第三讲向量和矩阵的运算

合集下载

数学中的向量与矩阵

数学中的向量与矩阵

数学中的向量与矩阵数学是一门抽象而具有普适性的学科,而其中的向量和矩阵更是数学领域中常见且重要的概念。

向量和矩阵可以用于解决各种各样的问题,从几何学到物理学,从统计学到计算机科学,它们无处不在且发挥着重要的作用。

一、向量的基本概念与性质向量是有大小和方向的量,可以用箭头来表示。

在数学中,向量通常用加粗的字母或者小写字母上面加上一个箭头来表示,比如a,A或者→a。

向量可以在平面内或者空间内移动,通过平移和旋转来改变位置和方向。

向量有很多基本的运算,比如加法、减法、数量乘法和点乘。

加法和减法可以实现向量的平移和方向的改变,而数量乘法可以改变向量的长度。

点乘是一种特殊的乘法运算,结果是一个标量(即一个纯量),用于计算两个向量之间的夹角和判断它们的相对方向。

二、矩阵的定义和特性矩阵是由若干个数按照一定的规律排列成的一个矩形的数组。

矩阵可以用于表示各种各样的数据,比如二维的点坐标、数字表格中的数据等等。

矩阵可以用方括号或者圆括号来表示,比如[A]或者(A)。

一个矩阵可以有不同的形状,比如m行n列的矩阵就称为一个m×n矩阵。

矩阵也有一些基本的运算,比如加法、减法、数量乘法和矩阵乘法。

矩阵的加法和减法可以实现矩阵的平移和位置的改变,而数量乘法可以改变矩阵中每个元素的值。

矩阵乘法是一种非常重要的运算,它可以将两个矩阵相乘得到一个新的矩阵,用于实现数据的变换和转换。

三、向量与矩阵的关系和应用向量和矩阵在数学中有着密切的联系,它们之间可以相互转换和运算。

一些常见的应用包括:1. 几何变换:在几何学中,向量和矩阵可以用于表示平移、旋转、缩放等一系列的几何变换。

通过矩阵乘法和向量运算,可以实现对图形的变形和变化。

2. 物理学:向量可以用于表示物体的速度、加速度等物理量,而矩阵则可以用于表示物体的质量、惯性矩阵等。

在物理学中,向量和矩阵可以用于解决各种运动和力学问题。

3. 统计学:向量和矩阵在统计学中扮演着重要的角色,可以用于表示样本数据和计算统计指标。

平面向量的向量积和矩阵运算

平面向量的向量积和矩阵运算

平面向量的向量积和矩阵运算平面向量是数学中的一个重要概念,在许多数学和物理问题中都得到了广泛应用。

在平面向量的运算中,向量积和矩阵运算是两个重要的操作。

一、向量积向量积,也称为叉乘或叉积,可以用来计算两个向量之间的乘积。

向量积的结果是一个新的向量,该向量垂直于原来的两个向量。

向量积的定义如下:设有向量A(x1, y1)和向量B(x2, y2),则向量A和向量B的向量积为C(x3, y3),且有:x3 = y1 * z2 - y2 * z1y3 = z1 * x2 - x1 * z2z3 = x1 * y2 - x2 * y1其中,z1 = z2 = 0,因为向量积只能在三维空间中使用。

向量积的计算可以用来求解许多几何和物理问题,例如计算两个向量之间的夹角、判断两个向量是否平行、计算三角形的面积等等。

此外,向量积还可用于计算力的矢量合成等问题。

二、矩阵运算矩阵是一种方阵,也可以看作是向量的扩展。

矩阵运算是对矩阵进行各种运算操作的过程,包括加法、减法、乘法等。

1. 加法:两个矩阵相加时,要求两个矩阵的行数和列数相等,然后将对应位置上的元素相加得到新的矩阵。

2. 减法:两个矩阵相减时,要求两个矩阵的行数和列数相等,然后将对应位置上的元素相减得到新的矩阵。

3. 乘法:两个矩阵相乘时,要求第一个矩阵的列数与第二个矩阵的行数相等,然后按照一定的规则计算得到新的矩阵。

具体的计算规则可以参考矩阵乘法的定义。

矩阵运算在线性代数和线性方程组的求解中起着重要的作用。

矩阵运算还可以用于处理图像、信号处理等领域。

总结:通过向量积和矩阵运算,我们可以对平面向量进行一系列的操作和运算。

向量积可以用来计算两个向量之间的乘积,而矩阵运算则可以用来对矩阵进行加法、减法和乘法等操作。

这些操作在数学和物理问题中都具有广泛的应用,对于深入理解和解决相关问题具有重要的作用。

通过本文的介绍,我们对平面向量的向量积和矩阵运算有了初步的了解,希望可以为读者提供一定的帮助和指导。

矩阵和向量

矩阵和向量

向量的加法、减法、数乘
向量加法:将两个向量对应元素相加,得到新的向量 向量减法:将两个向量对应元素相减,得到新的向量 向量数乘:将向量的每个元素乘以一个常数,得到新的向量 向量点乘:将两个向量对应元素相乘,得到新的向量 向量叉乘:将两个向量对应元素相乘,得到新的向量
向量的外积、内积和混合积
解最优解
数值分析:使用矩阵和向量进 行数值分析,如数值积分、数
值微分等
在数学建模中的应用
线性方程组求解:利用矩阵和向量的运算,可以快速求解线性方程组 优化问题:矩阵和向量可以用于解决优化问题,如线性规划、非线性规划等 概率统计:矩阵和向量可以用于概率统计中,如随机变量、协方差矩阵等 图论:矩阵和向量可以用于图论中,如最短路径、最小生成树等
矩阵和向量的扩 展知识
矩阵的秩
矩阵的秩是矩阵中 线性无关的行(或 列)的最大数目
矩阵的秩等于其 行向量组的秩
矩阵的秩等于其 列向量组的秩
矩阵的秩等于其 非零特征表示向 量的长度,是向量 的绝对值
向量的方向:表示 向量的方向,是向 量的指向
向量的模和方向的 关系:模和方向共 同决定了向量的位 置和方向
向量的坐标:向量中每个元素的位置
向量的长度:向量中元素的平方和的平 方根
向量的方向:向量中元素的符号和顺序
向量的基本性质
向量的长度:表示向量的大小,也称为 模
向量的方向:表示向量的方向,也称为 方向余弦
向量的加法:两个向量相加,得到新的 向量
向量的减法:两个向量相减,得到新的 向量
向量的数乘:向量与标量相乘,得到新 的向量
外积:两个向量 的叉乘,结果是 一个向量,其方 向垂直于两个向 量所在的平面
内积:两个向量 的点乘,结果是 一个标量,表示 两个向量的夹角 大小

向量与矩阵计算

向量与矩阵计算

向量与矩阵计算在数学中,向量和矩阵是非常重要的概念和工具。

它们在各种领域的数学和物理问题中都扮演着重要的角色。

本文将详细介绍向量和矩阵的计算方法以及其应用。

1. 向量的表示和计算向量是具有大小和方向的量,可以用箭头表示。

在坐标系中,向量可以用有序数对表示。

例如,对于一个二维空间中的向量v,可以表示为v=(x, y),其中x和y分别是向量v在x轴和y轴上的分量。

向量的计算包括加法、减法和数量乘法。

向量的加法是将两个向量相应分量相加,即v1+v2=(x1+x2, y1+y2)。

向量的减法是将被减向量的分量分别减去减向量的分量,即v1-v2=(x1-x2, y1-y2)。

数量乘法是将向量的每个分量乘以一个实数,即k*v=(k*x, k*y),其中k是实数。

2. 矩阵的表示和计算矩阵是一个矩形的数表,由行和列组成。

一个m×n的矩阵有m行和n列。

矩阵中的元素可以是实数或复数。

矩阵可以用方括号表示。

例如,一个2×3矩阵A可以表示为:A = [a11, a12, a13;a21, a22, a23]矩阵的加法是将对应元素相加,即A+B=[a11+b11, a12+b12,a13+b13; a21+b21, a22+b22, a23+b23]。

矩阵的数量乘法是将矩阵的每个元素乘以一个实数,即kA=[ka11, ka12, ka13; ka21, ka22, ka23],其中k是实数。

矩阵的乘法是两个矩阵相乘的操作。

如果矩阵A是一个m×n的矩阵,矩阵B是一个n×p的矩阵,那么它们的乘积矩阵C是一个m×p的矩阵。

矩阵的乘法遵循分配律和结合律。

3. 向量的点积和叉积向量的点积也称为内积,计算方法是将两个向量对应分量相乘,并将结果相加。

对于二维向量v=(x1, y1)和w=(x2, y2),它们的点积为v·w=x1*x2+y1*y2。

向量的点积有很多应用,例如计算向量间的夹角、计算向量在某个方向上的投影等。

空间向量矩阵运算

空间向量矩阵运算

空间向量矩阵运算
空间向量矩阵运算是指在三维空间中,使用矩阵来表示向量,通过矩阵上的基本运算来实现向量的变换和计算的过程。

向量的表示可以使用坐标或者矩阵的形式,比如三维坐标系中的向量(x,y,z)可以表示为矩阵形式:
[x]。

[y]。

[z]。

对于两个向量A和B,可以进行向量加减、数量积、叉积等运算,具体如下:
1.向量加减:A+B=C,A-B=C。

将向量A、B表示为矩阵形式,直接按矩阵相加减法运算即可。

2.数量积:A·B=|A|×|B|×cosθ。

将向量A、B表示为矩阵形式,进行矩阵乘法运算,再求出向量的模长和夹角,即可得到数量积。

3.叉积:A×B=C,其中|C|=|A|×|B|×sinθ。

将向量A、B表示为矩阵形式,进行矩阵乘法运算,然后按照向量的叉积公式计算即可得到叉积向量C。

空间向量矩阵运算可以帮助实现三维图形的旋转、平移等操作,是计算机图形学中的基础知识。

向量与矩阵的运算

向量与矩阵的运算


运用矩阵构造符[ ]包含所创建矩阵的所有元素;
使用逗号“ ,”或者空格“ ”分隔矩阵的列;

使用分号“ ;”或者回车键分隔矩阵的行。
向量与矩阵运算
向量与矩阵的生成(续)

矩阵的生成 直接输入: A=[1, 2, 3; 4, 5, 6; 7, 8, 9] 由向量生成 通过编写m文件生成 由函数生成
矩阵的旋转


fliplr(A) 垂直方向为轴翻转矩阵 flipud(A) 水平方向为轴翻转矩阵
rot90(A) 逆时针旋转 90 度; rot90(A,k) 逆时针旋转 k×90 度 >> B=fliplr(A) >> C=flipud(A) >> D=rot90(A), E=rot90(A,-1)
tril(A) triu(A)
rand(m,n) 产生 0~1 间均匀分布的随机矩阵 m=n 时简写为 rand(n)
randn(m,n) 产生均值为0,方差为1的标准正态分布随机矩阵 m=n 时简写为 randn(n)
【练习1】分别建立3×3、3×2和与矩阵A同样大小的 零矩阵。
(1) 建立一个3×3零矩阵。
【例】删除4阶随机矩阵的第3列 本例目的:理解缩小矩阵尺寸的方法
Matlab中常见数学函数
sin、cos、tan、cot、sec、csc、…
asin、acos、atan、acot、asec、acsc、… exp、log、log2、log10、sqrt
abs、conj、real、imag、sign fix、floor、ceil、round、mod、rem max、min、sum、mean、sort、fft norm、rank、det、inv、eig、lu、qr、svd …… ① log 是自然对数,即以 e 为底数 ② mod(x,y) 结果与 y 同号,rem(x,y) 则与 x 同号 ③ max 等函数的参数是矩阵时,是作用在矩阵各列上

《矩阵和向量的应用》课件

《矩阵和向量的应用》课件

向量的外积和内积
向量的外积
向量的外积也称为叉积,是向量的一种运算。两个向量的外 积结果是一个向量,其方向垂直于作为运算输入的两个向量 。外积在物理和工程中有广泛的应用,如描述旋转和方向。
向量的内积
向量的内积也称为点积,是向量的一种基本运算。两个向量 的内积结果是一个标量,等于两个向量长度和夹角的余弦值 的乘积。内积在几何、物理和工程中有广泛应用,如描述长 度、角度和力矩等。
解特征多项式得到,也可以通过迭代法、 QR分解等方法求解。特征向量在解决线性
方程组、优化问题等方面有重要应用。
05
矩阵和向量的应用前景展望
矩阵和向量在人工智能领域的应用
机器学习算法
矩阵和向量在机器学习算法中扮演着重要的角色,如线 性代数、矩阵运算和向量空间模型等。它们被广泛应用 于分类、聚类、回归等任务中,如支持向量机、神经网 络等。
矩阵的特征值和特征向量
特征值
特征值是矩阵的一种数值特征,用于描述矩 阵的线性变换性质。特征值可以通过求解特 征多项式得到,对应的特征向量是满足$A cdot v = lambda cdot v$的向量。特征值 和特征向量在解决线性方程组、优化问题等 方面有重要应用。
特征向量
特征向量是与特征值对应的向量,用于描述 矩阵线性变换的性质。特征向量可以通过求
数据挖掘
矩阵和向量在数据挖掘中也有广泛的应用,如关联规 则挖掘、聚类分析等。它们可以帮助我们发现数据中 的模式和规律,为决策提供支持。
矩阵和向量在其他领域的应用
图像处理
矩阵和向量在图像处理中也有广泛的应用,如图像变 换、图像滤波等。它们可以帮助我们更好地处理和操 作图像数据,提高图像处理的效果和质量。
04
矩阵和向量的进阶满足方程$A cdot A^{1} = I$的唯一矩阵,其中$I$是单位 矩阵。逆矩阵在解线性方程组、求矩 阵的行列式等方面有重要应用。

矩阵和向量的应用

矩阵和向量的应用
线性组合应用
线性组合在矩阵和向量运算中具有广泛的应用,如求解线性方程组、计算向量空间中的向 量和等。
矩阵和向量的线性变换
线性变换定义
线性变换是向量空间中一种特殊的映射,它将向量空间中的每个向量 映射到另一个向量,且满足加法变换和标量乘法变换的线性性质。
线性变换性质
线性变换具有可加性和标量乘法性质,即对于任意标量$k$和向量$mathbf{a}, mathbf{b}$,有$T(kmathbf{a} + mathbf{b}) = kT(mathbf{a}) + T(mathbf{b})$。
未来矩阵和向量的发展方向
算法优化
并行计算
随着大数据和云计算技术的发展,矩阵和 向量的算法优化将成为一个重要方向,以 提高计算效率和精度。
利用并行计算技术加速矩阵和向量的计算 过程,提高大规模数值计算的效率。
应用拓展
理论完善
随着各领域的不断发展,矩阵和向量的应 用场景将不断拓展,如人工智能、机器学 习、量子计算等领域。
矩阵的算法实现
矩阵乘法
通过分块处理、分步计算等方式实现矩阵乘法,提高 计算效率。
矩阵转置
通过交换矩阵的行和列得到转置矩阵,实现矩阵的行 列互换。
矩阵求逆
通过高斯消元法、LU分解等算法求解矩阵的逆矩阵。
向量的算法实现
向量加法
对应元素相加得到新的向量。
向量数乘
一个标量与一个向量相乘得到新的向量。
向量点积
线性映射应用
线性映射在许多领域都有应用,如物理学中的刚体运动、控制系统中的状态方程等。
03
矩阵和向量的应用
在几何学中的应用
线性变换
01
矩阵可以表示平面上或空间中的线性变换,如旋转、缩放、平
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

zeros(size(A))
%产生一个与矩阵A同样
大小的零矩阵
【练习2】 试建立以下随机矩阵: (1) 在区间[20,50]内均匀分布的5阶随机矩阵。 (2) 均值为0.6、方差为0.1的5阶正态分布随机矩阵。
命令如下: >>x=20+(50-20)*rand(5) >>y=0.6+sqrt(0.1)*randn(5)
>> v=(10:-1:1)
v=
10
9
8
7
6
5
4
3
2
1
向量
数列中的元素不但可以是整数,也可以取负数和 小数,在命令窗口输入代码,观察结果:
>>b=(-4.4:4.4)
Matlab默认数列差值为整数1,在默认差值情况 下,数列为递增数列;大家可以自行设置p > q的情 况,但此时需要将差值设置为负数,否则系统会显示: 生成的是空矩阵。
自己动手 试以阶为3的魔术矩阵熟悉上述操作
矩阵操作
矩阵的转置与共轭转置
’ 共轭转置 .’ 转置,矩阵元素不取共轭
点与单引号之间不能有空格!
例:>> A=[1 2;2i 3i]
>> B=A’ >> C=A.’
矩阵操作
改变矩阵的形状:reshape
reshape(A,m,n): 将矩阵元素按 列方向 进行重组 重组后得到的新矩阵的元素个数 必须与原矩阵元素个数相等!
① log 是自然对数,即以 e 为底数 ② mod(x,y) 结果与 y 同号,rem(x,y) 则与 x 同号 ③ max 等函数的参数是矩阵时,是作用在矩阵各列上
拼接矩阵
矩阵的拼接是指两个或者两个以上的单个 矩阵,按一定的方向进行连接,生成新的矩 阵。从本质上说,矩阵的拼接就是一种创建 矩阵的特殊方法,区别在于基础元素是原始 矩阵,目标是新的合并矩阵。本节主要介绍 矩阵拼接的两种方法,一是利用矩阵生成符 [ ],另一种是调用矩阵拼接函数。
参与运算的对象必须具有相同的形状!
数与数组的点幂
例:x=[1 2 3]; y=[4 5 6];
x.^y =[1^4,2^5,3^6]=[1,32,729] x.^2 =[1^2,2^2,3^2]=[1,4,9]
2 .^x = ? 2 .^[x;y]= ?
.^ 前面留个空格
Matlab中的所有 标点符号必须在 英文状态下输入
向量与矩阵运算
矩阵是所有MATLAB运算的基础,大家如果要 实现科学运算、程序设计、特性绘制等目标,必 须要确定矩阵的类型,并建立矩阵。MATLAB中 创建一个矩阵可以有两种常用的方法:
一、直接输入矩阵元素。
二、调用矩阵创建函数。
输入元素创建简单矩阵
对于简单的矩阵,特别是元素数目不多的矩阵, 逐个输入矩阵元素是最常用、最便捷的矩阵创建方 法,其遵循以下3条原则:
x=
5
>> ndims(x)
ans =
2
>> size(x)
ans =
1
1
% 查看x的维数 %查看行、列维的数值
空矩阵
MATLAB中为了表示和操作的方便,引入了 “空矩阵”的概念,其含义是至少一维的数值为0 的矩阵。空矩阵可以是、和(n为正整数)。空矩 阵不是全0矩阵,大家可以通过如下指令建立一个 空矩阵a,再利用whos指令查看其名称、大小和数 据类型。
diag(X) 若 X 是矩阵,则 diag(X) 为 X 的主对角线向量 若 X 是向量,diag(X) 产生以 X 为主对角线的对角矩 阵
tril(A) 提取一个矩阵的下三角部分
triu(A) 提取一个矩阵的上三角部分 rand(m,n) 产生 0~1 间均匀分布的随机矩阵 m=n 时简写为
rand(n) randn(m,n) 产生均值为0,方差为1的标准正态分布随机矩阵
A=
1
3
5
பைடு நூலகம்
7
9 11
13 15 17
矩阵操作
矩阵的旋转
fliplr(A) 垂直方向为轴翻转矩阵 flipud(A) 水平方向为轴翻转矩阵 rot90(A) 逆时针旋转 90 度;
rot90(A,k) 逆时针旋转 k×90 度
例:>> A=[1 2 3;4 5 6]
>> B=fliplr(A) >> C=flipud(A) >> D=rot90(A), E=rot90(A,-1)
向量与矩阵运算
向量与矩阵的生成(续)
矩阵的生成 ✓ 直接输入: A=[1, 2, 3; 4, 5, 6; 7, 8, 9] ✓ 由向量生成 ✓ 通过编写m文件生成 ✓ 由函数生成
例:>> x=[1,2,3];y=[2,3,4];
>> A=[x,y], B=[x;y]
例:>> C=magic(3)
矩阵的数组运算
数组运算:对应元素进行运算
数组运算包括:点乘、点除、点幂 相应的数组运算符为:“.* ” ,“./ ”, “.\ ”和“ .^ ”
点与算术运算符之间不能有空格!
例:>> A=[1 2 3; 4 5 6]; B=[3 2 1; 6 5 4];
>> C=A.*B; D=A./B; E=A.\B; F=A.^B;
如果p和q的距离是非整数,Matlab仍然默认差 为1,直到递增量加1超过数列尾数时停止。但是大家 设置差值时,递增量可以任意取值。
标量
标量是行列数都是1的特殊矩阵,任意以矩阵 形式表示的单个实数或复数,称之为标量。如下 实数x就是一个标量。实数5的维数为2,即行和 列;且各维数值都为1。
>> x=5
数学实验
向量与矩阵运算
向量
向量是行数或列数为1的特殊矩阵,其一般显示为 1n或n1的数列。用户在构造新矩阵,以及对矩阵 进行访问、修改等操作时,常用到向量数列。
MATLAB提供了生成等差向量数列的符号-冒号, 例如:(p:q)生成从p到q,差为1的递增向量数列。 例如:创建10~1的等差递减数列,在命令窗口输入 代码及执行结果如下。
矩阵操作
查看矩阵的大小:size
size(A) 列出矩阵 A 的行数和列数 size(A,1) 返回矩阵 A 的行数 size(A,2) 返回矩阵 A 的列数
例:>> A=[1 2 3; 4 5 6]
>> size(A) >> size(A,1) >> size(A,2)
length(x) 返回向量 X 的长度 length(A) 等价于 max(size(A))
【例】在矩阵尺寸之外增加一个或多个元素, 改变原矩阵的大小。 本例目的:理解用添加元素来扩大矩阵尺寸的方法
改变矩阵尺寸
缩小矩阵的尺寸
如果要让矩阵“变小”,也就是删除矩阵的 某行或某列,只要把目标行或列赋予一个空矩 阵[ ]即可。 【例】删除4阶随机矩阵的第3列
本例目的:理解缩小矩阵尺寸的方法
此外,还可利用一般向量和end运算符等来表示矩 阵下标,从而获得子矩阵。end表示某一维的末尾元 素下标。
【练习】提取矩阵 A 的1,3,5列。
A=[1,2,3,4,5,6;7,8,9,10,11,12; 13,14,15,16,17,18];
>>A1=A(:,[1,3,5]) % 方法一
>>A(:,[2,4])=[ ] % 方法二:利用空阵
运用矩阵构造符[ ]包含所创建矩阵的所有元素;
使用逗号“ ,”或者空格“ ”分隔矩阵的列;
使用分号“ ;”或者回车键分隔矩阵的行。
向量与矩阵运算
向量与矩阵的生成
向量的生成 ✓直接输入: a=[1,2,3,4] ✓ 冒号运算符
例:a=[1:4] ==> a=[1, 2, 3, 4]
b=[0:pi/3:pi] ==> b=[0, 1.0472, 2.0944, 3.1416] c=[6:-2:0] ==> c = [6, 4, 2, 0]
本例目的:熟悉矩阵的拼接方法和不同方向上拼接 的区别。
改变矩阵尺寸
矩阵的尺寸又称矩阵的大小。在MATLAB 中,用户可以方便地对矩阵的尺寸进行扩大和 缩小,扩大矩阵的主要方式是拼接和添加元素, 缩小矩阵的方式是删除矩阵中的某行或某列元 素。
改变矩阵尺寸
扩大矩阵的尺寸
矩阵拼接 在矩阵尺寸之外添加元素
矩阵操作
提取矩阵的部分元素: 冒号运算符
A(:) A的所有元素 A(:,:) 二维矩阵A的所有元素 A(:,k) A的第 k 列, A(k,:) A的第 k 行 A(k:m) A的第 k 到第 m 个元素 A(:,k:m) A的第 k 到第 m 列组成的子矩阵
自己动手
A(:) 与 A(:,:) 的区别 ? 如何获得由 A 的第一、三行和第一、二列组成的子矩阵?
>> C=A*B
矩阵基本运算
矩阵的除法:/、\ 右除和左除
若 A 可逆方阵,则 B/A <==> A 的逆右乘 B <==> B*inv(A) A\B <==> A 的逆左乘 B <==> inv(A)*B
通常,矩阵除法可以理解为
X=A\B <==> A*X=B X=B/A <==> X*A=B 当 A 和 B 行数相等时即可进行左除 当 A 和 B 列数相等时即可进行右除
①A(:,j)表示取A矩阵的第j列全部元素;
A(i,:)表示A矩阵第i行的全部元素;
A(i,j)表示取A矩阵第i行、第j列的元素。
②A(i:i+m,:)表示取A矩阵第i~i+m行全部元素; A(:,k:k+m)表示取A矩阵第k~k+m列的全部元素, A(i:i+m,k:k+m)表示取A矩阵第i~i+m行内,并在 第k~k+m列中的所有元素。
相关文档
最新文档