Matlab 使用经验分享(常用函数介绍;矩阵常见计算)

这篇具有很好参考价值的文章主要介绍了Matlab 使用经验分享(常用函数介绍;矩阵常见计算)。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。

Matlab 使用经验分享

大家好!最近有很多朋友询问我关于 Matlab 的使用,于是我决定写一篇博客来分享一下我的经验。对于数学和编程爱好者来说,Matlab 是一个非常有用的工具。我自己在数学实验和数学建模竞赛中也经常使用它。那么,为什么 Matlab 这么受欢迎呢?

Matlab 的起源

MATLAB 是美国MathWorks 公司自20 世纪 80 年代中期推出的数学软件, 优秀的数值 计算能力和卓越的数据可视化能力使其很快在数学软件中脱颖而出。

为什么选择 Matlab?

由于 Maltab 编程方便,有大量内部函数和工具箱可以使用,作图也十分方便,因此在 数学实验和数学建模竞赛中,我们就常使用 Matlab 作为我们的编程工具。

一些常用函数介绍

  • 三角函数
    • sin: --正弦
    • sinh: 双曲正弦
    • asin: -反正弦
    • cosh: 双曲余弦
    • acos: -反余弦
    • atanh: --反双曲正切
  • 指数函数与对数函数
    • exp: -指数
    • log: --e 为底的对数
    • log10: 常用对数
    • sqrt: --平方根
  • 与复数有关的函数
    • abs: -模或绝对值
    • angle: 幅角
    • conj: 复共轭
    • imag: 虚部
    • real: --实部
  • 舍入函数及其它数值函数
    • fix: – 向 0 舍入
    • floor: 向负无穷舍入
    • ceil: – 向正无穷舍入
    • sign(x): -符号函数
    • min(x): 向量 x 的元素的最小值
    • max(x): 向量 x 的元素的最大值
    • mean(x): 向量 x 的元素的平均值
    • median(x): 向量 x 的元素的中位数
    • std(x): 向量 x 的元素的标准差
    • diff(x): 向量 x 的相邻元素的差
    • sort(x): 对向量 x 的元素进行排序
    • length(x): 向量 x 的元素个数
    • norm(x): 向量 x 的 Euclidean 长度
    • sum(x): 向量 x 的元素总和
    • prod(x): 向量 x 的元素连乘积
    • cumsum(x): 向量 x 的累计元素总和

矩阵常见计算

矩阵输入

矩阵输入最简单的方法是把矩阵的元素直接排列在方括号中。每行内的元素间用空格或逗号隔开,行与行之间用分号隔开。例如:

A=[1,4,7;3,6,9;6,7,4]

矩阵的转置

矩阵的转置用符号´来表示。例如:

A=[1,4,7;3,6,9;6,7,4];
B=

矩阵的加减

矩阵的加减使用的是”+”和”-“运算符。进行矩阵加减运算必须是同型矩阵。例如:
A=[1,3,6;4,5,7;7,8,9];
B=[3,5,7;2,4,6;1,3,9];
C=A+B
以下是关于矩阵与标量进行加减运算的内容:
矩阵可以与一个数进行加减运算,运算法则是对应每个元素加减同一个数。例如:

Z=C-1

结果为:
Z =
3
5

矩阵乘法

矩阵乘法用符号*表示。要求前一矩阵的列数与后一矩阵的行数相同。例如:

A=[1,4,7;2,5,8];
B=[4,5,9;1,7,8;3,2,1];
C=A*B

在 Matlab 中,还可以进行矩阵与数的乘法。其规则是矩阵的每个元素与该数相乘。例如:

A=[1,5,8;2,6,9];
B=3*A

结果为:
B =
3 15 24
6 18 27

矩阵的行列式

求方阵 A 的行列式,用 det(A) 表示。例如:
A=[1,3,6;2,5,8;3,9,11];
Z=det(A)

矩阵求逆

非奇异矩阵 ( A ) 的求逆用 inv(A) 表示。例如:

A=[1,3,6;2,5,8;3,9,11];
Z=inv(A)

结果为:
Z =
-2.4286 3.0000 -0.8571
0.2857 -1.0000 0.5714

以下是关于如何验证矩阵的逆以及如何使用逆矩阵来解方程组的内容:
要验证矩阵的逆是否正确,可以计算 ( C = A \times Z )。例如:

C =
   1.0000 0 -0.0000
   0 1.0000 -0.0000
   ...

利用逆矩阵可以解方程组。例如:
AX=b
其中:
A=[1,3,6;…
以下是关于如何使用矩阵来解方程组和函数拟合的内容:
例如,给定以下方程组:

A=[1,3,6;2,5,8;3,9,11];
b=[3,6,7]';
X=inv(A)*b

结果为:
X =
4.7143
-1.1429
0.2857
或者,使用 X=A\b 也可以求解。此外,X=A\b 还可以求解矛盾方程组。

函数拟合

假设因变量 y 与自变量 x 之间存在以下关系:
y = a + b * exp(-x)
观测数据为:
| x | 0.0 | 0.3 | 0.8 | 1.1 | 1.6 | 2.3 |
| y | 0.82| 0.72| 0.63| 0.60| 0.55| 0.5 |
基于这些数据,我们可以建立矛盾方程组 AX=y,其中X=[a,b] ′
以下是关于如何使用 m 文件进行函数拟合的内容:
我们可以创建以下 m 文件来进行拟合:
t=[0.0, 0.3, 0.8, 1.1, 1.6, 2.3]‘;
y=[0.82, 0.72, 0.63, 0.60, 0.55, 0.5]’;
A=[ones(size(t)),exp(-t)];
X=inv(A’*A)*A’*y;
或者
X=A\y;
计算结果为:
X = 0.4760 0.3413
即:a=0.4760,b=0.3413。
函数拟合为:y=0.476+0.3413×e^x 。
我们可以使用图形来表示结果。
Matlab 使用经验分享(常用函数介绍;矩阵常见计算),数学建模论文,matlab,矩阵,数学建模
以下是 M 文件的内容:
M 文件如下
t=[0.0 0.3 0.8 1.1 1.6 2.3]’
y=[0.82 0.72 0.63 0.60 0.55 0.5]’
A=[ones(size(t)),exp(-t)]
x=inv(A’*A)*A’y
n=500
tt=zeros(n,1);
yy=zeros(n,1);
dt=2.3/n;
for i=1:n
tt(i)=i
dt;
yy(i)=x(1)+x(2)*exp(-tt(i));
end
plot(t,y,‘*b’,tt,yy,‘r’)
b—表示蓝色,代表原数据
r-----表示红色,代表拟合曲线

矩阵特征值

如果 A 为方阵,满足 AX=λX 的 λ 称为 A 的特征值,X 称为 A 的特征向量。计算 A 的特征值用 eig(A)表示。
例如:
A=[1 3 6; 2 5 8; 3 6 8];
Z=eig(A)
结果为:
Z =
15.2382
-1.3365
0.0982
如要同时求出特征向量,采用表达式 [X,V]=eig(A)。
结果为:
X = -0.4135 -0.6094
-0.6765
V =
15.2382
0
0

需要直接看PDF文件,直接在博主主页的资源里免费下载,因为博主写的时候可能个别的会有缺漏,需要看原文档的直接下载即可。文章来源地址https://www.toymoban.com/news/detail-686016.html

到了这里,关于Matlab 使用经验分享(常用函数介绍;矩阵常见计算)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

  • matlab中zeros函数的使用方法详细介绍(附matlab代码)

    X = zeros (返回标量 0) X = zeros(n) (返回一个 n×n 的全零矩阵) X = zeros(sz1,…,szN) (返回由零组成的 sz1×…×szN 数组,其中 sz1,…,szN 指示每个维度的大小。例如,zeros(2,3) 将返回一个 2×3 矩阵) X = zeros(sz) (返回一个由零组成的数组,其中大小向量 sz 定义 size(X)。例如,zero

    2023年04月08日
    浏览(88)
  • 通用的改进遗传算法求解带约束的优化问题(MATLAB代码精讲、实际工程经验分享)

    在对多约束、非线性问题的求解上,传统线性规划等方法往往无法有效求解(求解时间过长、无法处理非线性约束等。 进化算法是一类强有力的工具,已经在多个领域有了较为成功的应用。然而,在利用遗传算法、粒子群等等进化算法求解实际的优化问题时,还存在许多困难

    2023年04月19日
    浏览(87)
  • SuperPoint和SuperGlue 的算法介绍及学习应用经验分享

    特征点提取和匹配是多视图几何的基础理论知识,在SLAM相关领域有着重要作用。比如在视觉SLAM中,著名ORBSLAM就是基于特征点法的,一般通过特征点提取和匹配,再根据匹配关系进行几何求解就可以得到位姿。 一般流程为 1.输入一对图像 2.提取特征点 3.进行匹配 4.根据匹配关

    2024年01月19日
    浏览(45)
  • 【蓝桥杯备赛Java组】语言基础|竞赛常用库函数|输入输出|String的使用|常见的数学方法|大小写转换

    🎥 个人主页:深鱼~ 🔥收录专栏:蓝桥杯 🌄欢迎 👍点赞✍评论⭐收藏 目录 一、编程基础 1.1 Java类的创建  1.2 Java方法  1.3 输入输出  1.4 String的使用 二、竞赛常用库函数 1.常见的数学方法 2.大小写转换 前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,

    2024年01月21日
    浏览(75)
  • MATLAB | 矩阵元素引用之求下标或序号(sub2ind、ind2sub函数使用)

    size(A)函数: 得到的是由两个数组成的一个行向量,第一个数是矩阵A的行,第二个数为矩阵A的列 序号: (x,y) 下标: 通过计算得到的一个数 下标计算公式: (y-1)*m+x *公式对应的条件是已知矩阵A为m*n,求序号为(x,y)所对应数的下标 格式: D=sub2ind(S,I,J) 当只对一

    2024年02月02日
    浏览(36)
  • matlab的矩阵常用操作方法

    matlab中数据的基本格式是矩阵,行向量、列向量和标量都是矩阵的特例。矩阵可以是二维的,也可以是多维的。 (1)查找矩阵中的元素 ①find函数 在matlab中,可以调用find函数在矩阵中查找满足一定条件的元素,常见的调用格式如下: ind=find(X) [m n]=find(X) 其中X为要查找的矩阵

    2024年02月09日
    浏览(38)
  • 【蓝桥杯备赛Java组】第一章·语言基础|竞赛常用库函数|输入输出|String的使用|常见的数学方法|大小写转换

    🎥 个人主页:深鱼~ 🔥收录专栏:蓝桥杯 🌄欢迎 👍点赞✍评论⭐收藏 目录 一、编程基础 1.1 Java类的创建  1.2 Java方法  1.3 输入输出  1.4 String的使用 二、竞赛常用库函数 1.常见的数学方法 2.大小写转换 前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,

    2024年01月19日
    浏览(79)
  • GAMS---典型优化模型和算法介绍、GAMS安装和介绍、GAMS程序编写、GAMS程序调试、实际应用算例演示与经验分享

    优化分析是很多领域中都要面临的一个重要问题,求解优化问题的一般做法是:建立模型、编写算法、求解计算。常见的问题类型有线性规划、非线性规划、混合整数规划、混合整数非线性规划、二次规划等,优化算法包括人工智能算法和内点法等数学类优化方法。算法编写

    2024年02月16日
    浏览(45)
  • 【MATLAB】通过MATLAB提供的函数产生矩阵

    目录 1、单位矩阵( E方阵)和广义单位矩阵的产生 2、随机数矩阵的产生 

    2023年04月08日
    浏览(51)
  • MATLAB 基础笔记(二):常用矩阵的生成

    zeros函数生成全零矩阵 (1) A=zeros(N):生成N×N的全零矩阵 (2) A=zeros(M,N):生成M×N的全零矩阵 (3) A=zeros(size(B)):生成和矩阵B相同维数的全零矩阵 eye函数生成全零矩阵 (1) A=eye(N):生成N×N的单位矩阵 (2) A=eye(M,N):生成M×N的单位矩阵 (3) A=eye(size(B)):生成和矩阵B相同维数的单位矩阵 ones函数生

    2024年02月03日
    浏览(39)

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