matlab考试 基础Word文档下载推荐.docx
《matlab考试 基础Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《matlab考试 基础Word文档下载推荐.docx（25页珍藏版）》请在冰豆网上搜索。
由flag指定算法来计算特征值D和特征向量V，flag的可能值为：
'
chol'
：
表示对B进行cholesky分解算法，这里A是对称的Hermitian矩阵，B为正定矩阵。
www.iLoveM
qz'
表示使用qz分解算法，这里A、B是非对称或非Hermitian矩阵。
2.inv
Y=inv（X）
求方阵X的逆矩阵。
如果X是奇异方阵或接近奇异方阵那么输出一个警告信息。
实际上，很少需要用矩阵的逆矩阵。
inv函数被频繁滥用当解线性方程A*X=b时。
一个方法是用x=inv（A）*b，更好的方法是，无论在执行时间上还是数值精度上，用矩阵除法操作x=A\b.这是用高斯消元法求解的，没有用到逆矩阵。
3、rank
rank函数提供了对全矩阵线性无关的行或列的个数的估计。
k=rank（A）
返回矩阵A中精度大于默认精度max（size（A））*eps（norm（A））的奇异值的个数。
k=rank（A,tol）
返回矩阵A中大于tol的奇异值的个数。
4、tref
5、lu
矩阵的三角分解有称LU分解，目的是将一个矩阵分解为一个下三角矩阵L和一个上三角矩阵U的乘积，即A=LU。
[L,U]=lu（A）
U为上三角阵，L为下三角阵或其变换形式，满足LU=X。
[L,U,P]=lu（A）
U为上三角阵，L为下三角阵，P为单位矩阵的行变换矩阵，满足LU=PA.
Y=lu（A）
[L,U,P,Q]=lu（A）
[L,U,P,Q,R]=lu（A）
[...]=lu（A,'
vector'
）《Simulink与信号处理》
[...]=lu（A,thresh）
[...]=lu（A,thresh,'
6、find
ind=find（X）
找出数组X中的所有非零的元素的位置，并且在向量ind中返回非零元素的线性索引。
如果X是一个行向量，则ind也是一个行向量，否则，ind是一个列向量。
如果X没有非零元素或者是空数组，则ind为空数组。
ind=find（X,k）或ind=find（X,k,'
first'
最多返回数组X中所有非零元素的前k个元素的索引值，k必须为正整数，但可以是任意数值数据类型。
ind=find（X,k,'
last'
最多返回数组X中所有非零元素的后k个元素的索引值。
[row,col]=find（X,...）
返回矩阵X中非零元素的行和列的索引，此语法尤其对稀疏矩阵更使用。
如果X是N>
2的多维数组，col是列的线性索引，比如，对5*7*3的数组X，其中在X（4,2,3）元素不为0，则find返回4在向量row中返回16在向量col，这是因为，（7列在第1页中）+（7列在第2页中）+（2列在第3页中）=16。
[row,col,v]=find（X,...）
返回X中非零元素的列向量或行向量v和对应的行与列的索引。
如果X是一个逻辑式，则v是一个逻辑数组。
输出v包含表达式X计算出的逻辑数组的非零值。
比如：
A=magic（4）
A=
162313
511108
97612
414151
[r,c,v]=find（A>
10）;
r'
c'
v'
ans=
124413
122344
111111
这里返回向量v是包含数组N中非零元素的逻辑数组，其中N=（A>
10）.
7、randn
r=randn（n）
生成n*n的包含标准正态分布的随机矩阵。
randn（m,n）或randn（[m,n]）
生成的m*n随机矩阵。
randn（m,n,p,...）或randn（[m,n,p,...]）
生成的m*n*p随机矩数组。
randn
产生一个随机数。
randn（size（A））
生成与数组A大小相同的随机数组。
r=randn（...,'
double'
）或r=randn（...,'
single'
）返回指定类型的标准随机数，其中double指随机数为双精度浮点数，single指随机数为单精度浮点数。
输入参数m，n，p,....应该是非负整数，负数倍看作为0。
randn生成的随机数序列由MATLAB内部标准随机数发生器决定，默认的随机数序列属性可以用@RandStream方法设置，设置不同的属性可以生成不同的随机数。
由于在MATLAB软件起动的时候随机数发生器初始化成相同状态，函数rand,randn和randi将生成相同的随机数序列。
Matlab中文论坛
MATLAB7.7之前版本，能够通过随机数种子的'
state'
'
twister'
关键词控制随机数序列的内部状态，该方法在MATLAB后继版本中仍然可以使用，但是不推荐使用，推荐使用@RandStream方法
8、randi
randi（imax）
生成在区间1:
imax的随机整数。
r=randi（imax,n）
生成n*n的包含在1:
imax内离散均匀分布的随机整数矩阵。
randi（imax,m,n）或randi（imax,[m,n]）Matlab中文论坛
randi（imax,m,n,p,...）或randi（imax,[m,n,p,...]）
randi（imax,size（A））
r=randi（[imin,imax],...）
生成包含在imin:
r=randi（...,classname）
返回指定类型classname的整数数组，classname不支持64位整数。
randi生成的随机数序列由MATLAB内部标准随机数发生器决定，默认的随机数序列属性可以用@RandStream方法设置，设置不同的属性可以生成不同的随机数。
9、eye
Y=eye（n）
生成n*n的单位阵。
Y=eye（m,n）或Y=eye（[mn]）
生成m*n的单位阵，其中对角线上为1，其他都为0，m,n大小应该为非负整数，负数被认为是0。
Y=eye（size（A））
生成与矩阵A相同大小的单位阵。
Y=eye（m,n,classname）
生成m*n的矩阵，其中对角线上为classname数据类型的1，其他都为classname数据类型的0，classname是指定的数据输出类型字符串，classname可能取一下值：
int8'
uint8'
int16'
uint16'
int32'
uint32'
int64'
或'
uint64'
.book.iLoveM
高维数组没有单位矩阵，eye（[2,3,4]）的结果是错误。
10、poly
p=poly（A）
当A为n*n的矩阵时，返回包含n+1个元素的行向量，其元素为特征多项式的系数：
det（sl-A）。
系数是按照降幂排列的。
如果向量p有n+1元素,则其代表的多项式为c1*s^n+...+cn*s+c（n+1）。
p=poly（r）
其中r是一个向量，返回其元素是多项式系数的行向量，其中多项式的根式r中的元素
11、max
C=max（A）
返回数组A不同维数的最大值。
如果A是一个向量时，max（A）返回向量的最大值；
《Simulink与信号处理》
如果A为一个矩阵时，max（A）把矩阵中的每列看成一个向量，返回一个包含每一列所有元素的最大值的行向量。
如果A是一个多维矩阵时，max（A）把矩阵中的第一个非单一维部分看成一个向量，返回每个向量的最大值。
book.iLoveM
C=max（A,B）
返回A和B中对应位置的最大元素，C的大小与A和B一致，A和B的维数必须一致或者都是标量。
C=max（A,[],dim）
返回A中沿着由标量dim指定维数的最大元素，比如，max（A,[],1）返回A中第一维（行）的最大值。
[C,I]=max（...）
找出A中最大元素及其索引，把最大值返回给C，最大值索引返回给I。
如果有几个相同的最大值，那么返回第一个被发现的索引。
12、ployfit
13、std
s=std（X）
如果X是一个向量，用上面公式
（1）返回标准差。
结果s是数据X分布的无偏估计方差的平方根，只要数据X是有独立同分布样本组成。
如果X是一个矩阵，std（X）返回一个包含每一列所有元素的标准差的行向量。
如果A是一个多元数组，std（X）将沿着数组X中第一个非单一维的值来计算标准差。
s=std（X,flag）
若flag=0，这个命令和s=std（X）功能相同。
若flag=1，std（X,1）用上面公式2来计算标准差。
s=std（X,flag,dim）
用指定的标量dim沿着数据X的维数来计算标准差，设置flag为0用n-1去标准化X，设置flag为1用n去标准化。
14、fft
句法
Y=fft（X）
Y=fft（X,n）
Y=fft（X,[],dim）
Y=fft（X,n,dim）
n为离散傅里叶变换的点数，如果取n为2的幂函数，则可进行快速傅里叶变换。
当x的长度小于n时，x会被补零填充到与n同样的长度;
当x的长度大于n时，x会被截断。
如果x是个矩阵，列的长度将会以同样的方式调整，fft会对每列进行傅里叶变换，并返回一个相同维数的矩阵。
15、syms
symsarg1arg2...
该句法表示symsarg1arg2...为arg1=sym（'
arg1'
）;
arg2=sym（'
arg2'
...的速记符号。
symsarg1arg2...real
该句法表示symsarg1arg2...real为arg1=sym（'
'
real'
r
升级会员 