cond - определение числа обусловленности квадратной матрицы с помощью нормы-2,
c=cond(x) есть отношение наибольшего сингулярного числа матрицы x к наименьшему;
conv - умножение полиномов.
det - вычисление определителя квадратной матрицы d=det(a);
eig - вычисление собственных значений и собственных векторов,
c=eig(b) - вектор c содержит собственные числа b,
[x,d]=eig(a) - столбцы матрицы x - собственные векторы, d - собственные значения на диагонали;
hess - приведение матрицы к форме Хессенберга,
inv - вычисление обратной матрицы, b=inv(A);
lu - LU-разложение (a=l*u), т.е. приведение матрицы к верхне-треугольному виду методом исключения Гаусса [l,u]=lu(a);
max - постолбцовое определение максимального элемента,
C=max(x) - вектор-строка C содержит максимальные элементы соответствующих столбцов матрицы x,
[C,K]=max(X) - дополнительно вектор K содержит номера строк максимальных элементов в столбцах;
min - постолбцовое определение наименьшего элемента,
C=min(x) - вектор-строка C содержит максимальные элементы соответствующих столбцов матрицы x,
[C,K]=min(X) - дополнительно вектор K содержит номера строк максимальных элементов в столбцах;
null - построение ортонормированного базиса ядра линейного оператора
q=null(y) - вычисление матрицы q, столбцы которого образуют ортонормированный базис ядра линейного оператора с матрицей x, при этом x*q=0;
orth - построение ортонормированного базиса образа линейного оператора
q=orth(y) - вычисление матрицы q, столбцы которого образуют ортонормированный базис образа линейного оператора с матрицей x;
pinv - вычисление псевдообратной матрицы
A=pinv(B) - вычисление матрицы A, имеющей размерность B' такой, что A*B*A=B и B*A*B=B. При этом B*A и A*B являются эрмитовыми матрицами;
poly - вычисление коэффициентов характеристического полинома,
C=poly(B) - вектор C содержит коэффициенты характеристического полинома det(l*I-B) по убывающим степеням l, где l - собственные числа;
rank - вычисление ранга прямоугольной матрицы,
k=rank(A) - число сингулярных чисел A, больших по абсолютному значению, чем max(size(A))*norm(B)*eps,
k=rank(A,alf) - число сингулярных чисел A, больших по абсолютному значению, чем alf;
rcond - определение числа обусловленности квадратной матрицы с помощью нормы-1 (для хорошо обусловленной матрицы rcond(A) близок к 1, для плохо обусловленной rcond(A) близок к 0);
roots - поиск корней полинома, r=roots(p), где p вектор, состоящий из коэффициентов полинома;
qr - приведение произвольной прямоугольной матрицы к верхнему треугольному виду
[q,r]=qr(a) - QR-разложение (a=q*r);
shur - приведение матрицы к форме Шура,
size - выдает количество строк и столбцов матрицы,
svd - приведение квадратной матрицы к диагональному виду методом собственных значений;
[u,s,v]=svd(a) - вычисление унитарных матриц преобразования u и v и диагональной матрицы s таких, что a=u*s*v'; x = a\b - решение системы a*x=b,
§3. Функции анализа данных и статистики.
Пакет представляет большие возможности для анализа. Для данных заданных столбчатым способом (векторами) могут быть использованы следующие функции:
all - тест на логические условия,
any - тест на логические условия,
corrcoef - коэффициенты корреляции,
cov - ковариантная матрица,
cumprod - коммутативная произведение элементов,
cumsum - коммутативная сумма элементов,
diff - разностные функции,
find - нахождение ненулевых значений в массиве.
hist - гистограмма,
max - максимальное значение,
mean - среднее значение,
median - срединное значение,
min - минимальное значение,
prod - произведение элементов,
sort - сортировка,
std - стандартное отклонение,
sum - сумма элементов,
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.