文章目录
- 【 生成 】
- 随机数
- 零或一
- 其他
- 【 提取 】
- 【 统计 】
- 【 算法 】
- 【 文件 】
【 生成 】
随机数
-
rand()
- rand(a,b)
生成区间 (0,1) 内均匀分布的随机数字组成的 axb 列矩阵。
均值=0.5,方差=1/12=0.08333。 - k*rand(a,b)
生成区间 (0,k) 内服从均匀分布的随机数字组成的 axb 列矩阵。
均值=0.5*k - j+k*rand(a,b)
生成区间 (0,k) 内服从均匀分布的随机数字组成的 axb 列矩阵。
均值=0.5*k
- rand(a,b)
-
randi()
- randi([imin,imax],m,n) :返回一个mxn矩阵,其中包含从区间 [imin,imax] 的均匀离散分布中得到的整数。
- randi([imin,imax],n) :返回一个nxn矩阵,其中包含从区间 [imin,imax] 的均匀离散分布中得到的整数。
-
randn()
- randn(m,n)
生成服从正态分布的随机数字组成的 mxn 列矩阵。
均值=0,方差=1。 - a+b randn(m,n)
生成服从正态分布的随机数字组成的 mxn 列矩阵。
均值为 0,方差为 b2 。 - a randn(m,n)+b randn(m,n)
生成服从正态分布的随机数字组成的 mxn 列矩阵。
均值为 0+0i,方差为 a2+b2 。
- randn(m,n)
零或一
- zeros():生成 全0矩阵(零矩阵)。
- ones():生成 全1矩阵(幺矩阵)。
- eye():生成 单位矩阵。
%以上几个函数的调用格式相似,下面以产生零矩阵的zeros函数为例进行说明。
zeros(m) %生成 m×m 零矩阵
zeros(m,n) %生成 m×n 零矩阵
zeros(size(A)) %生成与矩阵A同样大小的零矩阵
其他
- linspace(a,b,n):生成从a开始,到b结束,有n个元素的行向量。
- reshape(A,m,n):将矩阵A的数据重新构建成一个mxn的矩阵。
【 提取 】
- find(A):找出矩阵A中非零元素所在的下标
- find(条件):找出符合条件的元素所在的位置
- diag(A) :提取矩阵A 的主对角线上元素,生成一个列向量
- diag(A,k):提取矩阵A第k条对角线的元素
- diag(V):以向量V的元素为主对角线上的元素构造的对角矩阵
- diag(V,k):以向量V的元素为第k条对角线上的元素的构造的对角阵
【 统计 】
- abs(A):A 是实数,返回 A 中每个元素的绝对值;如果 A 是复数,则 返回复数的模值。
- max(A):如果 A 是向量,则 max(A) 返回 A 的最大值;如果 A 为矩阵,则 max(A) 是包含 A 的每一列的最大值的行向量;max(A,[],2) 是包含每一行的最大值的列向量。
- min(A):求A各列的最小值
- mean(A) :求A各列的平均值
- sum(A):求A各列元素之和
- prod(A):求A的各列元素之积
- median(A):求A各列的中位元素
- std(A):求A各列的标准差
- var(A):求A各列的方差
- norm(A):返回向量 A 的 2-范数。向量x的2-范数:向量中所有元素的平方和之后再开方, ∥ x ∥ 2 = ( x H x ) 1 / 2 \left\|{x}\right\|_2=\left({x^H}{x}\right)^{1/2} ∥x∥2=(xHx)1/2;矩阵A的2-范数:A的共轭转置乘以A结果的最大特征根的开根号, ∣ ∣ A ∣ ∣ 2 = max λ ( A H A ) ||A||_2=\sqrt{\max _{\lambda }(A^HA)} ∣∣A∣∣2=maxλ(AHA)。
- 均方值(平均功率)= 均值(直流功率)+方差(交流功率)。
【 算法 】
- conj(A):返回 A 中每个元素的复共轭。
【 文件 】
- save():save(filename) 将当前工作区中的所有变量保存在mat格式的二进制文件 filename 中,如果 filename 已存在,save 会覆盖该文件;save(filename,variables) 仅保存 variables 指定的结构体数组的变量或字段。