七、矩阵函数和数值线性代数 7.1矩阵分析 det 社算行别武 rank 钻陈的铁 norm 向量或矩阵范数 rref 化为行阶梯形 normest 估计矩阵2范数 trace 矩阵的迹 null 零空间 subspace 子空间的角度 orth 估空相 7.2线性方程 U分解 luine 不尝会1分解 chol Cholesky分解 cholinc 不完全Cholesky分解 gr OR分解 inv 矩阵的逆 cond 矩阵条件数 pinv 伪逆 condest 估计1范数条件数 nnls 非负最小二乘解 rcond LINPACK逆条件数 1scov 已知协方差的最小二乘解 1、/ 解线性方程 7.3特性值与奇异值 eig 矩阵特征值和特征向量 gz 广义特征值 eigs 求稀疏矩阵的多个特征值Po1y 特征多而式 svd 奇异值分解 polyeig 多项式特征值问题 svds 求稀疏矩阵的多个奇异值 hess Hessenberg矩阵 asvd 归一化奇异值分解 condeig 矩阵各特征值的条件数 schur Schur分解 7.4矩阵函数 矩阵指数 funm 计算一般矩阵函数 expm1 矩阵指数的Padc逼近 logm 矩阵对数 expm2 用泰勒级数求矩阵指数 sgrtm 矩阵平方根 expm3 通过特征值和特征向量求矩阵指数 八、数据分析 8.1基本运算 sum 求和 median中值 hist 统计频数直方图 max 最大值 sort 排序 histc直方图统计 min 最小 sortrows 按行排序 std 标准苏 mean平均 prod 元素乘积 var 求方 8.2数值积分 trapz 梯形法计算数值积分 dblquad 二重（闭型）数值积分指令 quad 抛物线法计算数值积分 quadl 高阶法计算数值积分 66 七、矩阵函数和数值线性代数 7.1 矩阵分析 det 计算行列式 rank 矩阵的秩 norm 向量或矩阵范数 rref 化为行阶梯形 normest 估计矩阵 2 范数 trace 矩阵的迹 null 零空间 subspace 子空间的角度 orth 值空间 7.2 线性方程 lu LU 分解 luinc 不完全 LU 分解 chol Cholesky 分解 cholinc 不完全 Cholesky 分解 qr QR 分解 inv 矩阵的逆 cond 矩阵条件数 pinv 伪逆 condest 估计 1-范数条件数 nnls 非负最小二乘解 rcond LINPACK 逆条件数 lscov 已知协方差的最小二乘解 \、/ 解线性方程 7.3 特性值与奇异值 eig 矩阵特征值和特征向量 qz 广义特征值 eigs 求稀疏矩阵的多个特征值 poly 特征多项式 svd 奇异值分解 polyeig 多项式特征值问题 svds 求稀疏矩阵的多个奇异值 hess Hessenberg 矩阵 gsvd 归一化奇异值分解 condeig 矩阵各特征值的条件数 schur Schur 分解 7.4 矩阵函数 expm 矩阵指数 funm 计算一般矩阵函数 expm1 矩阵指数的 Pade 逼近 logm 矩阵对数 expm2 用泰勒级数求矩阵指数 sqrtm 矩阵平方根 expm3 通过特征值和特征向量求矩阵指数 八、数据分析 8.1 基本运算 sum 求和 median 中值 hist 统计频数直方图 max 最大值 sort 排序 histc 直方图统计 min 最小值 sortrows 按行排序 std 标准差 mean 平均值 prod 元素乘积 var 求方差 8.2 数值积分 trapz 梯形法计算数值积分 dblquad 二重（闭型）数值积分指令 quad 抛物线法计算数值积分 quadl 高阶法计算数值积分