matlab累加求和函数怎么输入_matlab累加求和for循环

matlab累加求和函数怎么输入_matlab累加求和for循环,第1张

matlab累加求和函数怎么输入_matlab累加求和for循环 这一节,常用矩阵及向量 *** 作命令将被介绍,更多高级命令请使用命令help查寻,内容如下:cat连接数组>> %cat 连接数组A = [1 2; 3 4]B = [4 5; 6 7]​%cat(2, A, B)相当于[A, B];按行连接cat(2,A,B)%cat(1, A, B)相当于[A; B].按列连接cat(1,A,B)​A =​ 1 2 3 4​​B =​ 4 5 6 7​​ans =​ 1 2 4 5 3 4 6 7​​ans =​ 1 2 3 4 4 5 6 7find查找非零元素的索引或满足某条件值>> A = [0 1 0 2 3] %向量情况find(A)​A =​ 0 1 0 2 3​​ans =​ 2 4 5 >> find(A,2) % 返回前2个非0结果​ans =​ 2 4 >> A = [1,0;0 3] % 矩阵情况,结果为逐列将A的元素进行排序[1 0 0 3],所以结果为 1 4​A =​ 1 0 0 3​>> find(A)​ans =​ 1 4 >> A = [0 1 2 3 4 5]find(A>2) % 查找满足某一条件情况​A =​ 0 1 2 3 4 5​​ans =​ 4 5 6length计算元素数量>> % length 计算元素数量A = [1 2 3]length(A)B = [1 2 3;3 4 5]length(B) %length(a)表示矩阵a的最大的长度,即max(size(a)) 等于3,因为2和3中最大是3;​A =​ 1 2 3​​ans =​ 3​​B =​ 1 2 3 3 4 5​​ans =​ 3linspace创建规则间隔的向量>> %linspace 创建向量 用法:linspace(a,b,N) 等同于 [a:(b-a)/N:b]linspace(1,10,5)[1:2.25:10]​ans =​ 1.0000 3.2500 5.5000 7.7500 10.0000​​ans =​ 1.0000 3.2500 5.5000 7.7500 10.0000​logspace创建对数间隔向量%logspace 创建向量 %用法1.logspace(X1,X2),即在10^X1-10^X2范围内等距产生50个行向量; %2.logspace(X1,X2,N),即在10^X1-10^X2范围内等距产生N个行向量。

>> logspace(1,10)logspace(1,10,10)​ans =​ 1.0e+10 *​ Columns 1 through 5​ 0.0000 0.0000 0.0000 0.0000 0.0000​ Columns 6 through 10​ 0.0000 0.0000 0.0000 0.0000 0.0000​ Columns 11 through 15​ 0.0000 0.0000 0.0000 0.0000 0.0000​ Columns 16 through 20​ 0.0000 0.0000 0.0000 0.0000 0.0000​ Columns 21 through 25​ 0.0000 0.0000 0.0000 0.0000 0.0000​ Columns 26 through 30​ 0.0000 0.0001 0.0001 0.0001 0.0002​ Columns 31 through 35​ 0.0003 0.0005 0.0008 0.0012 0.0018​ Columns 36 through 40​ 0.0027 0.0041 0.0063 0.0095 0.0146​ Columns 41 through 45​ 0.0222 0.0339 0.0518 0.0791 0.1207​ Columns 46 through 50​ 0.1842 0.2812 0.4292 0.6551 1.0000​​ans =​ 1.0e+10 *​ Columns 1 through 5​ 0.0000 0.0000 0.0000 0.0000 0.0000​ Columns 6 through 10​ 0.0001 0.0010 0.0100 0.1000 1.0000​max返回最大的元素>> %C = max(A) 返回一个数组各不同维中的最大元素。

%[Y,U]=max(A):返回行向量Y和U,Y向量记录A的每列的最大值,U向量记录每列最大值的行号。

%如果A是一个向量,max(A)返回A中的最大元素。

%如果A是一个矩阵,max(A)将A的每一列作为一个向量,返回一个行向量,向量的第i个元素是矩阵A的第i列上的最大值。

​A = [1 3 5; 3 9 0; 9 2 1]max(A)[Y,I] = max(A)​A =​ 1 3 5 3 9 0 9 2 1​​ans =​ 9 9 5​​Y =​ 9 9 5​​I =​ 3 2 1min返回最小的元素(与max *** 作一样)prod返回列向量的乘积>> %B = prod(A);将A矩阵不同维的元素的乘积返回到矩阵B。

%若A为向量,返回的是其所有元素的积;%若A为矩阵,返回的是按列向量的所有元素的积,然后组成一行向量。

A = [1 2 3]prod(A)A = [1 2 3; 4 5 6]prod(A)​A =​ 1 2 3​​ans =​ 6​​A =​ 1 2 3 4 5 6​​ans =​ 4 10 18reshape改变大小%reshape 元素相同情况下,对A逐列扫描,对B逐列填充>> A = [1 2 3; 2 3 4; 3 4 5; 6 7 8; 1 2 3 ]​A =​ 1 2 3 2 3 4 3 4 5 6 7 8 1 2 3​>> size(A)​ans =​ 5 3​>> reshape(A,3,5)​ans =​ 1 6 3 2 5 2 1 4 3 8 3 2 7 4 3size计算数组大小>> %size 获取矩阵的行数和列数 注:length()=max(size()).A = [1 2 3]size(A)A = [1 2 3 ; 2 3 4]size(A)​A =​ 1 2 3​​ans =​ 1 3​​A =​ 1 2 3 2 3 4​​ans =​ 2 3sort对每列进行排序%sort 默认情况下,对向量或矩阵(案列)进行升序排序>> A = [1 2 3]sort(A)A = [1 2 3 ; 3 4 1]sort(A)​A =​ 1 2 3​​ans =​ 1 2 3​​A =​ 1 2 3 3 4 1​​ans =​ 1 2 1 3 4 3 >> sort(A,2))% 对行向量排序​ans =​ 1 2 3 1 3 4sum对每列进行求和>> % sum 默认情况下,计算行向量的累加结果A = [1 2 3]sum(A) % 默认按行向量​A =​ 1 2 3​​ans =​ 6>> sum(A,2) % 按行向量​ans =​ 6>> sum(A,1) % 按列向量​ans =​ 1 2 3eye创建一个单位矩阵>> %Y = eye(n):返回n*n单位矩阵;%Y = eye(m,n):返回m*n单位矩阵;eye(3)​ans =​ 1 0 0 0 1 0 0 0 1>> eye(3,4)​ans =​ 1 0 0 0 0 1 0 0 0 0 1 0ones创建一个数组>> %ones的作用是产生全1矩阵,ones(N)是产生一个N*N的全1矩阵 ones(3) ​ans =​ 1 1 1 1 1 1 1 1 1​>> ones(3,2)​ans =​ 1 1 1 1 1 1zeros创建一个零的数组>> %zeros的作用是产生全0矩阵,zeors(N)是产生一个N*N的全0矩阵 zeros(3)​ans =​ 0 0 0 0 0 0 0 0 0>> zeros(2,4)​ans =​ 0 0 0 0 0 0 0 0real计算复数的实数部分>> %real 计算复数实数部分 A = 1 - 2i real(A)​A =​ 1.0000 - 2.0000i​​ans =​ 1imag计算复数虚数部分>> %imag 计算复数虚数部分 A = 1 - 2i imag(A)​A =​ 1.0000 - 2.0000i​​ans =​ -2abs计算绝对值或者对复数求模(复数实部与虚部的平方和的算术平方根:abs(X) =sqrt(real(X).^2 + imag(X).^2))>> %abs 计算绝对值或者对复数求模 A = -3 abs(A)​A =​ -3​​ans =​ 3 >> A = [1 -2] abs(A)​A =​ 1 -2​​ans =​ 1 2 >> A = 1 - 2i abs(A)​A =​ 1.0000 - 2.0000i​​ans =​ 2.2361rand生成均匀分布随机数​>> % rand 生成均匀分布随机数 % rand(n):生成0到1之间的n阶随机数方阵 % rand(m,n):生成0到1之间的m×n的随机数矩阵rand(3)​ans =​ 0.8147 0.9134 0.2785 0.9058 0.6324 0.5469 0.1270 0.0975 0.9575>> rand(3,4)​ans =​ 0.9649 0.9572 0.1419 0.7922 0.1576 0.4854 0.4218 0.9595 0.9706 0.8003 0.9157 0.6557​randn生成标准正态分布随机数,用法与rand一致

欢迎分享,转载请注明来源:内存溢出

原文地址: https://outofmemory.cn/tougao/651559.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022-04-17
下一篇 2022-04-17

发表评论

登录后才能评论

评论列表(0条)

保存