MATLAB常见运算

2023-05-16

常用函数

(1) 三角函数


sin-----正弦 sinh---双曲正弦 asin----反正弦 asinh---反双曲正弦
cos----余弦 cosh---双曲余弦 acos----反余弦 acosh---反双曲余弦
tan-------正切 tanh----双曲正切 atan-----反正切 atanh-----反双曲正切

(2) 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


(3) 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
round----四舍五入 rem(a,b)----计算a/b的余数
如fix(2.3)=2 floor(2.3)=2 ceil(2.3)=3 round(2.3)=2
如fix(-2.3)=-2 floor(-2.3)=-3 ceil(-2.3)=-2 round(-2.3)=-2

(4)有关向量的函数

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的元素的中位數
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的元素个數
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
dot(x, y): 向量x和y的內积
cross(x, y): 向量x和y的外积
cumprod(x): 向量x的累計元素总乘积

矩阵常见运算

矩阵表示

%矩阵表示
A=[1,4,7;3,6,9;6,7,4];
A1=[1,4,7;
    3,6,9;
    6,7,4];

矩阵的转置用符号´来表示

B=A'

B =

     1     3     6
     4     6     7
     7     9     4

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

矩阵乘法用符号*表示。


要求前一矩阵列数与后一矩阵行数相同

矩阵的行列式


求方阵A行列式,用det(A)表示

A1=[1,4,7;3,6,9;6,7,4];
C=det(A)

 c = 24.0000

 

可得结果为:
X = 0.4760 0.3413
即a=0.4760, b=0.3413

拟合曲线

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=A\Y
n=500; %数据点数
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')

 (7)矩阵特征值


如果A为方阵,满足 的AX= \lambda X\lambda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

 [X,V]=eig(A)同时求出特征向量,其中X各列为特征向量,V主对角元素为特征值

%矩阵特征值
A=[1 3 6; 2 5 8; 3 6 8]
[X,V]=eig(A)
X =
   -0.4135   -0.7851    0.7318
   -0.6094   -0.3748   -0.6472
   -0.6765    0.4931    0.2136
V =

   15.2382         0         0
         0   -1.3365         0
         0         0    0.0982

函数作图

(1) 二维平面曲线作图函数 plot(x,y,’s’)其中x和y是长度相同的向量,s表示线型和颜色
如果作多条曲线在同一图上,则用函数plot(x1,y1,’s1’,x2,y2,’s2’,…,xn,yn,’sn’)

例:将sinx和cosx在[0,PI]区间一张图上

 

x=0:0.1:2*pi;
y1=sin(x);
y2=cos(x);
plot(x,y1,'r',x,y2,'b');

 

%多窗口作图
x1=0:0.1:2*pi; y1=sin(x1);
x2=-pi:0.1:pi; y2=cos(x2);
x3=0:0.1:10; y3=sqrt(x3);
x4=2:0.2:10; y4=log(x4);
subplot(2,2,1); plot(x1,y1); title('y=sin(x)'); grid on
subplot(2,2,2); plot(x2,y2); title('y=cos(x)'); grid on
subplot(2,2,3); plot(x3,y3); title('y=sqrt(x)');grid on
subplot(2,2,4); plot(x4,y4); title('y=ln(x)'); grid on

 (3) 直方图作图hist


二维直方图,可以显示出数据的分布。
用法 count = hist(X) 把向量X中的元素放入等距的10个条形中,且返回每一个条形中的元素个数。
count = hist(X,center) 参量X为向量,把X中元素放到m (m=length(center))个由center中元素指定的位置为中心的直方图中。
count = hist(X,number) 参量number为标量,用于指定条形的数目。
[count,center] = hist(X) 返回向量X中包含频率计数的count与条形的位
置向量center,可以用命令bar(center,count)画出条形直方图

 

 (4)二维图形注释命令

grid功能 给图形的坐标面增加分隔线。该命令会对当前坐标轴的的属性有影响。
用法 grid on 给当前的坐标轴增加分隔线。
grid off 从当前的坐标轴中去掉分隔线。
grid 转换分隔线的显示与否的状态。
grid(axes_handle,on|off) 对指定的坐标轴
axes_handle是否显示分隔线。

(5)空间曲线作图


Matlab提供了三维曲线作图plot3。调用格式:
plot3(x,y,z,’s’)
其中x、y和z是长度相同的向量,s表示线型和颜色

(6) 三维曲面作图


命令1 mesh
功能 生成由X,Y和Z指定的网线面。
用法 mesh(X,Y,Z) 画出三维网格图
如作z=cosx.siny曲面图,程序如下

 

%三维曲面作图
[X,Y] = meshgrid(-3:0.1:3,-4:0.1:4);
Z=cos(X).*sin(Y);
mesh(X,Y,Z);
xlabel('x');
ylabel('y');
zlabel('z');

 命令2 surf
功能与用法 surf(X,Y,Z)在矩形区域内显示三维带阴影曲面图

 4.基本语句

1) for语句
for x=a:d:b
(command)
end
a为起始点,b为终止点,d为区间间隔。
循环体内为执行语句。

%求1+3+5+..…99。for语句程序 
s=0;
for i=1:2:99
s=s+i;
end
s

结果为2500
2) while 语句
while expression
(command)
end

s=0; i=1;
while i<100
s=s+i; i=i+2;
end
s

如用该语句求1到100中被3整除余1的数和为s1, 被3整除余2的数和
为s2,被3整除的数和为s3。程序如下:

s1=0;s2=0; s3=0;
for i=1:100
if(mod(i,3)==1) s1=s1+i;
elseif (mod(i,3)==2) s2=s2+i;
else s3=s3+i; end
end
fprintf('s1=%3d s2=%3d s3=%3d\n',s1,s2,s3);


结果如下:
s1=1717 s2=1650 s3=1683 

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

MATLAB常见运算 的相关文章

  • LeetCode每日一题

    191 位1的个数 难度简单290 编写一个函数 xff0c 输入是一个无符号整数 xff08 以二进制串的形式 xff09 xff0c 返回其二进制表达式中数字位数为 39 1 39 的个数 xff08 也被称为汉明重量 xff09 提示
  • scrapy模拟豆瓣登录

    看的课程是21天搞定分布式爬虫 xff0c 应该是几年前的了 xff0c 课程当时还是验证码 xff0c 现在登录和之前都不一样了现在需要你拖动滑块完成拼图 之前的页面 现在验证码都变成拼图了 学学原理吧 首先创建scrapy项目 首先进入
  • 利用Scrapy框架爬取汽车之家图片(详细)

    爬取结果 爬取步骤 创建爬虫文件 进入cmd命令模式下 xff0c 进入想要存取爬虫代码的文件 xff0c 我这里是进入e盘下的E pystudy scraping文件夹内 C Users wei gt E E gt cd E pystud
  • Scrapy框架下载器和随机请求头

    下载器中间键可以为我们设置多个代理ip与请求头 xff0c 达到反反爬虫的目的 下面是scrapy为我们创建好的中间件的类 Process request self request spider 参数 request 发送请求的reques
  • scrapy爬取完整网页完整数据,简书(最新)

    需求 xff1a 简书网站整站爬虫 数据保存到mysql数据库中 将seleniume 43 chromedriver集成到scrapy 爬取结果如下 xff1a 安装Selenium和chromedriver xff1a https bl
  • 图和图的基本知识

    1 1 图的表示 1 2 图的特性 子图Subgraph 连通分量Connected Component 接通图Connected Graph 最短路径Shortest Path 图直径Diameter 1 3 图中心性 Centralit
  • BFS和DFS的python实现(要记住)

    BFS DFS python模板与实现 BFS模板 1 无需分层遍历 while queue 不空 xff1a cur 61 queue pop for 节点 in cur的所有相邻节点 xff1a if 该节点有效且未访问过 xff1a
  • BFS与 DFS题目练习(python)

    107 二叉树的层序遍历 II 难度中等423 给定一个二叉树 xff0c 返回其节点值自底向上的层序遍历 xff08 即按从叶子节点所在层到根节点所在的层 xff0c 逐层从左向右遍历 xff09 例如 xff1a 给定二叉树 3 9 2
  • LeetCode每日一题-合并两个有序数组

    88 合并两个有序数组 难度简单878 给你两个有序整数数组 nums1 和 nums2 xff0c 请你将 nums2 合并到 nums1 中 xff0c 使 nums1 成为一个有序数组 初始化 nums1 和 nums2 的元素数量分
  • debian 系统无声音

    系统识别了硬件 xff0c 加载了内核 可是就是没声音 在基础条件都满足的情况下 xff0c 尝试输入 xff1a sudo alsactl init 反正我是一输入声音就出来了 转载于 https my oschina net skyoo
  • 爬虫实战-爬取房天下网站全国所有城市的新房和二手房信息(最新)

    看到https www cnblogs com derek1184405959 p 9446544 html项目 xff1a 爬取房天下网站全国所有城市的新房和二手房信息和其他博客的代码 xff0c 因为网站的更新或者其他原因都不能正确爬取
  • pytorch 模型保存与加载 cpu转GPU

    model eval 的重要性 在2 中最后用到了model eval 是因为 只有在执行该命令后 34 dropout层 34 及 34 batch normalization层 34 才会进入 evalution 模态 而在 34 训练
  • 数据分析及数据分析的工作流程

    1 什么是数据分析 数据分析是根据业务问题 xff0c 对数据进行收集 xff0c 清洗 xff0c 处理和建模的过程 xff0c 用于识别有助于业务的信息 xff0c 获取关键业务结论并辅助决策 界定业务问题 xff08 以宜家为例 xf
  • SQL练习网站

    之前上过数据库的课程 xff0c 但感觉零零散散 xff0c 现在已经不记得多少 xff0c 一方面是没有总结另一方面是没有练习 https sqlbolt com 但感觉网页加载的很慢 但我发现以上两者结合起来棒棒哒 有中文 xff0c
  • SQL入门(二)查询执行顺序

    完整查询 SELECT DISTINCT column AGG FUNC column or expression FROM mytable JOIN another table ON mytable column 61 another t
  • SQL入门之基本语法

    下面是为了方便查考在GitHub上找到的一个教程 目录 开始使用 登录MySQL创建数据库创建数据库表增删改查 SELECTUPDATEINSERTDELETEWHEREAND 和 OR ANDORORDER BYINNOTUNIONASJ
  • python有向图,无向图绘制

    https www jianshu com p 52bb142314ebR语言画网络图 https blog csdn net fly hawk article details 78513257 python绘制无向图 xff0c 输入数据
  • 知识追踪待解决问题记录-交流贴

    记录遇到知识追踪的问题 xff0c 欢迎大家进行留言交流 1 DKT中的图如何画的 好像是根据这个公式 但还没画出来 2 GKT跑的效果很差 可能原因是作者对数据的特殊处理 xff0c 作者的实验数据好像不是assistment的 后面有人
  • conda安装包遇到问题An unexpected error has occurred. Conda has prepared the above report.

    之前还没问题 xff0c 现在就 base C Users wei gt conda activate tensoflow1 tensoflow1 C Users wei gt conda install seaborn Collectin
  • Requests库爬取实例

    网络爬虫的盗亦有道 网络爬虫的尺寸 爬取网页 xff0c 玩转网页 xff1a 小规模 xff0c 数据量小 xff0c 爬取速度不敏感 xff1b Requests库 爬取网站 爬取系列网站 xff1a 中规模 xff0c 数据量较大 x

随机推荐

  • Java8两个集合(List)取交集、并集、差集、去重并集

    Java8两个集合 List 取交集 并集 差集 去重并集 java guava 集合的操作 xff1a 交集 差集 并集 span class token keyword import span span class token name
  • XML,JSON,YAML

    信息标记的三种形式 信息的标记 xff1a 标记后的信息可形成信息组织结构 xff0c 增加了信息维度 标记后的信息可用于通信 存储和展示 标记的结构与信息一样具有重要价值标记后的信息有利于程序理解和运用 HTML的信息标记 xff1a H
  • python爬虫 2021中国大学排名定向爬虫

    最近的几篇博客来源是之前我下载的一个课件 在网上搜索了一下是一下这个课程的 xff0c 可以结合视频博客以及代码去更好地学习 Python网络爬虫与信息提取 北京理工大学 中国大学MOOC 慕课 icourse163 org 但是课程内容的
  • 爬虫小案例之爬取京东商品链接

    观察URL翻页的变化 爬取页面URL如下 base url 61 39 https search jd com Search keyword 61 39 43 keyword for x in range 1 num 43 1 url 61
  • Tensorflow,pytorch查看模型参数,模型可视化

    参数结构打印 TensorFlow1 12的打印结构 xff1a for var in tf trainable variables print 34 Listing trainable variables 34 print var Ten
  • TensorFlow学习笔记(一)

    TensorFlow版本2发布后 xff0c 使用TensorFlow变得更简单和方便 xff0c 但看网上的很多代码是使用的TensorFlow1进行完成的 xff0c 每次遇到不懂的函数去查 xff0c 理解记忆的一般 xff0c 感觉
  • 图神经网络(GNN)资源帖视频及必读论文

    最近在看图神经网络 xff0c 发现了部分宝藏 图神经网络资源大集合 图神经网络资源大集合 快来打包带走 公众号 图与推荐的博客 CSDN博客 入门博客 xff1a 从图 Graph 到图卷积 Graph Convolution xff1a
  • 计算机网络要点归纳(一文带你快速掌握网络知识)

    计算机网络 谢希仁版 可以用来期末复习 xff0c 也可以用来回顾自测 xff0c 发现好多都设计的网络相关的的内容 xff0c 一起回顾学习吧 第一章概述 计算机网络的性能指标 xff1a 速率 比特为单位 Kb s K 61 10 3
  • Git学习笔记(代码版本管理)-超详细

    Git之前一直听说没有自己操作过 xff0c 偶尔写完程序的时候想起要不放到GitHub上 xff0c 然后看到操作也不简单呢 然后还是不想放弃 xff0c 听了 莫烦Python Git 代码版本管理教程听了一遍没动手 xff0c 就放到
  • Pycharm上传,更新本地代码到GitHub(常见问题及解决)

    上传本地代码到GitHub上 进入Pycharm主页 xff0c 打开pycharm File gt Setting gt version control 但可能报错 lnvalid authentication data Can 39 t
  • Improving Knowledge Tracing via Pre-training Question Embeddings

    Improving Knowledge Tracing via Pre training Question Embeddings 论文 xff1a Improving Knowledge Tracing via Pre training Q
  • java guava 集合的操作:交集、差集、并集

    Java8两个集合 List 取交集 并集 差集 去重并集 java guava 集合的操作 xff1a 交集 差集 并集 开源地址 xff1a https github com google guava jar包下载 xff1a http
  • 知识追踪数据集介绍

    困扰了我很久的问题 xff0c 可能是我喜欢知根知底 见到论文中提到的2009 2010 xff0c 看到代码中是数据不太一样发出了疑问 最新 xff1a 超详细介绍 DataSet EduData documentation https
  • 深度知识追踪(DKT)实现pytorch(及常见问题)

    发现代码跑了几遍还是没有自己按照思路写一遍清楚 参考代码 GitHub dxywill deepknowledgetracing Pytorch implementation for Deep Knowledge tracing 论文 ht
  • 基于深度学习知识追踪研究进展(综述)数据集模型方法

    基于深度学习的知识追踪研究进展 计算机研究与发展 中文核心期刊 https kns cnki net kcms detail detail aspx dbcode 61 CAPJ amp dbname 61 CAPJLAST amp fil
  • linux常见命令与FileZilla

    linux命令与FileZilla 6月25日 FileZilla 文件互传 当我们使用一台主机的时候 xff0c 既有Linux系统又有Windows系统的时候 xff0c 我们可以拖拽 xff0c 复制粘贴等多种方式 xff0c 那如果
  • PostgreSQL和ElasticSearch学习笔记

    PG库 PostgreSQL 12 2 手册 pg数据库的结构理解 echao 博客园 cnblogs com PostgreSQL官方介绍称是最先进的开源关系型数据库 xff0c 支持所有主流的平台 xff0c 目前已经更新到了最新版本的
  • 网络集成总结重点

    网络集成总结 第一章 P2 网络系统集成的定义 xff1a 按照网络工程的需求及组织逻辑 xff0c 采用相关技术和策略 xff0c 将网络设备 xff08 交换机 路由器 服务器 xff09 和网络软件 xff08 操作系统 应用系统 x
  • Deep Knowledge Tracing with Transformers论文阅读

    In book Artificial Intelligence in Education pp 252 256 2020年6月代码https github com scott pu pennstate dktt light论文地址 PDF
  • MATLAB常见运算

    常用函数 1 三角函数 sin 正弦 sinh 双曲正弦 asin 反正弦 asinh 反双曲正弦 cos 余弦 cosh 双曲余弦 acos 反余弦 acosh 反双曲余弦 tan 正切 tanh 双曲正切 atan 反正切 atanh