matlab日常学习-------矩阵

简介: matlab日常学习-------矩阵

1.矩阵的创建

1.1.直接输入

a=[1 2 3;4 5 6]&&&a=[12,3;4,5,6]

1.2利用函数进行创建

例如zeros,ones,eye函数

zeros(3)会输出3行3列全部是0的矩阵

zeros(2,3)会输出2行3列全部是0的矩阵;

同理,ones函数用来输出全部是1的矩阵,eye函数用来输出单位矩阵(主对角线上的元素是1,其他的全是0);

还有rand:均匀分布的随机数,所生成的数据都在0~1之间;

###   randi:均匀分布的随机整数,

使用方法:

randi([10,100],2,3)表示所生成的数字最小值是10,最大值是100,而且是2行3列的矩阵,

如果最小值是1,可以直接简写randi(100,2,3);

如果生成方阵,可写成randi([10,100],6)表示6行6列;

randn:标准正态分布的随机数;

######  diag函数用于创建对角矩阵以及引用矩阵中的元素;

blkdiag函数用于创建分块对角矩阵;

2.矩阵元素的引用

2.1这里输出第1,3行,2,3列的元素

size函数用来计算矩阵的行数和列数

A[:,3]表示取出A矩阵第三列的所有元素;

A[3,:]表示取出A矩阵第三行的所有元素;

线性索引:一列一列的数数,只需要一个属性就可以确定某个元素;

A(:)的用法:转换为列向量

3.矩阵元素的修改

矩阵元素的删除一般只能删除整行或者整列;

如果用线性索引删除,会把剩下的元素转换成一行的一个向量。

4.矩阵的拼接与重复

horizontal catenate---------horzcat------------水平拼接;

vertical catenate--------vertcat--------------数竖拼接;

对矩阵进行重复的堆叠:repeat matrix------------repmat函数---------

repeat element------repelem函数

(1)将向量中的元素重复n 次

(2)将矩阵的元素重复

repelem(A,[2,3],[2,3,3])表示:行方向:第一行重复2次,第二行重复3次

                                               列方向:第一列重复2次,第二列重复3次,第三列重复3次。

相关文章
|
3月前
|
机器学习/深度学习 算法 数据挖掘
没发论文的注意啦!重磅更新!GWO-BP-AdaBoost预测!灰狼优化、人工神经网络与AdaBoost集成学习算法预测研究(Matlab代码实现)
没发论文的注意啦!重磅更新!GWO-BP-AdaBoost预测!灰狼优化、人工神经网络与AdaBoost集成学习算法预测研究(Matlab代码实现)
146 0
|
2月前
|
机器学习/深度学习 运维 算法
【微电网多目标优化调度】多目标学习者行为优化算法MOLPB求解微电网多目标优化调度研究(Matlab代码实现)
【微电网多目标优化调度】多目标学习者行为优化算法MOLPB求解微电网多目标优化调度研究(Matlab代码实现)
187 1
|
2月前
|
机器学习/深度学习 算法 数据可视化
【一共21份资源】【入门学习】【打包带走】时序+回归+预测入门学习(Matlab代码实现)
【一共21份资源】【入门学习】【打包带走】时序+回归+预测入门学习(Matlab代码实现)
|
3月前
|
数据采集 机器学习/深度学习 存储
关于在核特征空间中学习POD基础下Koopman算子的稀疏表示(Matlab代码实现)
关于在核特征空间中学习POD基础下Koopman算子的稀疏表示(Matlab代码实现)
|
3月前
|
机器学习/深度学习 传感器 边缘计算
Koopman-MPC: 基于数据驱动的学习和控制四旋翼无人机研究(Matlab代码实现)
Koopman-MPC: 基于数据驱动的学习和控制四旋翼无人机研究(Matlab代码实现)
133 0
|
9月前
|
数据可视化 数据挖掘 BI
MATLAB学习之旅:数据统计与分析
在MATLAB中,我们掌握了数据导入、处理及插值拟合等基础技能。接下来,我们将深入数据统计与分析领域,学习描述性统计量(如均值、标准差)、数据分布分析(如直方图、正态概率图)、数据排序与排名、数据匹配查找以及数据可视化(如箱线图、散点图)。这些工具帮助我们挖掘数据中的有价值信息,揭示数据的奥秘,为后续数据分析打下坚实基础。
|
9月前
|
数据建模 数据处理
MATLAB学习之旅:数据建模与仿真应用
在MATLAB的学习中,我们已掌握基础操作、数据处理与统计分析。接下来将进入数据建模与仿真应用阶段,学习如何构建和验证现实世界的模型。我们将从定义模型结构和参数入手,涵盖线性回归、动态系统建模等内容,并通过仿真和实际数据对比评估模型的准确性和可靠性。最终,这些技能将帮助我们在科学研究和工程应用中解决复杂问题。
|
机器学习/深度学习 数据安全/隐私保护 计算机视觉
matlab学习(二)
matlab学习(二)
|
Serverless
MATLAB中的矩阵与向量运算
【10月更文挑战第2天】本文全面介绍了MATLAB中的矩阵与向量运算,包括基本操作、加减乘除、转置、逆矩阵、行列式及各种矩阵分解方法。通过丰富的代码示例,展示了如何利用矩阵运算解决线性方程组、最小二乘法拟合、动态系统模拟和电路分析等问题。掌握这些运算不仅提升编程效率,还能在工程计算和科学研究中发挥重要作用。
|
机器学习/深度学习 存储 移动开发
MATLAB数据类型和运算符+矩阵创建
MATLAB数据类型和运算符+矩阵创建
257 1

热门文章

最新文章