高级矩阵运算

SingularValueList[m]m 的非零的奇异值的列表
SingularValueList[m,k]mk 个最大的奇异值
SingularValueList[{m,a}]m 的相对于 a 的广义奇异值
Norm[m,p]mp-范数
Norm[m,"Frobenius"]m 的 Frobenius 范数

求矩阵的奇异值和范数.

矩阵 的奇异值是 的特征值的平方根,这里 表示 Hermitian 转置. 奇异值的数目是矩阵的最小的维数. SingularValueList 将奇异值从最大到最小进行整理. 非常小的奇异值通常在数值上没有意义的. 当使用 Tolerance->t 这个选项设置时,SingularValueList 去掉小于最大奇异值的 t 部分的那些奇异值. 对于近似数字矩阵,默认下的容限值稍微比零大一点.

如果取 维空间的单位球,用 × 矩阵 乘其中对于每个点的向量,这将得到 维空间的椭球体. 的奇异值给出椭球体主轴的长度.

矩阵的2-范数 Norm[m, 2] 是椭球体的最大的主轴,等于矩阵最大的奇异值. 这也是对于任何可能的单位向量 的最大的2-范数长度.

矩阵的 -范数一般是 所能得到的最大 -范数长度. 最常考虑的情况是 . 有时也被考虑的是 Frobenius 范数 Norm[m, "Frobenius"],它是 的迹的平方根.

LUDecomposition[m]求任意方阵的 LU 分解
CholeskyDecomposition[m]Cholesky 分解

把方阵分解成三角形式.

当用 LinearSolve[m] 产生一个 LinearSolveFunction 时,这经常是通过把矩阵 m 分解成三角形式来完成的. 有时能明确地得到这些形式是有用的.

LU 分解将任何方阵有效地分解为下三角和上三角阵的乘积. Cholesky 分解将任何 Hermitian 正定矩阵分解为一个下三角阵和它的 Hermitian 共轭的乘积,这可以看成是类似于求一个方阵的平方根.

PseudoInverse[m]计算矩阵的伪逆
QRDecomposition[m]求数值矩阵的 QR 分解
SingularValueDecomposition[m]奇异值分解
SingularValueDecomposition[{m,a}]广义奇异值分解

矩阵的正交分解.

当矩阵不是方阵或是奇异时,标准的逆矩阵定义不再有效. 然而,可以定义矩阵 的伪逆矩阵 . 它使得 中的所有元素的平方和被最小化,其中 是单位阵. 伪逆矩阵有时被称为广义逆,或 Moore-Penros . 这尤其在关于最小平方拟合的问题中使用.

QR 分解把任意矩阵 写为 ,其中 是正交归一矩阵, 表示 Hermitian 转置, 是一个三角阵,在其中所有主对角线以下的元素都为零.

奇异值分解或 SVD 是许多数值矩阵算法中的基本元素. 基本的思想是将任何矩阵写成 的形式,其中 是对角线上的值为 的奇异值的一个矩阵, 是正交归一的矩阵, 的 Hermitian 转置.

JordanDecomposition[m]Jordan 分解
SchurDecomposition[m]Schur 分解
SchurDecomposition[{m,a}]广义 Schur 分解
HessenbergDecomposition[m]Hessenberg 分解

关于特征值问题的函数.

绝大多数的方阵都能被变成一个特征值的对角阵,这可以通过用它们的特征向量矩阵作为相似变换来完成. 但是即使在没有足够的特征向量来做这个时,仍然可以将矩阵变成 Jordan 形式,在其中对角线上既有特征值又有 Jordan 块. Jordan 分解一般将任何方阵写成 的形式.

数值上更稳定的是 Schur 分解,它将任何矩阵 写成 的形式,其中 是一个正交归一的矩阵, 是块式上三角. 也相关的是 Hessenberg 分解,它将一个方阵写成 的形式,其中 是一个正交归一的矩阵, 可以在主对角线以下的对角线上有非零的元素.

New to Mathematica? Find your learning path »
Have a question? Ask support »