matlab矩阵

特殊矩阵 通用型的特殊矩阵 zeros函数：产生全0矩阵，即零矩阵 ones函数：产生全1矩阵，即幺矩阵 eye函数： 产生对角线为1的矩阵。当矩阵是方阵时，得到一个单位矩阵。 rand函数：产生（0,1）区间均匀分布的随机矩阵 randn函数：产生均值为0，方差为1的标准正态分布随机矩阵。 以上函数三种调用格式 例： 产生m x m 零矩阵 ：zeros(m) 产生m x n 零矩阵 ：zeros(m,n) 产生与矩阵A同型的零矩阵 ：zeros(sizeof(A)) 面向专门学科的特殊矩阵 1、 魔方矩阵：n阶魔方阵由1..n 2 共n 2 个整数组成，其每行每列及主、副对角线元素 之和都相等。当n>=2时，有多个不同的n阶魔方阵。 magic(n)：产生一个特定（不是所有的）n阶的魔方阵 2、 范德蒙(Vandermonde的)矩阵（常用与通信编码纠错）： vander(v)函数：生成以向量V为基础的范德蒙矩阵 3、 希尔伯特（Hilbert）矩阵：H( i , j )= 1/ (i+j-) Hilb(n)函数：生成n阶希尔伯特矩阵 4、 伴随矩阵（？？）： Compan(p)函数：求矩阵P的伴随矩阵 5、 帕斯卡矩阵：P( i , j )=p(i , j-1) + p(i-1,j) 且 p(i , 1)= p(1,j)=1 Pascal(n)函数：生成帕斯卡矩阵 矩阵变换

一、eig函数的使用方法 在MATLAB中，计算矩阵A的特征值和特征向量的函数是eig(A)，常用的调用格式有 5种： (1) E=eig(A)：求矩阵A的全部特征值，构成向量E。 (2) [V,D]=eig(A)：求矩阵A的全部特征值，构成对角阵D，并求A的特征向量构成 V的列向量。 (3) [V,D]=eig(A,'nobalance')：与第2种格式类似，但第2种格式中先对A作相似 变换后求矩阵A的特征值和特征向量，而格式3直接求矩阵A的特征值和特征向量。 (4) E=eig(A,B)：由eig(A,B)返回N×N阶方阵A和B的N个广义特征值，构成向量E 。 (5) [V,D]=eig(A,B)：由eig(A,B)返回方阵A和B的N个广义特征值，构成N×N阶对 角阵D，其对角线上的N个元素即为相应的广义特征值，同时将返回相应的特征向 量构成N×N阶满秩矩阵，且满足AV=BVD。 eig Find eigenvalues and eigenvectors Syntax d = eig(A) d = eig(A,B) [V,D] = eig(A) [V,D] = eig(A,'nobalance') [V,D] = eig(A,B) [V,D] = eig(A,B,flag) d = eig(A)和 [V,D] = eig(A)最为常用 注意，第一列为对应第一个特征值的特征向量。

---恢复内容开始--- 1.1 MATLAB概述 1.1.1 MATLAB是矩阵实验室（Matrix Laboratory）之意。 1.1.2 MATLAB是MathWorks公司开发的一种用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境。 　　　 使用 MATLAB，可以较使用传统的编程语言（如 C、C++ 和 Fortran）更快地解决技术计算问题. 1.1.3 “演算纸”式的计算软件 1.2 命令窗口 1.2.1 命令窗口是MATLAB的主要交互窗口，用于输入命令并显示除图形以外的所有执行结果。 　　　MATLAB命令窗口中的“>>”为命令提示符，表示MATLAB正在处于准备状态。 　　　在命令提示符后键入命令并按下回车键后，MATLAB就会解释执行所输入的命令，并在命令后面给出计算结果。 1.2.2 一般来说，一个命令行输入一条命令，命令行以回车结束。但一个命令行也可以输入若干条命令，各命令之间以逗号或分号分隔。例如： 　　　 p=15,m=35 　　　p=15;m=35 1.2.3 可用clc命令清屏 1.2.4 如果一个命令行很长，一个物理行之内写不下，可以在第一个物理行之后加上3个点并按下回车键，然后接着下一个物理行继续写命令的其他部分。 　　　 3个点称为续行符，即把下面的物理行看作该行的逻辑继续。 　　　例: 1+1/2+1/3+1

MATLAB基本语法 点乘运算 , 常与其他运算符 点乘运算,常与其他运算符联合使用(如.\) 矩阵生成 矩阵生成 向量生成或子阵提取本节将会介绍一些 MATLAB的基本语法 的使用。 持续更新。。。 在 MATLAB 环境下进行的操作就像是使用一个超级复杂的计算器，不要被这吓到了。在您开始使用 MATLAB 时可以在“>>”命令提示符下输入命令。 执行MATLAB命令 MATLAB 是一种解释型的环境。也就是说，只要你给MATLAB一个命令，它就会马上开始执行。 MATLAB实践 在">>" 命令提示符下键入一个有效的表达，例如： 5 + 5 然后按 ENTER 键 当点击“执行”按钮，或者按“Ctrl+ E”，MATLAB执行它并返回结果： ans = 10 让我们使用几个例子： 3 ^ 2 % 3 raised to the power of 2 当你点击“执行”按钮，或者按“Ctrl+ E”，MATLAB执行它并返回结果： ans = 9 另外一个例子： sin(pi /2) % sine of angle 90o 当你点击“执行”按钮，或者按“Ctrl+ E”，MATLAB执行它并返回结果： ans = 1 另外一个例子， 7/0 % Divide by zero 当点击“执行”按钮，或者按“Ctrl+ E”，MATLAB执行它并返回结果： ans = Inf

MATLAB中permute命令可以对高维矩阵的轴进行操作，例如使2*3*4的三维矩阵调整为4*2*3，那么具体函数内部进行了什么操作呢？ 我们知道matlab里有两种坐标系，一种是我们熟知的笛卡尔坐标系，用命令axis xy实现，以二维图为例，原点在左下角 还有一种是matlab中矩阵的索引体系，用命令axis ij实现，以二维图为例，原点在左上角 permute命令就是基于axis ij这种坐标轴下进行的操作 下面我们以一个三维矩阵的例子来说明命令permute的内部操作逻辑 A(:,:,1)=[1 2;3 4]; A(:,:,2)=[5 6;7 8]; A(:,:,3)=[9 10; 11 12]; 我们有 val(:,:,1) = 1 2 3 4 val(:,:,2) = 5 6 7 8 val(:,:,3) = 9 10 11 12 permute(a,order)操作分为两种情况 1.保持坐标轴关系不变 也就是order=[2 3 1]或[3 1 2] 这时候只用找到一个角度来重新观察这个矩阵即可 例如下图中所示 用MATLAB运行结果进行验证 D=permute(A,[2 3 1]); val(:,:,1) = 1 5 9 2 6 10 val(:,:,2) = 3 7 11 4 8 12 2，某两个轴进行交换 例如order = [1 3 2] [2 1 3] [3

PCA主成分分析原理分析和Matlab实现方法（三） 【 尊重 原创，转载请注明出处 】http://blog.csdn.net/guyuealian/article/details/68487833 网上关于PCA（主成分分析）原理和分析的博客很多，本博客并不打算长篇大论推论PCA理论，而是用最精简的语言说明鄙人对PCA的理解，并在最后给出用Matlab计算PCA过程的三种方法，方便大家对PCA的理解。 PS：本博客所有源代码，都可以在附件中找到 下载 ： http://download.csdn.net/detail/guyuealian/9799160 关于PCA原理的文章，可参考： [1]http://blog.csdn.net/guyuealian/article/details/68483384 [2]http://blog.csdn.net/guyuealian/article/details/68483213 [3] 张铮的《精通Matlab数字图像处理与识别 》 一、 PCA原理简要说明 PCA算法主要用于降维，就是将样本数据从高维空间投影到低维空间中，并尽可能的在低维空间中表示原始数据。 PCA的几何意义可简单解释为： 0维-PCA：将所有样本信息都投影到一个点，因此无法反应样本之间的差异；要想用一个点来尽可能的表示所有样本数据，则这个点必定是样本的均值。 1维

从 Matlab 到 Numpy ##Numpy 和 Matlab 比较 Numpy 和 Matlab 有很多相似的地方，但 Numpy 并非 Matlab 的克隆，它们之间存在很多差异，例如： MATLAB® Numpy 基本类型为双精度浮点数组，以二维矩阵为主 基本类型为 ndarray ，有特殊的 matrix 类 1-based 索引 0-based 索引 脚本主要用于线性代数计算 可以使用其他的 Python 特性 采用值传递的方式进行计算 切片返回复制 采用引用传递的方式进行计算 切片返回引用 文件名必须和函数名相同 函数可以在任何地方任何文件中定义 收费 免费 2D，3D图像支持 依赖第三方库如 matplotlib 等 完全的编译环境 依赖于 Python 提供的编译环境 array 还是 matrix？ Numpy 中不仅提供了 array 这个基本类型，还提供了支持矩阵操作的类 matrix ，但是一般推荐使用 array ： 很多 numpy 函数返回的是 array ，不是 matrix 在 array 中，逐元素操作和矩阵操作有着明显的不同 向量可以不被视为矩阵 具体说来： *， dot(), multiply() array ： * -逐元素乘法， dot() -矩阵乘法 matrix ： * -矩阵乘法， multiply() -逐元素乘法 处理向量

a =[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 ]; fid=fopen('tt.txt','w');%写入文件路径 [m,n]=size(a); for i=1:1:m for j=1:1:n if j==n fprintf(fid,'%g\n',a(i,j)); else fprintf(fid,'%g\t',a(i,j)); end end end fclose(fid); 来源： CSDN 作者： 方便面袋袋 链接： https://blog.csdn.net/qq_43807789/article/details/103473855

det(矩阵名）%计算矩阵的行列式 inv（矩阵名）%计算矩阵的逆矩阵 … %表示换行 format short %显示小数点后面四位，和只用一个format效果一样 format long %显示更加精确的结果 pi 圆周率 eps 浮点数识别精度2.22*10^-16 realmin 最小正整数2.2251*10^-308 realmax 最大正整数1.7977*10^308 inf 无穷大 NaN 不定值，比如0/0 ans %系统本身的一个特殊变量，如果运算结果没有赋予任何一个变量，系统就将值赋给ans。 clc %清除命令行的东西 clear 某个变量名 %清楚某个变量，如果只有clear就清楚所有的变量。 矩阵的等差输入：a=[1:2:6] %这样的矩阵就是 a[1 3 5]，其格式是：初值 冒号 增值 冒号 终值。 函数：linspace（x1，x2，n) %生成x1到x2之间的n维等距行向量，即是将x1到x2等分n-1份。 length（向量名） %查看向量的维数。 size（矩阵名） %查看矩阵的行和列数。 查看向量的某个元素：a（1） %查看a向量的第一个元素，从1开始算的 查看矩阵的某个元素：a（1，1） %查看a矩阵的第一行和第一列的元素。 还可以这样用：A（1,[1,2,3]) %这样生成A矩阵的第一行行向量是1 2 3。 A（2：）

python中reshape： import numpy as np a = np . array ( [ 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 ] ) b = a . reshape ( ( 3 , 3 ) ) c = a . reshape ( ( 3 , 3 ) ) #c=a.reshape((3,-1))，-1代表自动补齐 print ( c ) a [ 5 ] = 98 #或者b[1][2]=99 print ( b ) print ( a ) ''' [[1 2 3] [4 5 6] [7 8 9]] [[ 1 2 3] [ 4 5 98] [ 7 8 9]] [ 1 2 3 4 5 98 7 8 9] 可以发现python中reshape成多维矩阵首先是按行顺序 其次reshape新生成数组和原数组共用一个内存，不管改变哪个，另一个都会被影响 python中数组矩阵下标是从0开始 ''' Matlab： % reshape ( A , m , n ) % reshape ( A , m , [ ] ) [ ] 代表自动补齐 % reshape ( a : mn + a , m , n ) >> A = [ 1 2 8 5 ] ; >> B = reshape ( A , 2 , 2 ) % { B = 1 8 2 5 % } >> C =