matlab矩阵数组
Matlab中的矩阵操作技巧指南
Matlab中的矩阵操作技巧指南在科学计算和数据处理中，矩阵操作是一个非常重要的环节。
Matlab作为一种功能强大的计算工具，提供了丰富的矩阵操作函数和技巧，帮助用户更高效地处理数据。
本文将为大家介绍一些在Matlab中常用的矩阵操作技巧，希望对广大Matlab用户有所帮助。
一、矩阵的创建和赋值在Matlab中，创建矩阵有多种方式。
可以使用数组、函数、特殊值或其他操作创建矩阵。
下面是一些常见的创建矩阵的方法。
1.1 使用数组创建矩阵使用数组创建矩阵是一种简单直观的方式。
可以通过一维或多维数组来创建矩阵。
```matlabA = [1, 2, 3; 4, 5, 6; 7, 8, 9] % 创建一个3x3的矩阵B = [1, 2, 3; 4, 5, 6] % 创建一个2x3的矩阵```1.2 使用函数创建矩阵除了使用数组，还可以使用Matlab提供的函数来创建矩阵。
常用的函数有zeros, ones, eye等。
```matlabC = zeros(3, 3) % 创建一个3x3的全零矩阵D = ones(2, 4) % 创建一个2x4的全一矩阵E = eye(5) % 创建一个5x5的单位矩阵```1.3 特殊值的矩阵Matlab中还提供了一些特殊值的矩阵，如全1矩阵、全0矩阵等。
```matlabF = ones(3, 3) % 创建一个3x3的全1矩阵G = zeros(2, 4) % 创建一个2x4的全0矩阵```二、矩阵的索引和切片在Matlab中，可以使用索引和切片操作来获取矩阵的元素或对矩阵进行切片操作。
2.1 矩阵的索引可以使用单个索引、行索引或列索引来获取矩阵的元素。
```matlabA = magic(3) % 创建一个3x3的魔方矩阵element = A(2, 3) % 获取第2行第3列的元素row = A(1, :) % 获取第1行的所有元素column = A(:, 2) % 获取第2列的所有元素```2.2 矩阵的切片可以使用切片操作来获取矩阵的子矩阵。
Matlab——数组与矩阵
Matlab——数组与矩阵1 一维数组（向量）的创建1.1 直接输入法从键盘直接输入元素，列与列之间的数据用逗号或空格分隔，行与行之间的数据用分号分隔。
a=[1;2;3] 生成列向量b=[1,2,3] 生成行向量c=[1 2 3] 生成行向量说明：在一行中写多条语句时，逗号和分号可作为语句间的分隔符。
如果用分号，则命令窗不显示运行结果。
1.2 冒号生成法用于产生递增或递减的等差数列。
格式：初值:步长:终值说明：步长为1时可以省略。
a=1:2:6b=1:61.3 定数线性采样法用于产生起止于两点之间的n 个数据点。
格式：x = linspace(a,b,n)b= linspace(1,6,6) b=1:6说明：n 的默认值是100。
1.4 拼接法利用已有的一维数组创建新的一维数组。
将两个行向量或列向量拼接为一个行向量或列向量，也可以利用冒号抽取其中的部分数据生成新的一维数组。
行向量拼接：用方括号和逗号a3= [a1,a2]列向量拼接：用方括号和分号b3= [b1;b2]向量的抽取：用冒号a4= a3(1:2:end)抽取a3 中的奇数位置的元素组成新的数组例1 创建两个不同的一维行向量和列向量，并利用这两个向量拼接成一个新的行向量和列向量，然后再由新向量中的奇数位置元素组成新的向量。
x1= 1:3x2= linspace(5,20,4)x= [x1,x2]y1=[1:3]’y2= linspace(5,20,4)’y= [y1;y2]x3= x ( 1:2:end)y3= y ( 1:2:end)2 一维数组中元素的提取利用圆括号和索引号。
A= [1 2 3 4 5]a3=A(3)提取第3个元素3 二维数组（矩阵）的创建3.1 直接输入法从键盘直接输入元素。
输入规则如下：（1）矩阵元素必须在方括号内；（2）同行元素之间用空格或逗号隔开；（3）行与行之间用分号或回车符隔开；（4）元素可以是数值、变量、表达式或函数；（5）矩阵的维数不必预先定义。
MATLAB之(一)数组、矩阵和函数及运算
说明 4位小数
3.14159265358979 15位小数
3.14
2位小数
355/113
最接近的有理数
format short e,t =pi 3.1416e+000
科学计数
format long e ,t =pi 四、函数
3.141592653589793e+000
MATLAB提供了大量的函数，按照起用法分为标量函数、 向量函数和矩阵函数。
14
b= 1 3 5 7
c=6:-3:-6(从6到-6公差为-3的等差数组)
c=
6 3 0 -3 -6 e=[0:2:8,ones(1,3)](等差数组和行向量的拼接)
e=
0 2468111
2数组的运算
数组除作为1×n矩阵（行向量）遵循矩阵运算外，
MATLAB还为数组提供了一些特殊运算。两个数组间的
的最重要特征是按元素进行运算。
2021/4/14
13
1 数组的输入 ⑴可以像1×n矩阵（即行向量）一样输入，如： a=[2,3,4,5] a=
2345
⑵数组常用“：”来方便地生成一些特殊的数组。如：
a=1:5(从1到5公差为1的等差数组)
a=
12345
b=1:2:7(从1到7公差为2的等差数组)
2021/4/14
（5） randn（生成正态分布随机矩阵）； U=ones(3)
W=zeros(2,3) V=eye(2,4)
U=
W=
V=
111
000
2021/4/14
000
1000 0100
111
9
111
X=rand(2,3)
X=
MATLAB基础教程 第2章 数组、矩阵及其运算
写出MATLAB表达式。 解：根据MATLAB的书写规则，以上MATLAB表达式为： （1）y=1/(a*log(1-x-1)+C1) （2）f=2*log(t)*exp(t)*sqrt(pi) （3）z=sin(abs(x)+abs(y))/sqrt(cos(abs(x+y))) （4）F=z/(z-exp(T*log(8)))
命令：X(3:-1:1)
命令：X(find(X>0.5)) 命令：X([1 2 3 4 4 3 2 1])
第二章 数组、矩阵及其运算
2.1 数组（矩阵）的创建和寻访
2. 二维数组的创建和寻访
例2-3 综合练习。将教材P.31~P.44的实例按顺序在MATLAB的 command窗口中练习一遍，观察并体会其输出结果。 （注意变量的大小写要和教材上的严格一致。）
A./B
B.\A
A的元素被B的对应元素相除
（与上相同）
第二章 数组、矩阵及其运算
2.3 数组、矩阵的其他运算
1. 乘方开方运算
数组的乘方运算与power函数 格式：c=a.^k或c=power(a,k) 例如： >> g=[1 2 3;4 5 6] >>g.^2 矩阵的乘方运算与mpower函数 格式：C=A^P或C=mpower(A,P) 注意：A必须为方阵
第二章 数组、矩阵及其运算
2.2 数组、矩阵的运算
3. 矩阵的加法、减法
运算规则是：若A和B矩阵的维数相同，则可以执行矩阵的加减运算， A和B矩阵的相应元素相加减。如果维数不相同，则MATLAB将给出
出错信息。
第二章 数组、矩阵及其运算
2.2 数组、矩阵的运算
3. 矩阵的乘法
MATLAB教学 最新第二章 矩阵与数组2-4
把D的逆阵右乘以B,记作/D,称之为右除.
2.5.3 基本数组运算 1,数组转置 数组转置的操作符是在矩阵转置操作符前加符号".".(实数情 况下等价) 例:数组转置操作
2,数组幂 数组幂运算符 (单个符号自身运算)就是在矩阵运算符前加上符 号".".
3.数组乘法
2.5.4 基本数学函数 在MATLAB中部分函数可以用来进行基本的 数学运算,有三角函数,指数运算函数,复数 运算函数等. 注意:这些函数的参数可以是矩阵,向量或者 多维数组,函数在处理参数时,都是按照数组 运算运算的规则来进行的. 函数数目较多,不一一列出,后面用到时再 作说明. 2.5.5 矩阵(数组)操作函数
例2-5 使用logspace函数创建向量.
上面创建的都是行向量,即创建的都 是一行n列的二维数组.如果需要创建 列向量,即n行一列的数组,则需要使 用分号作为元素与元素之间的间隔或 者直接使用转置运算符" ' ".
2.3 创建矩阵 在编程语言中,矩阵和二维数组一般指的是同一 个概念,在M语言中,矩阵的元素可以为任意的 MATLAB数据类型的数值或者对象.创建矩阵的方 法也有多种,不仅可以直接输入元素,还可以使用 MATLAB MATLAB的数组编辑器编辑矩阵的元素. 2.3.1直接输入法 直接输入矩阵元素创建矩阵的方法适合创建元素较 少的矩阵. 例2-7 用直接输入矩阵元素的方法创建矩阵.
length获取向量长度若输入参数为矩阵或多维数组则返回各个维尺寸的最大值ndims获取矩阵或多维数组的维数numel获取矩阵或数组的元素个数disp显示矩阵或者字符串的内容cat合并不同的矩阵或者数组reshape保持矩阵元素的个数不变修改矩阵的行数和列数repmat复制矩阵元素并扩展矩阵fliplr交换矩阵左右对称位置上的元素flipud交换矩阵上下对称位置上的元素flipdim按照指定的方向翻转交换矩阵元素find获取矩阵或数组中非零元素的索引55例
在MATLAB中使用矩阵和数组
在MATLAB中使用矩阵和数组MATLAB（Matrix Laboratory）是一种流行的数值计算软件，广泛用于科学和工程领域。
它具有强大的功能，可以进行各种数学运算和数据分析。
在MATLAB 中，矩阵和数组是基本的数据结构，它们用于存储和处理数据。
一、矩阵和数组的定义和基本操作在MATLAB中，矩阵和数组都可以用来存储和操作多个数据。
矩阵是一个二维的数值数组，而数组可以有多个维度。
在定义矩阵或数组时，我们可以直接输入数据，也可以使用内置的函数来生成。
例如，我们可以用以下方式定义一个矩阵A：A = [1 2 3;4 5 6;7 8 9]这个矩阵A是一个3×3的矩阵，它的元素分别为1到9。
我们可以使用分号来表示矩阵的不同行，并用空格或制表符来分隔不同列。
同样地，在MATLAB中，我们可以使用以下方式定义一个数组B：B = [1, 2, 3, 4]这个数组B是一个包含4个元素的一维数组。
在定义数组时，元素之间通常使用逗号来进行分隔。
一旦定义了矩阵或数组，我们就可以对其进行各种操作。
在MATLAB中，我们可以使用运算符对矩阵和数组进行加、减、乘、除等数学运算。
例如，我们可以使用加法运算符来计算两个矩阵的和：C = A + A这里，C是一个3×3的矩阵，它的元素是矩阵A的对应元素和。
同样地，我们可以使用减法、乘法和除法运算符来进行相应的运算。
此外，MATLAB还提供了许多其他的函数和工具箱，用于矩阵和数组的操作。
例如，我们可以使用sum函数来计算矩阵的和：D = sum(A)这里，D是一个包含3个元素的一维数组，它的元素分别是矩阵A每一列的和。
二、矩阵和数组的索引和切片在MATLAB中，我们可以使用索引和切片操作来访问矩阵和数组中的元素。
索引用来指定元素在矩阵或数组中的位置，而切片则可以选择矩阵或数组的一个子集。
例如，我们可以使用索引获取矩阵A中的某个元素：a = A(2, 3)这里，a的值为6，它是矩阵A的第2行第3列的元素。
matlab矩阵变数组
matlab矩阵变数组
在MATLAB中，矩阵可以被转换为数组。
数组是一种更通用的数据结构，可以包含不同类型的元素，而矩阵则通常用于存储数学运算中的矩阵和向量数据。
要将矩阵转换为数组，可以使用MATLAB中的`reshape`函数或者将矩阵转置。
下面我将从两个角度来解释如何实现这一转换。
首先，使用`reshape`函数可以将矩阵转换为数组。
该函数可以重新塑造矩阵的维度，从而将其转换为数组。
例如，如果有一个
2x3的矩阵A，我们可以使用`reshape(A, 1, 6)`来将其转换为一个1x6的数组。
这样就可以将原始矩阵重新排列成一个更长的数组。
其次，可以通过将矩阵转置来实现矩阵到数组的转换。
矩阵转置操作可以通过在矩阵变量后面加上一个撇（'）来完成。
例如，如果有一个3x2的矩阵B，可以通过B'来得到一个2x3的转置矩阵，然后将其转换为一个数组。
这种方法在某些情况下可以更方便地将矩阵转换为数组。
总的来说，MATLAB中的矩阵可以通过`reshape`函数或者转置操作来转换为数组。
这样可以更灵活地处理数据，并在不同的数学
运算和数据处理中使用。
希望这些解释能够帮助你理解如何在MATLAB中进行矩阵到数组的转换。
MATLAB数值计算功能(向量、矩阵、数组、稀疏矩阵)
数值计算功能向量及其运算1、向量生成（1）、直接输入向量元素用“ [ ]”括起来,用空格或逗号生成行向量,用分号生成列向量a1=[11 14 17 18]a2=[11,14,17,18]a2=[11;14;17;18]%列向量用“ ’”能够进行向量转置a1=[11 14 17 18]a4=a1'%a1 行向量,a4 列向量也能够用组合方法：A=[1 2 3];B=[7 8 9];C=[A 4 ones(1,2) B]（2）、等差元素向量生成冒号生成法：Vec=Vec0:n:Vecn,此中Vec表示生成地向量,Vec0表示第一个元素,n表示步长,Vecn 表示最后一个元素使用 linespace 函数： Vec=linespace(Vec0,n,Vecn),此中 Vec 表示生成地向量 ,Vec0 表示第一个元素 ,n 表示生成向量元素个数（默认 n=100） ,Vecn 表示最后一个元素vec1=10:5:50vec2=50:-5:10vec3=linspace(10,50,6)2、向量地基本运算（1）、向量与数地四则运算向量中每个元素与数地加减乘除运算（除法运算时,向量只好作为被除数,数只好作为除数）vec1=linspace(10,50,6)vec1+100vec2=logspace(0,10,6) %对数平分向量vec2/100（2）、向量与向量之间地加减运算向量中地每个元素与另一个向量中相对应地元素地加减运算vec1=linspace(10,50,6)vec2=logspace(0,2,6)vec3=vec1+vec2（3）、点积、叉积和混淆机点积： dot 函数 ,注意愿量维数地一致性x1=[11 22 33 44]x2=[1 2 3 4]sum(x1.*x2) %还能够采纳sum 函数计算向量地址积叉积： cross 函数 ,注意愿量维数地一致性（由几何意义可知,向量维数只好为3）x1=[11 22 33 44]x2=[1 2 3 4]x3=cross(x1,x2)%报错 ,维数只好为3x1=[11 22 33]x2=[1 2 3]x3=cross(x1,x2)混淆积：结果为一个数,先求 cross,再求 dota=[1 2 3]b=[2 4 3]c=[5 2 1]v=dot(a,cross(b,c))v=cross(a,dot(b,c)) %报错矩阵及其运算MATLAB地基本单位是矩阵,逗号或空格划分同一行不一样元,分号划分不一样行素1、矩阵地生成4 种方法：在command window直接输入；经过语句和函数产生；M 文件中成立；外面数据文件中导入（1）、直接输入：把矩阵元素直接摆列到方括号中 ,每行元素用逗号或空格相隔 ,行与行之间用分号相隔martix=[1 1 1 1;2,2,2,2;3,3,3,3;4 4 4 4]冒号用法：A=[1 1 1;1 2 3;1 3 6]B=A(1:2,:)（2）文件导入：*.mat*.txt*.datload 文件名参数直接导入： File—Import Data2、矩阵地基本数值运算（1）、矩阵与是常数地四则运算（除法时,常数只好作为除数）matrix=[1 1 1 1;2,2,2,2;3,3,3,3;4 4 4 4]m1=100+matrixm2=100-matrixm3=100*matrixm4=matrix/2（2）、矩阵之间地四则运算加减法：矩阵各个元素之间地加减法,一定是同型矩阵matrix=[1 1 1 1;2,2,2,2;3,3,3,3;4 4 4 4]m2=m1+matrixm3=[11 22 33;1 2 3;4 5 6]m4=matrix-m1m5=m3+m1 %报错 ,非同型矩阵乘法：用 *, 左矩阵地列数需等于右矩阵地行数A=[1111;2222;3333;4444]B=[1592;6357;2589;4563]C=A*BD=[1 5 9;6 3 5;2 5 8]3*3矩阵相乘E=A*D% 报错 ,4*4 矩阵不可以与除法：左除（ AX=B 则 X=A\B,相当于 X=inv(A)*B, 可是左除稳固性好）右除 / （ XA=B 则 X=B/A,相当于 X=B*inv(A)）个人认为：左除相当于逆矩阵左乘,右除相当于逆矩阵右乘%解方程组XA=B地解 ,本列中 A=[2 1 -1; 2 1 0;1 -1 1] ;B=[1 -1 3;4 3 2] A=[2 1 -1; 2 1 0;1 -1 1]B=[1 -1 3;4 3 2]X=B/A矩阵能够使用比较运算符：结果矩阵地对应地点为0 或1数据变换：floorceilroundfixrem[n,d]=rat(A)： A 表示为两个整数阵对应元素相除地形式A=n./d 3、矩阵地特点参数运算（1）、乘方与开方乘方： A^p 计算 A 地 p 次方p>0： A 地 p 次方p<0： A 逆矩阵地abs(p)次方A=[1234;4567;4567;891011]B=A^10开方：如有X*X=A,则有sqrtm(A)=XA=magic(5)B=sqrtm(A)B^2 %考证正确性（2）、指数与对数指数： expm(X)=V*diag(exp(diag(D)))/V （ [V,D]=eig(X)）对数： L=logm(A),与指数运算互逆X=rand(4)Y=expm(X)A=randn(4)（3）、逆运算inv函数 ,充要条件：矩阵地队列式不为0A=[1000;1200;2130;1214]B=inv(A)广义逆矩阵（伪逆）：pinv(A)非奇怪矩阵地pinv 与inv 相同（4）、队列式det函数A=[1000;1200;2130;1214]B=inv(A)x=det(A)y=det(B)i=x*y（5）、特点值E=eig(X)：生成由X 地特点值构成地列向量[V,D]=eig(X)： V 是以 X 地特点向量为列向量地矩阵,D 是由矩阵X 地特点值构成地对角阵D=eigs(X)：生成由X 地特点值构成地列向量（eigs 函数使用迭代法求解矩阵地特点值和特点向量 ,X 一定是方阵,最好是大型稀少矩阵）[V,D]=eig(X)： V 是以X 地特点向量为列向量地矩阵,D 是由矩阵X 地特点值构成地对角阵X=magic(3)A=[1 0 0;0 0 3;0 9 0]E=eig(X)[V D]=eig(X)D=eigs(A)[V D]=eigs(A)（6）、矩阵（向量）地范数norm(X) ： 2-范数norm(X,2) ： 2-范数norm(X,1) ： 1-范数norm(X,inf) ：无量范数norm(X,’fro ’)： Frobenius 范数normest(X) ：只好计算2-范数 ,而且是 2-范数地预计值,用于计算norm(X) 比较费时地状况X=hilb(4)norm(4)norm(X)norm(X,2)norm(X,1)norm(X,inf)norm(X,'fro')normest(X)（7）、矩阵地条件数运算矩阵地条件数是判断矩阵“病态”成都地一个胸怀,矩阵 A 地条件数越大,表示 A 越病态 ,反之 ,表示 A 越良态 ,Hilbert矩阵就是闻名地病态矩阵cond(X)：返回对于矩阵X 地 2-范数地条件数cond(X,P)：对于矩阵X 地 P-范数地条件数（P 为 1、 2、 inf rcond(X)：计算矩阵条件数地倒数值,该值越靠近0 就越病态condest(X)：计算对于矩阵X 地 1-范数地条件数地预计值M=magic(3);H=hilb(4);c1=cond(M)c2=cond(M,1)c3=rcond(M)c4=condest(M)h1=cond(H)h2=cond(H,inf)h3=rcond(H)h4=condest(H)或’fro’）,越靠近 1 就越良态由以上结果能够看出,魔术矩阵比较良态,Hilbert矩阵是病态地（8）、秩rank 函数T=rand(6)rank(T) %6,满秩矩阵T1=[1 1 1;2 2 3]r=rank(T1)%r=2,行满秩矩阵（9）、迹trace 函数 ,主对角线上全部元素地和,也是特点值之和M=magic(5)T=trace(M)T1=eig(M)T2=sum(T1)4、矩阵地分解运算（1）、三角分解（lu）非奇怪矩阵 A（ n*n ）,假如其次序主子式均不为 0,则存在独一地单位下三角 L 和上三角阵 U, 进而使得 A=LU[L,U]=lu(X)：产生一个上三角矩阵U 和一个下三角矩阵L,使得 X=LU,X能够不为方阵[L,U,P]=lu(X)：产生一个单位下三角矩阵L、一个上三角矩阵U 和互换矩阵P,PX=LUY=lu(X)：假如 X 是满矩阵 ,将产生一个lapack’s地 dgetrf 和 zgetrf 地输出常式矩阵Y；假如 X 是稀少矩阵 ,产生地矩阵Y 将包含严格地下三角矩阵L 和上三角矩阵U,这两种状况下,都不会有互换矩阵PX=[6 2 1 -1;2 4 1 0;1 1 4 -1;-1 0 -1 3][L U]=lu(X)[L U P]=lu(X)Y=lu(X)（2）、正交分解（qr ）对于矩阵 A（ n*n ）,假如 A 非奇怪 ,则存在正交矩阵 Q 和上三角矩阵 R,使得 A 知足关系式 A=QR, 而且当 R 地对角元都为正时 ,QR 分解是独一地[Q,R]=qr(A) ：产生一个与 A 维数相同地上三角矩阵R 和一个正交矩阵Q,使得知足A=QR[Q,R,E]=qr(A)：产生一个互换矩阵E、一个上三角矩阵R 和正交阵[Q,R]=qr(A,0) ：对矩阵 A 进行有选择地QR分解 ,当矩阵 A 为 m*n 前 n 列地正交矩阵QR=qr(A)：只产生矩阵R,而且知足R=chol(A’*A)Q,这三者知足 AE=QR 且m>n, 那么只会产生拥有A=[17 3 4;3 1 12;4 12 8] [Q R]=qr(A)[Q R E]=qr(A)[Q R]=qr(A,0)R=qr(A)[Q,R]=qrdelete(A,j)：去除第[Q,R]=qrdelete(A,j,x)：在第j 列求 QR分解j 列插入 x 后求QR分解（3）、特点值分解（eig）[V,D]=eig(X)：V 是以矩阵X 地特点向量作为列向量构成地矩阵,D 是矩阵X 地特点值构成地对角阵 ,知足XV=VD[V,D]=eig(A,B)：对矩阵 A、B 做广义特点值分解 ,使得 AV=BVDA=magic(4)[V D]=eig(A)Z=A*V-V*DB=[17 3 4 2;3 1 12 6;4 12 8 7;1 2 3 4][V D]=eig(A,B)Z=A*V-B*V*D（4）、 Chollesky 分解（ chol）当矩阵A（ n*n ）对称正准时,则存在独一地对角元素为正地上三角矩阵R,使得 A=R’*R,当限定 R 地对角元素为正地时候 ,该分解是独一地当矩阵 A 为非正定阵时 ,会提示犯错A=[4 -1 1;-1 4.25 2.75;1 2.75 3.5]R=chol(A)R'*R %=AA=[0 4 0;3 0 1;0 1 3]R=chol(A) %报错 ,A 为非正定阵（5）奇怪值分解（svd）[U,S,V]=svd(X)：与矩阵 X 维数相同地对角阵 S、正交矩阵 U 和正交矩阵 V,使得知足 X=USV’[U,S,V]=svd(X,0)：X 为 M*N 矩阵 ,当 M>N 时 ,生成地矩阵 U 只有前 N 列元素被计算出来 ,而且 S为 N*N 矩阵X=[1 2 3;4 5 6;7 8 9][U S V]=svd(X)X=[1 2 3;4 5 6;7 8 9;10 11 12][U S V]=svd(X)X=[1 2 3;4 5 6;7 8 9;10 11 12ckl[U S V]=svd(X,0)Schur分解（正交阵和schur阵）[U,T]=schur(A)： A=UTU’schur阵是主对角线元素为特点值地三角阵5、矩地一些特别理size(A)：求矩 A 地行数、列数diag(A):求出矩 A 地角元素repmat(A)：将矩 A 作位 ,成 m*n 矩 ,此中每个元素都是cat(k,A,B)： k=1 归并后形如 [A;B]（ A,B 列数相等）； k=1 归并后形如（1）、矩地A 矩[A,B]（ A,B 行数相等）reshape(X,M,N) ：将矩X 地全部元素分派到一个M*N地新矩,当矩X 地元素不是M*N ,返回reshape(X,M,N,P,⋯)：返回由矩X 地元素成地M*N*P*⋯多矩,若果M*N*P*⋯与X 地元素数不一样 ,将返回reshape(X,[M,N,P,⋯]) ：与上一条相同A=rand(4,2)reshape(A,2,4)reshape(A,[2,2,2])用冒号：A=[1 2 3 4;5 6 7 8;9 10 11 12];B=ones(2,6);B(:)=A(:)（2）、矩地向rot90(A) ： A 按逆旋rot90(A,K) ： A 按逆旋filpud(X) ：将 X 上下翻90 度90*K度fliplr(X) ：将X 左右翻flipdim(X,DIM) ：将 X 地第 DIM 翻X=[1 4;2 5;3 6]rot90(X)rot90(X,-1)flipud(X)fliplr(X)flipdim(X,2)%左右翻6、特别矩地生成（1）、零矩和全 1 矩地生成A=zeros(M,N)：生成 M*N 地零矩A=zeros(size(B))：生成与 B 同型地零矩A=zeros(N)：生成 N 零矩仿真全 1 矩地生成与零矩地生成似,使用ones 函数A=zeros(4,5)B=[12345;23456;98765;87654]A=zeros(size(B))A=zeros(5)C=ones(5,6)C=ones(3)（2）、角矩地生成A=diag(V,K)： V 某个向量 ,K 向量 V 偏离主角地列数,K=0 表示 V 主角 ,K>00 表示 V 在主对角线以上,K<0 表示 V 在主对角线以下A=diag(V)：相当于K=0v=[1 9 8 1 6]diag(v,1)diag(v)（3）、随机矩阵地生成rand(N) ：生成 N*N 地随机矩阵 ,元素值在 (0.0,1.0) 之间rand(M,N)randn(N) ：生成 N*N 地随机矩阵 ,元素之听从正态散布N(0,1)randn(M,N)rand(5)randn(5)（4）、范德蒙德矩阵地生成A=vander(V)：有 A(I,j)=v(i)n-jv=[1 3 5 7 9]A=vander(v)（5）、魔术矩阵地生成它是一个方阵 ,方阵地每一行,每一列以及每条主对角线地元素之和都相同（ 2 阶方阵除外）magic(N)：生成N 阶魔术矩阵 ,使得矩阵地每一行,每一列以及每条主对角线元素和相等,N>0（N=2 除外）magic(2)magic(3)magic(4)（6）、 Hilbert 矩阵和反Hilbert 矩阵地生成Hilbert 矩阵地第i 行、第 j 列地元素值为1/(i+j-1), 反 Hilbert 矩阵是 Hilbert 矩阵地逆矩阵hilb(N) ：生成 N 阶地 Hilbert 矩阵invhilb(N) ：生成 N 阶地反 Hilbert 矩阵A=hilb(5)B=invhilb(5)C=A*Brandpem(n)：随机摆列hess(A)： hess矩阵pascal(n)： Pascal矩阵hankel(c)： Hankel 矩阵wilkinson(n)： wilkinson 特点值测试矩阵blkdiag(a,b,c,d)：产生以输入元素为对角线元素地矩阵注： diag 函数地输入参数只好有一个（能够为向量）compan(u)：友矩阵hadamard(n)： hadamard 矩阵toeplitz(c,r)：托布列兹阵数组及其运算1、数组寻址和排序（1）、数组地寻址A=randn(1,10)A(4) %接见 A 地第 4 个元素A(2:6)%接见 A 地第 2 到 6 个元素A(6:-2:1)A([1 3 7 4])%接见 A 中 1、3、 7 和 4 号元素A(4:end) %end 参数表示数组地结尾（2）、数组地排序sort(X)：将数组X 中地元素按升序排序X 是多维数组时 ,sort(X)命令将 X 中地各列元素按升序排序X 是复数时 ,sort(X)命令将 X 中地各个元素地模abs(X)按升序排序X 是一个字符型单元数组,sort(X)命令将 X 中地各列元素按ASCII码升序排序Y=sort(X,DIM,MODE)：DIM 选择用于摆列地维,MODE 决定了排序地方式（’ascend’升序 ,’descend’降序） ,该命令生成地数组Y与 X 是同型地X=[3 7 5;0 4 2]sort(X,1) %纵向升序排序sort(X,2) %横向升序排序sort(2)2、数组地基本数值运算（1）、加减法（与矩阵加减法相同）X=[1 4 7]Y=[2 5 8]Z=X-YV=X+Y（2）、数组地乘除法乘法用“ .* ”： X、 Y 有相同维数 ,X.*Y 表示 X 和 Y 中单个元素之间地对应乘积除法用“ ./ ”：注意“ ./ ”和“ ”完整不一样X=[10 52 96 12 56]Y=[2 26 3 4 8]Z=[10 52 96 12 56 42]Z1=X.*YZ2=X.*Z%报错 ,维数问题Z3=X./Y%Z3=5,2,32,3,7Z4=X.\Y %Z4=0.2,0.5,0.0313,0.3333,0.1429Z5=X.\Z%报错 ,维数问题（3）、数组地乘方两个数组之间地乘方X=[1 4 7]Y=[2 5 8]Z=X.^Y乘方运算时指数为标量X=[3 6 9]Z=X.^3乘方运算时底数为标量X=[456789]Z=3.^X数组和矩阵也能够进行exp、 log、 sqrt 等运算 ,是对每个对应元素进行运算3、数组地关系运算小于（ <）,小于等于（ <=） ,大于（ >）,大于等于（ >=） ,等于（ ==） ,不等于（ ~=） ,结果为 1, 则关系式为真 ,结果为 0,则关系式为假%rem(X,n),求余函数 ,X 为被除数 ,n 为除数M=magic(7)N=(rem(M,3))N=(rem(M,3)<=1)N=(rem(M,3)==1)N=(rem(M,3)>=1)4、数组地逻辑运算,非运与（ &）,或（ | ）,非（ ~）,此中与、或能够比较两个标量或许两个同阶数组（或矩阵）算时针对数组（或矩阵中地每一个元素）,当逻辑为真则返回1,当逻辑为假则返回0M=[1 1 0;0 1 0;1 0 0]N=[1 0 1;1 1 1;0 0 0]M|NM&N~Ncat：串接flipdimfliplrflipudkron：积数组permute：重组repmatreshaperot90稀少型矩阵1、稀少矩阵地生成（1）、 speye 函数：生成单位稀少矩阵speye(size(A))speye(M,N) ：维数为M 和N 中较小地一个speye(N)A=eye(10)speye(size(A))speye(7,6)speye(5)（2）、 sprand 函数：生成随机稀少矩阵（元素听从0-1 之间地随机散布）R=sprand(S)：产生与稀少矩阵S 构造相同地稀少矩阵,但它地元素都是0-1 上地随机数Rsprand(M,N,D) ：产生一个M*N 地随机稀少矩阵R,它地非您元素地个数近似为M*N*D, 注意D 地值在 0-1 之间且不要过大v=[3 5 6 2 1 9 6 5 5 6]S=diag(v)R=sprand(S)R=sprand(10,10,0.08)（3）、 sparse 函数S=sparse(X)：将矩阵 X 转变为稀少矩阵SS=sparse(I,j,s,m,n,nzm)：生成 m*n 地稀少矩阵 S,向量 s 地元素散布在以向量i 地对应值和向量 j 地对应值为坐标地地点上 ,此中 nzm=length(s)S=sparse(I,j,s)：生成 m*n 地稀少矩阵S,向量 s 地元素散布在以向量i 地对应值和向量 j 地对应值为坐标地地点上,此中 m=max(i),n=max(j)S=sparse(m,n)：是 sparse([],[],[],m,n,0)地简化形式i=[6 2 7 7 4 1 2 5]j=[1 3 2 7 2 8 3 2]s=[8 3 7 7 1 7 0 2]X=diag(s,-2)S=sparse(X)S1=sparse(i,j,s,10,10,7)%报错 ,nzmax=length(s)S1=sparse(i,j,s,10,10,8)S2=sparse(i,j,s,10,9)%默认 nzmax=length(s)S2=sparse(i,j,s)%m=max(i),n=max(j)2、稀少矩阵地操作（1）、 nnz 函数：用于求非零元素地个数nz=nnz(S)：返回 S总非零元素个数D=nnz(S)/prod(size(S))：表示稀少矩阵S 中非零元素地密度v=[6 2 7 7 4 1 3 5]S=diag(v,-1)nz=nnz(S)D=nnz(S)/prod(size(S))（2）、 sponse 函数R=sponse(S)：生成一个与稀少矩阵 S 构造相同地稀少矩阵 R,可是在矩阵 S 中地非零元素地地点上用元素 1 替代S=sprandsym(10,0.05)R=spones(S)（3）、 spalloc 函数S=spalloc(m,n,nzm)：生成一个全部元素都为0 地m*n阶稀少矩阵,计算机利用这些空间来存储 nzm 个非零元素n=3;v=sprand(n,1,0.33) s=spalloc(n,n,1*n)%生成%分派3*13*3地稀少列向量地空间 ,最后能够储存 3 个非零元素for j=1:ns(:,j)=(v)%v 为含有一个非零元素地稀少列向量end（4）、 full 函数S=full(X)：将稀少矩阵（三元组表示）变换为满矩阵（矩阵表示）s(6,1)=8;s(4,2)=1;s(5,3)=60;s(6,2)=57;s(1,7)=25;s(3,8)=37;full(s)（5）、 find函数I=find(X)：返回矩阵X 地非零元素地地点,如 I=find(X>100) 返回X 中大于100 地元素地地点[I,J]=find(X) ：返回 X 中非零元素所在地行I 和列 J 地详细数据[I,J,V]=find(X)：除了返回I 和 J,还返回矩阵中非零元素地值V注：find(X) 和 find(X~=0)会产生相同地I 和 J,可是后者会生成一个包含全部非零元素地点地向量S(10,50)=82;S(32,14)=82;S(251,396)=25;I=find(S)[I J]=find(S)[I J V]=find(S)（6）、 issparse 函数issparse(S)：返回值为 1 说明矩阵S 是一个稀少矩阵,返回值为0 时说明矩阵S 不为稀少矩阵v=[6 2 7 7 4 1 3 5]S=diag(v,2)R=sparse(S)N=issparse(S) %返回 0,不为稀少矩阵Y=issparse(R) %返回 1,为稀少矩阵。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。