求该矩阵求逆的逆阵

下次自动登录
现在的位置:
& 综合 & 正文
matlab矩阵求逆:inv pinv \ / 斜线运算符的选择
之前一直觉得使用pinv进行矩阵求逆是有效方便的,但是一直不明白pinv和inv函数的区别,此外matlab有时会显示警告信息,指出计算不需要求逆,使用符号“/”或“\”会避免求逆,加速运算效率。
在做Sacchi课程geoph431的assignment 1的时候,碰到求逆问题,发现矩阵使用inv求逆得到的结果很差,而使用pinv得到的结果很好。因此开始想到底两者有什么区别。
经查证,inv是matlab的built-in函数,使用whichinv可以查询到inv.m的位置,但其实里面什么都没有。built-in函数好像是查询不到源码的。而pinv则可以看到其源码,不长,其实就是调用另外一个built-in函数SVD进行奇异值分解,再截断奇异值进行求解而已。所以pinv实际上就是截断奇异值求逆。
另外,在浏览网页的时候看到一个帖子很有典型性,网址是:
帖子题目是:《Matlab中的\和/和pinv的关系以及运算》。文中提到:使用各类优化求逆都得不到好的结果,结果一个“\”运算居然很快就得到了很精确的解。这是个很奇妙的事情。因此,追求“\”的运算原理是很必要的。
matlab的help中写道:(根据上述博客)
inv:Y=inv(X)返回方阵X的逆矩阵,如果X病态或者高度奇异,则会显示警告信息。实际上,很少需要真的把矩阵的逆求出来,常见的使用失误主要出现在求解线性方程组AX=b。一种求解方法为x=inv(A)*b,但如要达到更快,更稳定,就得用X=A\b。这个算法使用高斯消去法,因此不产生逆矩阵。
“\”:反斜线符号,矩阵左除。如果A是方阵,A\B近似等于inv(A)*B,只是他们的算法不一样。如果A是n*n的方阵,B是n*1的列向量,或n*?的矩阵,那么X=A\B是AX=B的解。如果A很病态或者很奇异,很会显示警告信息。A\EYE(SIZE(A))计算A的逆,参见mldivide可得到更多信息。如果A是m*n的矩阵,m!=n,B是m*1或m*?的列向量,那么X=A\B就是线性方程组AX=B(超定或者欠定)的最小二乘解。A的有效秩(effective
rank)k有选主元的QR分解决定。Asolution X is computed that has at most k nonzero componentspercolumn。如果K&N,结果通常和pinv(A)*B不一样,后者是最小范数解。A\EYE(SIZE(A))用来求解A的广义逆。
mldivide(A,B):等价于A\B,A和B必须有一样多的行,除非A是个标量(这时就等于.\)。如果A是个方阵,A\B近似等于inv(A)*B,只是两者算法不一样。如果A是m*n的矩阵,那么X=A\B求解AX=B(超定或欠定)的最小二乘解,即(AX-B)的范数极小。
此外,博文还叙述了matlab对矩阵的一些其他优化措施。
为什么采用高斯消去能达到比inv更好的效果?
&&&&推荐文章:
【上篇】【下篇】查看: 6492|回复: 11
听众数收听数最后登录注册时间主题精华0积分235帖子
四星助理工程师, 积分 235, 距离下一级还需 15 积分
土木币2010
向各位求教啦。。
听众数收听数最后登录注册时间主题精华0积分235帖子
四星助理工程师, 积分 235, 距离下一级还需 15 积分
土木币2010
程序异常中断,急啊。。
听众数收听数最后登录注册时间主题精华0积分120帖子
二星助理工程师, 积分 120, 距离下一级还需 30 积分
真没碰到过这个错误情况。看看模型建立过程中是否哪里建得不合理。只是猜测,帮不上忙,但帮你顶下,看有没有高手
听众数收听数最后登录注册时间主题精华0积分27帖子
技术员, 积分 27, 距离下一级还需 23 积分
帮你一起问一下,遇到这种情况非常郁闷
听众数收听数最后登录注册时间主题精华0积分73帖子
一星助理工程师, 积分 73, 距离下一级还需 27 积分
打电话问PKPM公司咨询吧。
建议重新建模吧。
听众数收听数最后登录注册时间主题精华0积分27帖子
技术员, 积分 27, 距离下一级还需 23 积分
怀疑是有0宽的柱子,试着显示柱子偏心及大小。有异常的部位会比较明显。
听众数收听数最后登录注册时间主题精华0积分61帖子
一星助理工程师, 积分 61, 距离下一级还需 39 积分
楼上说的有道理,应该是有0宽的柱子,我也遇到这种情况,,全剪力墙结构上(特种结构,很厚的剪力墙)为了加吊车荷载就见了几个0宽的柱子(好像吊车荷载只能加在柱上),结果就出现了矩阵求逆奇异。顺便问问大家,剪力墙上加吊车荷载有什么办法吗
&谢谢大神 为难了我下午的一个问题 太感谢啦&
听众数收听数最后登录注册时间主题精华0积分108帖子
二星助理工程师, 积分 108, 距离下一级还需 42 积分
有可能是长度L为0。因为矩阵是有线刚度EI/L和0组成的。那么很可能是EI/L中的分母为0。
听众数收听数最后登录注册时间主题精华0积分116帖子
二星助理工程师, 积分 116, 距离下一级还需 34 积分
楼上说的有道理,应该是有0宽的柱子,我也遇到这种情况,,全剪力墙结构上(特种结构,很厚的剪力墙)为了加吊车荷载就见了几个0宽的柱子(好像吊车荷载只能加在柱上),结果就出现了矩阵求逆奇异。顺便问问大家,剪力墙上加吊车荷载有什么办法吗
听众数收听数最后登录注册时间主题精华0积分441帖子
五星助理工程师, 积分 441, 距离下一级还需 59 积分
模型出现刚度矩阵奇异在有限元求解上表现为出现刚体位移,对于静力有限元模型,是需要加强制边界条件的。大伙儿不要死用软件,要有思考和创新的意识,有些自由度没有限制,有多个解,违背解的唯一性。当然考虑几何非线性,可能有多个平衡路径,但对于变形因素不对刚度起作用的小变形体系,解答的唯一性是成立的。所以出现刚阵奇异的原因可能是模型中有未能限制刚体位移的部分。
8-1(商易宝)
8-2(英才网)
8-3(媒体广告)播放列表加载中...
正在载入...
分享视频:
嵌入代码:
拍下二维码,随时随地看视频
线性代数——矩阵求逆(第三课时)求逆矩阵
上 传 者:
内容介绍:
线性代数——矩阵求逆(第三课时)求逆矩阵
Channel Me 精选
我来说点啥
版权所有 CopyRight
| 京网文[0号 |
| 京公网安备:
互联网药品信息服务资格证:(京)-非经营性- | 广播电视节目制作经营许可证:(京)字第403号
<img src="" width="34" height="34"/>
<img src=""/>
<li data-vid="">
<img src=""/><i data-vid="" class="ckl_plays">
<img width="132" height="99" src=""/>
在线人数:
<li data-vid="">
<img src=""/><i data-vid="" class="ckl_plays">
<img src="///img/blank.png" data-src=""/>
<img src="///img/blank.png" data-src="http://"/>
<li data-vid="" class="cfix">
src="///img/blank.png" data-src=""/>
<i data-vid="" class="ckl_plays">
<li data-vid="" class="cfix">
src="///img/blank.png" data-src=""/><i data-vid="" class="ckl_plays">
没有数据!
{upload_level_name}
粉丝 {fans_count}
{video_count}
{description}初等矩阵E(1,2(1))的意思,初等行变换求矩阵的逆矩阵A=1 2 22 1 -22 -2 1求A^-1 A.E...
来源:网络
关键字: 矩阵e
更新时间:
延伸:本文除了聚合《初等矩阵E(1,2(1))的意思》,免费提供的有关矩阵e和初等行变换求矩阵的逆矩阵A=1 2 22 1 -22 -2 1求A^-1 A.E...的内容之一,已有不少的网友认为此答案对自己有帮助!获取更多与《》相关的知识。
网友0的回答
这是初等矩阵 是将单位矩阵的第2行乘 -1 得到的初等矩阵 如 1 0 0 -1 如 1 0 0 0网友1的回答
E(2(2)), E(1,2) 是初等矩阵 E(2(2))AE(1,2) 表示先将A的第2行乘2, 网友2的回答
你的意思是A=[1 0 1 , 2 1 0 , -3 2 -5]吗,如果是的话,就对矩阵[A|E]=网友1的回答
A= 2 -1 -1 1 2 1 1 -2 1 4 4 -6 2 -2 4 3 6 -9 7 9 r网友0的回答
(A,E)= 1 2 1 1 1 0 0 0 2 3 1 0 0 1 0 0 3 1 1 -2 0 网友1的回答
线性代数的符号比高等数学更加不规范,各种不同版本教材大相径庭。初等矩阵在《考研数学大纲解析》里没有定义用什么符号表示,你最好把这个符号的出处说一下。最满意的回答
猜你感兴趣
回答问题赢iPhone 6> 问题详情
用伴随矩阵求下列矩阵的逆矩阵.
悬赏:0&答案豆
提问人:匿名网友
发布时间:
用伴随矩阵求下列矩阵的逆矩阵.
网友回答(共0条)
我有更好的答案
相关考试课程
请先输入下方的验证码查看最佳答案
图形验证:
验证码提交中……

我要回帖

更多关于 求矩阵的逆矩阵 的文章

 

随机推荐