开,我们先把线性方程写出来,方程如下: 其中,是已知的;,

    2024年02月08日
    浏览(38)
  • 2.matlab图像三种方法灰度值处理

    彩色图像 :每个像素由R、G、B三个分量表示,每个通道取值范围0~255。(通一个彩色图像是由三页组成的,分别是R、G、B,每一页都是一个二维矩阵) 灰度图像 :每个像素只有一个采样颜色的图像,这类图像通常显示为从最暗黑色到最亮的白色的灰度。灰度值分布在0~255之间

    2024年02月15日
    浏览(32)
  • 使用Matlab、Opencv、Ros三种方法完成相机标定

    1、相机标定的意义         在机器视觉领域,相机的标定是一个关键的环节,它决定了机器视觉系统能否有效的定位,能否有效的计算目标物。相机标定意义在于将现实世界中的三维物体与相机图像对应的二维物体映射起来,实际上就是透视投影。 2、相机标定原理   

    2024年04月13日
    浏览(48)
  • 【三种计算样本欧氏距离的方法——样本数据表示为矩阵】

    近期在看CS231n课程,作业中有关于计算图像样本间Kmeans距离的代码编写,涉及到的距离例如为欧氏距离,计算的三种方法效率由低到高,在学习的过程中令我收益匪浅。 假设图像大小为 32*32*3=3072 ,提供5000个训练样本,500个测试样本,将图像矩阵展开为一维向量,则训练样本

    2023年04月09日
    浏览(35)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包