Matlab 数组与矩阵

这篇具有很好参考价值的文章主要介绍了Matlab 数组与矩阵。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

矩阵 

1、v2=1:3:18  ;表示的是从1 开始  18 结束,间隔为3 的一个等差数列

v2 =

     1     4     7    10    13    16


2、linspace(1,10,9);,介于1-10 之间,取9个数,使得他们是一个等差数列
>> linspace(1,10,9)

ans =

    1.0000    2.1250    3.2500    4.3750    5.5000    6.6250    7.7500    8.8750   10.0000

3、 logspace(1,10,9) 等比数列
ans =

   1.0e+10 *

    0.0000    0.0000    0.0000    0.0000    0.0000    0.0004    0.0056    0.0750    1.0000


4、v(2)  // matlab 中的下标都是从1开始的,不是0
ans =

     2

5、>> c=[1;3;4;65]  // 列向量的创建,行与行之间的用;隔开

c =

     1
     3
     4
    65
6、>> mat=[1:4;455,667,6,77]  // 2行4列的矩阵

mat =

     1     2     3     4
   455   667     6    77

7、 randi([1 10],[4,3])  随机一个在1-10 之间,4行3列的矩阵
ans =

     9     7    10
    10     1    10
     2     3     2
    10     6    10
8、zeros(6)  6介0 矩阵

ans =

     0     0     0     0     0     0
     0     0     0     0     0     0
     0     0     0     0     0     0
     0     0     0     0     0     0
     0     0     0     0     0     0
     0     0     0     0     0     0


9、 eye(6)  6介单位矩阵

ans =

     1     0     0     0     0     0
     0     1     0     0     0     0
     0     0     1     0     0     0
     0     0     0     1     0     0
     0     0     0     0     1     0
     0     0     0     0     0     1

10 、diag([1,4,6,7])   // 生成括号中的单位矩阵

ans =

     1     0     0     0
     0     4     0     0
     0     0     6     0
     0     0     0     7


11、  M =randi([1,9],[3,5])

M =

     9     2     8     1     7
     5     4     9     8     7
     8     9     6     9     7



12、 M =randi([1,9],[3,4])

M =

     4     7     1     7
     6     1     1     3
     2     3     8     9

>> reshape(M,2,6)

ans =

     4     2     1     1     8     3
     6     7     3     1     7     9



13、>> diag(1:5)

ans =

     1     0     0     0     0
     0     2     0     0     0
     0     0     3     0     0
     0     0     0     4     0
     0     0     0     0     5

>> diag(1:4,1)  次对角线

ans =

     0     1     0     0     0
     0     0     2     0     0
     0     0     0     3     0
     0     0     0     0     4
     0     0     0     0     0

>> diag(1:5)+ diag(1:4,1)

ans =

     1     1     0     0     0
     0     2     2     0     0
     0     0     3     3     0
     0     0     0     4     4
     0     0     0     0     5

二、矩阵的基本操作

1、矩阵行列式变换  收尾行
M =

     4     7     1     7
     6     1     1     3
     2     3     8     9

>>  flipud(M)

ans =

     2     3     8     9
     6     1     1     3
     4     7     1     7


2、flip([123, 344,555])

ans =

   555   344   123

3、rot90(M)

ans =

     7     3     9
     1     1     8
     7     1     3
     4     6     2


4、  A=[1 2;3 4]

A =

     1     2
     3     4

>> repmat(A,2,3)

ans =

     1     2     1     2     1     2
     3     4     3     4     3     4
     1     2     1     2     1     2
     3     4     3     4     3     4


5、A =

     1     2
     3     4

>> repelem(A,2,3)

ans =

     1     1     1     2     2     2
     1     1     1     2     2     2
     3     3     3     4     4     4
     3     3     3     4     4     4



6、 E=[]

E =

     []

>> size(E)

ans =

     0     0

>> [E A]

ans =

     1     2
     3     4

7、diff([1 3 45 5 ])   // 差值   difference

ans =

     2    42   -40
E=[E,randi([1,6])]

E =

     1

>> E=[E,randi([1,6])]

E =

     1     3

>> E=[E,randi([1,6])]

E =

     1     3     3

>> E=[E,randi([1,6])]

E =

     1     3     3     5

>> E=[E,randi([1,6])]

E =

     1     3     3     5     5

>> E=[E,randi([1,6])]

E =

     1     3     3     5     5     2

>> E=[E,randi([1,6])]

E =

     1     3     3     5     5     2     3

>> E=[E,randi([1,6])]

E =

     1     3     3     5     5     2     3     3

>> 

三、矩阵的简单运算

1、 [1 3  4 6]*3   // 矩阵的乘法 加法

ans =

     3     9    12    18



2、矩阵之间的加减法
C=[2  5  7 88 8]

C =

     2     5     7    88     8

>> D=[24  55  75 858 85]

D =

    24    55    75   858    85

>> C+D

ans =

    26    60    82   946    93


2、矩阵的乘法   对应原始相乘
C.*D

ans =

          48         275         525       75504         680


3、 矩阵对应位置的乘方

>> A=[ 1 3 4]

A =

     1     3     4

>> B=[2 4 0]

B =

     2     4     0

>> A.^B  【1^1    3^4   4^0】

ans =

     1    81     1

 T(:,:,1)% T的括号中第一个: 表示的是所有的行
 第二个: 表示的是所有的列 

 Question:建立一个 3*4 的矩阵 ,连续创建5页,形成一个3位的数据


M=randi([1,9],[3,4])

M =

     6     3     2     9
     7     7     2     4
     7     6     5     6

>> T(:,:,1)=M

T =

     6     3     2     9
     7     7     2     4
     7     6     5     6

>> T(:,:,2)=randi([1,9],[3,4])

T(:,:,1) =

     6     3     2     9
     7     7     2     4
     7     6     5     6


T(:,:,2) =

     3     5     9     2
     7     7     5     3
     3     9     2     8

>> T(:,:,3)=randi([1,9],[3,4])

T(:,:,1) =

     6     3     2     9
     7     7     2     4
     7     6     5     6


T(:,:,2) =

     3     5     9     2
     7     7     5     3
     3     9     2     8


T(:,:,3) =

     3     9     3     4
     8     4     6     8
     3     2     5     6

>> T(:,:,4)=randi([1,9],[3,4])

T(:,:,1) =

     6     3     2     9
     7     7     2     4
     7     6     5     6


T(:,:,2) =

     3     5     9     2
     7     7     5     3
     3     9     2     8


T(:,:,3) =

     3     9     3     4
     8     4     6     8
     3     2     5     6


T(:,:,4) =

     5     7     6     5
     9     7     1     8
     3     4     1     9

>> T(:,:,5)=randi([1,9],[3,4])

T(:,:,1) =

     6     3     2     9
     7     7     2     4
     7     6     5     6


T(:,:,2) =

     3     5     9     2
     7     7     5     3
     3     9     2     8


T(:,:,3) =

     3     9     3     4
     8     4     6     8
     3     2     5     6


T(:,:,4) =

     5     7     6     5
     9     7     1     8
     3     4     1     9


T(:,:,5) =

     2     1     8     2
     6     4     3     6
     5     2     5     3







>> size(T)

ans =

     3     4     5




>> whos
  Name      Size             Bytes  Class     Attributes
          
  M         3x4                 96  double              
  T         3x4x5              480  double  

 
>> numel(T)

ans =

    60

// 绝对值==================================================================

>> V=randi([-5 5],[1 5])

V =

     2     2     3    -1    -5

>> abs(V)

ans =

     2     2     3     1     5



//  ======================================================================
>> sign(V)  % 单位 

ans =

     1     1     1    -1    -1



// =======================================================================

>> prod(V)   % 矩阵内的乘积

ans =

    60

>>   cumsum(V)  %   2 第一个的值 4是前面连个的和7是前面三个的和  

ans =

     2     4     7     6     1


>> cumprod(V)  2 第一个的值 4是前面连个的乘积 12是前面三个的乘积

ans =

     2     4    12   -12    60


>> cummax(V)

ans =

     2     2     3     3     3

>> cummin(V)

ans =

     2     2     2    -1    -5




=============================================================================

>> M

M =

     6     3     2     9
     7     7     2     4
     7     6     5     6

>> min(M)

ans =

     6     3     2     4


>> max(M)

ans =

     7     7     5     9


Matlab 数组与矩阵

 四、逻辑属性

>> r=rand(1,5)

r =

    0.2290    0.9133    0.1524    0.8258    0.5383

>> r>0.5

ans =

  1×5 logical 数组

   0   1   0   1   1


//===================================================================


>> u=r>0.5

u =

  1×5 logical 数组

   0   1   0   1   1

>> r(u)

ans =

    0.9133    0.8258    0.5383


//=======================================================================

>> vec=[5 7 8 9 7 0]

vec =

     5     7     8     9     7     0

>> vc=[0 1 0 1 0 0]

vc =

     0     1     0     1     0     0

>> vec(vc)
数组索引必须为正整数或逻辑值。
 
>> vec(vc=1)
无法将类型为 string 的值用作索引。
 
>> vc=logical([0 1 0 1 0 0])

vc =

  1×6 logical 数组

   0   1   0   1   0   0

//=====================================================================

>> 
>> log_true=ones(3,4,'logical')

log_true =

  3×4 logical 数组

   1   1   1   1
   1   1   1   1
   1   1   1   1

//=======================================================================




>>R=rand(50,50)

>> all(R>=0.001)

ans =

  1×50 logical 数组

  列 1 至 34

   1   1   1   1   1   1   1   1   1   0   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1

  列 35 至 50

   1   1   1   0   1   1   1   1   1   1   1   0   1   1   1   1

//=============================================================================

>> any(R<0.001)

ans =

  1×50 logical 数组

  列 1 至 34

   0   0   0   0   0   0   0   0   0   1   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0

  列 35 至 50

   0   0   0   1   0   0   0   0   0   0   0   1   0   0   0   0


//===================================================================
>> R1=rand(1,10)

R1 =

    0.8866    0.4468    0.8160    0.0983    0.8596    0.0276    0.8992    0.8999    0.5241    0.1202

>> R1>0.5

ans =

  1×10 logical 数组

   1   0   1   0   1   0   1   1   1   0

>> b=R1>0.5

b =

  1×10 logical 数组

   1   0   1   0   1   0   1   1   1   0

>> find(b)   // find 返回的是索引

ans =

     1     3     5     7     8     9



//=======================================================================
>> b=R1>0.5

>> n= find(b,1,'first')  //找到第一个逻辑正的索引

n =

     1



//====================================================================

>> v1=[1 2 4 5]

v1 =

     1     2     4     5

>> v2=[1 2 4 5]

v2 =

     1     2     4     5

>> all(v1==v2)

ans =

  logical

   1




>> v3=[1 2  4  4 5]

v3 =

     1     2     4     4     5

>> all(v1==v3)
对于此运算,数组的大小不兼容。



//===================================================================

>> v3=[1 2  4  4 5]

v3 =

     1     2     4     4     5

>> all(v1==v3)
对于此运算,数组的大小不兼容。

相关文档
 
>> isequal(v1,v3)

ans =

  logical

   0


//==================================================================
练习   删除矩阵中的负数  Vec=[11 -5  33 2 8 -4 25]

>> Vec=[11 -5  33 2 8 -4 25]

Vec =

    11    -5    33     2     8    -4    25

>> x=find(Vec<0)

x =

     2     6

>> Vec(x)=[]

Vec =

    11    33     2     8    25


//一句matlab 就能实现

>> Vec(find(Vec<0))=[]

Vec =

    11    33     2     8    25


// 这个是速度最快的
Vec=[11 -5  33 2 8 -4 25];
Vec(Vec<0)=[];
>> Vec=[11 -5  33 2 8 -4 25]

Vec =

    11    -5    33     2     8    -4    25

>> Vec(Vec<0)=[]

Vec =

    11    33     2     8    25



//============================================================================
// 练习, 有 一个数组原始 1 或者 1  ,1000个元素,找出前面是1 后面是0  ,和前面是0 后面是1 的元素

>> rng(0)
>> V=randi([0,1],[1,1000]);
>> % switching   0  ->1    ,1->0

// 如下

>> V(1:10)

ans =

     1     1     0     1     1     0     0     1     1     1

>> diff(V(1:10))

ans =

     0    -1     1     0    -1     0     1     0     0

>> find(diff(V(1:10))==-1)

ans =

     2     5

>> find(diff(V(1:10))==1)

ans =

     3     7


* 0  ->1    ,1->0的这种情况有多少个
>> size(diff(V)==1)

ans =

     1   999

>> numel(diff(V)==1)

ans =

   999

>> sum(diff(V)==1)

ans =

   243

>> sum(diff(V)==-1)

ans =

   243



//===================================================================================
练习    

>> U=randi([0 2],[1,1000]);% U 中有 0-2之间的整数组成,有1000个
>> U(1:10)

ans =

     1     1     2     0     1     1     1     0     0     1

>> %1-2 的事件有多少次,有两种思路,可以将0转成NaN
>> U2(U2==0)==NaN

第二中思路,将数见减去 1 
>> U=U-1;
>> sum(diff(U)==-1)

ans =

   240



//=============================================================================
科学计数法的e 
>> 3.4444E5

ans =

      344440




















五、矩阵的乘法

矩阵之间的乘法

>> M1=randi([1,9],[3,4])

M1 =

     4     7     7     2
     3     4     6     9
     9     1     1     5


>> M2=randi([1,8],[4,3])

M2 =

     4     5     1
     3     3     8
     6     2     5
     8     4     2

>> M1*M2  矩阵的乘法  点乘,第一个矩阵的列是和第二个矩阵的行数要相同

ans =

    95    63    99
   132    75    83
    85    70    32


//  ===========================================================================
>> M0=randi([1,9],[4,4])

M0 =

     5     5     1     1
     1     6     5     9
     8     7     1     7
     4     4     7     9

>> M0^2  两个矩阵的乘法,第一个矩阵的列是和第二个矩阵的行数要相同

ans =

    42    66    38    66
    87   112    99   171
    83   117    93   141
   116   129    94   170

>> M0.^2 这个表示的矩阵中的数据的平方

ans =

    25    25     1     1
     1    36    25    81
    64    49     1    49
    16    16    49    81


>> M0.^2.5

ans =

   55.9017   55.9017    1.0000    1.0000
    1.0000   88.1816   55.9017  243.0000
  181.0193  129.6418    1.0000  129.6418
   32.0000   32.0000  129.6418  243.0000

>> M0.^5

ans =

        3125        3125           1           1
           1        7776        3125       59049
       32768       16807           1       16807
        1024        1024       16807       59049
// ==============================================================================

>> size(M0)

ans =

     4     4

>> M0

M0 =

     5     5     1     1
     1     6     5     9
     8     7     1     7
     4     4     7     9

>> V2=randi([1,9],[4,1])

V2 =

     5
     3
     3
     7

>> M0*V2

ans =

    50
   101
   113
   116


//=================================================================





向量之间的乘法:

//=============================================================
点乘
>> V1=randi([1,5],[1,3])

V1 =

     5     2     4

>> V2=randi([1,9],[1,3])

V2 =

     1     6     4

>> V1.*V2  向量之间对应的元素的点乘

ans =

     5    12    16


内积
有两种方法:
>> % 内积   假如V1=[a b c ]  V2=[a1 b1 c1],那么V1V2 的内积就是 a*a1+ b*b1+c*c1
>> sum(V1.*V2)// 第一种

ans =

    33

>> V1*V2' % 内积  第二种

ans =

    33

注意:V2' 是矩阵的装置它的优先级是高于乘法的



//==================================================
差积

>> cross(V1,V2)

ans =

   -16   -16    28


>> V3=[1]

V3 =

     1

>> cross(V3,V3)
错误使用 cross (第 29 行)
在获取交叉乘积的维度中,A 和 B 的长度必须为 3。
 


五、常用的矩阵

希尔伯特方矩阵
>> hilb(3)

ans =

    1.0000    0.5000    0.3333
    0.5000    0.3333    0.2500
    0.3333    0.2500    0.2000


// pascal 矩阵
>> pascal(5)

ans =

     1     1     1     1     1
     1     2     3     4     5
     1     3     6    10    15
     1     4    10    20    35
     1     5    15    35    70


// magic矩阵  行和列的和都是一样的
>> magic(5)

ans =

    17    24     1     8    15
    23     5     7    14    16
     4     6    13    20    22
    10    12    19    21     3
    11    18    25     2     9


//=========================================================================
找出一个矩阵中的某个值的具体位置(索引)
>> M=randi([1,9],[4,4])

M =

     4     6     7     6
     9     1     7     2
     8     8     7     7
     9     9     4     1

>> find(M==1)

ans =

     6
    16

>> [i,j]=ind2sub(size(M),find(M==1))  // 找到这个索引和位置

i =

     2
     4


j =

     2
     4


//==========================================================================

Matlab 数组与矩阵

矩阵的基本使用总结:

 Matlab 数组与矩阵

 文章来源地址https://www.toymoban.com/news/detail-440719.html

A =

     1     2     3     4     5
    12    12    14    56   657
    23    46    34    67    56
A(:,3) % 表示的是返回A矩阵的第3列的向量----------------------------
   ans =

     3
    14
    34

A(2,:) % 表示返回矩阵A的第2行的向量
 ans =

    12    12    14    56   657

A(:,2:5) % 表示返回的是从第二列到第5类的子矩阵---------------------
ans =

     2     3     4     5
    12    14    56   657
    46    34    67    56
A(1:2,3:5)  % 表示返回一个2*3的矩阵-----------------------------
ans =

     3     4     5
    14    56   657


B(:) % 表示将矩阵B中的每个元素按照列 合并成一个列向量----------------------------
ans =

     1
     2
     3
     1
     2
     3
     1
     2
     3
     1
     2
     3
     1
     2
     3
A(2,5)% 表示返回矩阵A中的第2行第5列的那个元素   --------------------
657



 A(:,[2 5])  % 表示返回矩阵中第2 5 列的所有列向量-------------------------

ans =

     2     5
    12   657
    46    56





 [max_A,index]=max(A,[],1)  求出矩阵每列中的最大值:--------------------

max_A =

    23    46    34    67   657


index =

     3     3     3     3     2


 [min_A,index]=min(A,[],2) 求出矩阵每行中的最小值:--------------------


min_A =

     1
    12
    23


index =

     1
     1
     1

矩阵的合并:

horzcat(A,B)  //水平合并

>> A=[1   2  3  4  5;

   12 12 14 56 657;

   23 46 34 67 56];

B=[1 1 1 1 1;

     2 2 2 2 2;

     3 3 3 3 3];
>> horzcat(A,B) %矩阵A,B左右合并

Matlab 数组与矩阵

 竖直方向上的合并:

vertcat(A,B);

Matlab 数组与矩阵

 矩阵的基本运算:

a、A+/-B,表示矩阵A和矩阵B中对应位置元素的相加 /减


Matlab 数组与矩阵

 b、A.*B 和A./B: 表示的是A矩阵中和B矩阵中对应元素的乘除,是点元素,和顺序没有关系  

[1,2,3].*[4,5,6]   =1*4   2*5   3*6  =【4 10  18】  点乘   

Matlab 数组与矩阵

 

 c、矩阵的乘法要严格遵守  A(m*n)*B(n*z)=Z(m*z)

Matlab 数组与矩阵

 d、矩阵的除法,必须要求A(m*n).*B(m*n)=Z(m*n)

可以看成 A* B(-1),B(-1)表示的是B矩阵的逆,但是这种方法强烈不推荐。

Matlab 数组与矩阵

 

 举例2:

Matlab 数组与矩阵

 

 e、矩阵之间的点乘  必须要求A(m*n).*B(m*n)=Z(m*n)

Matlab 数组与矩阵

 Matlab 数组与矩阵

 f、A^B  表示矩阵A的B 次幂(B是矩阵)

如果B是一个数字数字

Matlab 数组与矩阵

 g、A.^B  表示矩阵A的B 次幂(B是矩阵点乘)

  如果B是数字,A(矩阵).^4 表示的是每个元素的做4次1

Matlab 数组与矩阵

 如果B是矩阵:表示矩阵A的每个元素的B次幂

Matlab 数组与矩阵

 

到了这里,关于Matlab 数组与矩阵的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【数理知识】三维空间旋转矩阵的欧拉角表示法,四元数表示法,两者之间的转换,Matlab 代码实现

    序号 内容 1 【数理知识】自由度 degree of freedom 及自由度的计算方法 2 【数理知识】刚体 rigid body 及刚体的运动 3 【数理知识】刚体基本运动,平动,转动 4 【数理知识】向量数乘,内积,外积,matlab代码实现 5 【数理知识】最小二乘法,从线性回归出发,数值举例并用最小

    2024年02月12日
    浏览(48)
  • 果然AIGC还是对动漫制作下手了,不过是从数据集AnimeRun开始

    原文链接:https://www.techbeat.net/article-info?id=4327 作者:seven_ 最近AIGC领域的新工作几乎呈现一种井喷式的发展,借助AI模型天马行空的想象力,研究者们开始在各种 图像和视频内容领域 发力,本文介绍一篇发表在 NeurIPS 2022 Dataset and Benchmark Track 上的新工作。该工作并非是像近期

    2024年02月09日
    浏览(47)
  • 【从零开始写博客】数组运用:数组排序,字符串搜索和矩阵模拟(day2)

    【数组】Day1 目录 代码随想录刷题60天 引例一: 排序算法 直接插入(直接排序) 冒泡排序 双指针法 快速排序(递归法) 引例二 ​编辑 滑动窗口 引例三 总结与心得 该题为leetcode上一道简单难度的题,该题需要解决的问题是对已有数组中的数据进行平方处理后排序。其中数

    2024年02月16日
    浏览(33)
  • 正则表达式中 “$” 并不是表示 “字符串结束

    作者:Seth Larson 译者:豌豆花下猫@Python猫 英文:Regex character “$” doesn\\\'t mean “end-of-string” 转载请保留作者及译者信息! 这篇文章写一写我最近在用 Python 的正则表达式模块( re )开发 CPython 的 SBOM 工具时发现的一个令人惊讶的行为。 如果用过正则表达式,你可能知道 ^

    2024年04月15日
    浏览(37)
  • Matlab 数组与矩阵

    二、矩阵的基本操作 三、矩阵的简单运算  四、逻辑属性 五、矩阵的乘法 矩阵之间的乘法 向量之间的乘法: 五、常用的矩阵 矩阵的基本使用总结:     horzcat(A,B)  //水平合并  竖直方向上的合并:  矩阵的基本运算: a、A+/-B,表示矩阵A和矩阵B中对应位置元素的相加 /减

    2024年02月04日
    浏览(31)
  • Matlab——数组与矩阵(1)

    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,

    2024年04月17日
    浏览(43)
  • Matlab矩阵数组入门指南

    Matlab是一种高级技术计算语言,广泛应用于工程、科学和经济分析领域,可以用于数据可视化、数值计算等。本文将着重介绍Matlab中的矩阵数组。矩阵数组是Matlab中最基本的数据类型,是一个数值矩阵或字符矩阵的集合。矩阵数组可以用一维和二维数组来表示,其中一维数组

    2024年02月06日
    浏览(38)
  • MATLAB 1:向量、矩阵与数组

    目录 一、基本概念 1. 常量、变量和标量   (1)常量   (2)变量         1) 变量的命名规则         2)变量的声明与删除   (3)标量 2. 向量、矩阵和数组   (1)向量   (2)矩阵   (3)数组 二、向量 1. 向量的创建   (1)直接输入法   (2)冒号表达式法   (3)函

    2024年02月04日
    浏览(42)
  • Matlab矩阵和数组的操作

    1、直接输入法 将矩阵的元素用方括号括起来,按矩阵行的顺序输入各元素,同一行的各元素之间用空格或逗号分隔,不同行的元素之间用分号分隔。 A = [16 3 2 13; 5 10 11 8; … 9 6 7 12; 4 15 14 1] A = 16 3 2 13 5 10 11 8 9 6 7 12 4 15 14 1 2、利用M文件建立矩阵 对于比较大且比较复杂的矩阵

    2023年04月09日
    浏览(41)
  • MATLAB :向量、矩阵、数组、数据类型

    目录 一、基本概念 1. 常量、变量和标量   (1)常量   (2)变量         1) 变量的命名规则         2)变量的声明与删除   (3)标量 2. 向量、矩阵和数组   (1)向量   (2)矩阵   (3)数组 二、向量 1. 向量的创建   (1)直接输入法   (2)冒号表达式法   (3)函

    2024年01月22日
    浏览(38)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包