Matlab稀疏矩阵笔记

来源：互联网发布：代做淘宝店编辑：程序博客网时间：2024/06/05 08:36

ismember(A, S, 'rows')
当A和S为矩阵并且列数相同时，当A中的行同时也是S中的行时返回1,否则返回0。
如果A或S是字符元胞数组时不能用此语法。

A = [1 2 4;3 1 3;1 5 2;1 1 9]

A =
1 2 4
3 1 3
1 5 2
1 1 9

S =[1 2 4;3 1 1;1 3 6;1 1 9]

S =
1 2 4
3 1 1
1 3 6
1 1 9

[Q B]=ismember(A,S,'rows')
Q =
1
0
0
1
B =
1
0
0
4

S =[1 2 4;3 1 3;1 3 6;1 1 9]
S =
1 2 4
3 1 3
1 3 6
1 1 9

[Q B]=ismember(A,S,'rows')
Q =
1
1
0
1
B =
1
2
0
4

A =
1 2 4
3 1 3
1 5 2
1 1 9
>> S =[1 1 9;1 2 4;3 1 3;1 5 2]
S =
1 1 9
1 2 4
3 1 3
1 5 2
>> [Q B]=ismember(A,S,'rows')
Q =
1
1
1
1
B =
2
3
4
1
>> S =[1 1 9;1 2 4;3 1 3;3 1 3]
S =
1 1 9
1 2 4
3 1 3
3 1 3
>> [Q B]=ismember(A,S,'rows')
Q =
1
1
0
1
B =
2
4
0
1
>> S =[1 1 9;1 1 9;3 1 3;3 1 3]
S =
1 1 9
1 1 9
3 1 3
3 1 3
>> [Q B]=ismember(A,S,'rows')
Q =
0
1
0
1
B =
0
4
0
2
>> A = [1 1 9;1 3 1;1 1 9;1 3 1]
A =
1 1 9
1 3 1
1 1 9
1 3 1
>> S =[1 1 9;1 1 9;3 1 3;3 1 3]
S =
1 1 9
1 1 9
3 1 3
3 1 3
>> S =[1 1 9;1 1 9;1 3 1;1 3 1]
S =
1 1 9
1 1 9
1 3 1
1 3 1
>> [Q B]=ismember(A,S,'rows')
Q =
1
1
1
1
B =
2
4
2
4

-----------------------------------------------------------------------------------------------------下方引用百度文库Word文档

稀疏矩阵定义：
即其中只有很少非零元素的矩阵，这样的矩阵就成为稀疏矩阵，这种特性提供了矩阵存储空间和计算时间的优点，例如：
A=[ 0 0 0 5;
    0 2 0 0;
    1 3 0 0;
    0 0 4 0; ];

Sparse matrix ：稀疏矩阵
稀疏矩阵的转换：
给出一个矩阵A，我们可以使用MATLAB函数sparse把它转换成稀疏矩阵，该函数语法为：
　　　　　　　　　　S＝sparse(A)
例如：
>>   A=[ 0 0 0 5;
         0 2 0 0;
         1 3 0 0;
         0 0 4 0; ];
>>   S=sparse(A)
     S=
         (3,1) 1
         (2,2) 2
         (3,2) 3
         (4,3) 4
         (1,4) 5
括号内的坐标是元素在矩阵中位置索引，坐标按照元素值排列
稀疏矩阵的获得：
函数sparse()的更常用的用法是用来产生稀疏矩阵，具体语法如下：
                    S=vsparse(r,c,s,m,n)
其中r和c是我们希望产生的稀疏矩阵的矩阵中非零元素的行和列索引向量。参数s是一个向量，它包含索引对(r,c)对应的数值，m和n是结果矩阵的行维数和列维数。例如：

>> s=sparse( [3 2 3 4 1 ],[ 1 2 2 3 4 ],[1 2 3 4 5],4,4)
s =
   (3,1)        1
   (2,2)        2
   (3,2)        3
   (4,3)        4
   (1,4)        5
如果要获得完成的矩阵，可以使用full()函数，函数语法：
   A=full(s)
例如：
>> a=full(s)
a =
     0     0     0     5
     0     2     0     0
     1     3     0     0
     0     0     4     0

0 0