[Julia] LinearAlgebra.jl 自带包

原创已于 2025-08-10 09:51:14 修改 · 661 阅读

14 ·

CC 4.0 BY-SA版权

文章标签：

#julia

于 2025-08-10 08:32:45 首次发布

Julialang 同时被 2 个专栏收录

12 篇文章

订阅专栏

线性代数

10 篇文章

订阅专栏

文章目录

- 线性代数常用运算
- 线性代数常用运算
- 矩阵分解
- 矩阵方程组
- 数组范数
- 向量诱导范数与条件数
- 向量空间
- - 线性方程组
  - 内积
  - 外积
- 矩阵函数级数

A=[1 2 3 0;
   4 1 6 0; 
   7 8 1 0; 
   0 0 0 2];
A'
B=fill(1,(4,4))
A*B

4×4 Matrix{Int64}:
6 6 6 6
11 11 11 11
16 16 16 16
2 2 2 2

线性代数常用运算

代码	名称	数学表示
A’	转置	$A⊤A^\top$
tr(A)	迹	$A=∑i=1nAi,i\mathrm{tr}~A=\sum_{i=1}^n A_{i,i}$
det(A)	行列式	$det⁡A\det A$
logdet(A)	对数化行列式	$log⁡(det⁡A)\log(\det A )$
nullspace(A)	核空间,零空间	$ker⁡A\ker A$
A* B	矩阵乘法	$A B$
A .* B	矩阵 Hadamard 积，数组乘积	$A∘BA\circ B$
kron(A, B)	矩阵的Kronecker 积	$\otimes B$
inv(A)	逆	$A^{-1}$ , $A A^{-1}=A^{-1}A=I$
pinv(A)	伪逆	$A†A^{\dagger}$ , $A†AA†=A†A^{\dagger}A A^{\dagger}=A^{\dagger}$ , $AA†A=AAA^{\dagger}A =A$
eigvals(A)	特征值	$λ(A)\lambda (A)$ , $∥λI−A∥=0\\|\lambda I-A\\|=0$
eigvecs(A)	特征向量	$ξ(A)\xi (A)$ , $λξ=Aξ\lambda \xi=A\xi$
adjoint(A)	伴随矩阵	$A^$ , $A^ A=AA^*=\\|A\\|I$

矩阵分解

代码	名称	数学表示
lu(A)	LU 分解	$A = L U$ , $L$ 下三角矩阵, $U$ 是上三角矩阵
qr(A)	QR 分解	$A = Q R$ , $Q$ 是正规正交矩阵, $R$ 是上三角矩阵
svd(A)	SVD 分解	$A = V S D$ , $V$ 正交矩阵, $S$ 奇异值对角矩阵, $D$ 正交矩阵
eigen(A)	特征值分解	$A=LDL⊤A=LDL^\top$ , $L$ 下三角矩阵, $D$ 特征值对角阵
shur(A)	Shur 分解	$A=UTU^H$ , $U$ 酉矩阵, $T$ 上三角矩阵
cholesky(A)	Cholesky 分解	$A=UU^H$ , $U$ 酉矩阵, $A$ 是正定矩阵
ldlt(S)	LDLt 分解	$S=LDL⊤S=LDL^\top$ ， $S$ 是对称三对角矩阵，L是单位下三角矩阵， $D$ 是对角矩阵
hessenberg(S)	Hessenberg 分解	$S=QHQ⊤S=QHQ^\top$ ， $Q$ 是正交矩阵， $H$ 是上Hessenberg 矩阵
bunchkaufman(S)	Bunch-Kaufman 分解	$S=DUD⊤S=DUD^\top$ , $D$ 是单位上三角矩阵, $U$ 是三对角矩阵, $S$ 是共轭对称矩阵

using LinearAlgebra
L,U=factorize(A);
L,U=lu(A);
Q,R=qr(A);
sD,sS,sV=svd(A);
Va,Ve=eigen(A);
sT,sU=schur(A);
cU=cholesky(A*A');
hQ,hH=hessenberg(A);
bD,bU,bP=bunchkaufman(A+A');
S = SymTridiagonal([3., 4., 5.,2.], [1., 2.,1.])
F = ldlt(S)

矩阵方程组

代码	方程
lyap(A,C)	$AX+XA⊤+C=0AX+XA^\top +C=0$
sylvester(A,B,C)	$A X + X B + C = 0$

A=[2 1; 0  2];
C=[1 1; 0 1];
X=lyap(A,C)

A*X+X*A'+C

数组范数

代码	范数类型
norm(A,2)	Fobineus 范数
norm(A,1)	1 范数
norm(A,1.5)	1.5 范数
norm(A,Inf)	$∞\infty$ 范数

norm(A,2)^2-tr(A*A')

向量诱导范数与条件数

$A\|_p = \sup_{\|u\|_p=1} \|Au\|_p$

代码	范数类型
opnorm(A,2)	谱范数
opnorm(A,1)	1-范数
opnorm(A,Inf)	$∞\infty$ -范数
cond(A,2)	谱范数条件数
cond(A,1)	1-范数条件数
cond(A,Inf)	$∞\infty$ -范数

opnorm(A,2)

向量空间

线性方程组

A\B, $A x = B$ , $A∈Rm×n,b∈RmA\in \mathbb{R}^{m\times n}, b\in \mathbb{R}^m$ . 当 $m > n$ 时给出最小二乘解.

内积

dot(a,b), $a⊤ba^\top b$ , $b\in \mathbb{R}^n$

外积

cross(a,b), $\times b$ , $b\in \mathbb{R}^3$

A = [1 0; 1 -2; 3 1]; B = [32; -4; 7];
A\B
Va=[1; 0; 2]; Vb=[2; 1; 0]
dot(Va,Vb)
Va ⋅ Vb
Va=[1; 0; 2]; Vb=[1; 0; -1]
cross(Va,Vb)
Va × Vb

矩阵函数级数

代码	数学表示
exp(A)	$exp⁡(A)=∑n=0∞Ann!\exp(A)= \sum_{n=0}^\infty \frac{A^n}{n!}$
cis(A)	$e^{iA}$
A^q	$\exp(q\log(A))$
A^b	$\exp(\log(b)A)$
log(A)	$Im(λ(log⁡(A)))∈(−π,π)Im(\lambda (\log(A))) \in (-\pi,\pi)$

类似的还有, sqrt, sin, sincos, sinh, asin, asinh 等