怎样在matlab中进行矩阵的运算？
一、矩阵的表示方法
1、矩阵元素必须在”[]”内；
2、矩阵的同行元素之间用空格（或”,”）隔开；
3、矩阵的行与行之间用”;”（或回车符）隔开；
4、矩阵的元素可以是数值、变量、表达式或函数；
5、矩阵的尺寸不必预先定义。
二、矩阵的运算
1、算术运算
MATLAB的基本算术运算有：＋(加)、－(减)、*(乘)、/(右除)、\(左除)、^(乘方)、’(转置)。运算是在矩阵意义下进行的，单个数据的算术运算只是一种特例。
(1)矩阵加减运算假定有两个矩阵A和B，则可以由A+B和A-B实现矩阵的加减运算。运算规则是：若A和B矩阵的维数相同，则可以执行矩阵的加减运算，A和B矩阵的相应元素相加减。如果A与B的维数不相同，则MATLAB将给出错误信息，提示用户两个矩阵的维数不匹配。
(2)矩阵乘法假定有两个矩阵A和B，若A为m*n矩阵，B为n*p矩阵，则C=A*B为m*p矩阵。
(3)矩阵除法在MATLAB中，有两种矩阵除法运算：\和/，分别表示左除和右除。如果A矩阵是非奇异方阵，则A\B和B/A运算可以实现。
A\B等效于A的逆左乘B矩阵，也就是inv(A)*B，而B/A等效于A矩阵的逆右乘B矩阵，也就是B*inv(A)。对于含有标量的运算，两种除法运算的结果相同。对于矩阵来说，左除和右除表示两种不同的除数矩阵和被除数矩阵的关系，一般A\B≠B/A。
(4)矩阵的乘方一个矩阵的乘方运算可以表示成A^x，要求A为方阵，x为标量。
(5)矩阵的转置对实数矩阵进行行列互换，对复数矩阵，共轭转置，特殊的，操作符.’共轭不转置（见点运算）；
(6)点运算在MATLAB中，有一种特殊的运算，因为其运算符是在有关算术运算符前面加点，所以叫点运算。点运算符有.*、./、.\和.^。两矩阵进行点运算是指它们的对应元素进行相关运算，要求两矩阵的维参数相同。
2、关系运算
MATLAB提供了6种关系运算符：<(小于)、<=(小于或等于)、>(大于)、>=(大于或等于)、==(等于)、~=(不等于)。关系运算符的运算法则为：
(1)当两个比较量是标量时，直接比较两数的大小。若关系成立，关系表达式结果为1，否则为0；
(2)当参与比较的量是两个维数相同的矩阵时，比较是对两矩阵相同位置的元素按标量关系运算规则逐个进行，并给出元素比较结果。最终的关系运算的结果是一个维数与原矩阵相同的矩阵，它的元素由0或1组成；
(3)当参与比较的一个是标量，而另一个是矩阵时，则把标量与矩阵的每一个元素按标量关系运算规则逐个比较，并给出元素比较结果。最终的关系运算的结果是一个维数与原矩阵相同的矩阵，它的元素由0或1组成。
3、逻辑运算
MATLAB提供了3种逻辑运算符：&(与)、|(或)和~(非)。逻辑运算的运算法则为：
(1)在逻辑运算中，确认非零元素为真，用1表示，零元素为假，用0表示；
(2)设参与逻辑运算的是两个标量a和b，那么，a&b a,b全为非零时，运算结果为1，否则为0。a|b a,b中只要有一个非零，运算结果为1。~a当a是零时，运算结果为1；当a非零时，运算结果为0。
(3)若参与逻辑运算的是两个同维矩阵，那么运算将对矩阵相同位置上的元素按标量规则逐个进行。最终运算结果是一个与原矩阵同维的矩阵，其元素由1或0组成；
(4)若参与逻辑运算的一个是标量，一个是矩阵，那么运算将在标量与矩阵中的每个元素之间按标量规则逐个进行。最终运算结果是一个与矩阵同维的矩阵，其元素由1或0组成；
(5)逻辑非是单目运算符，也服从矩阵运算规则；
(6)在算术、关系、逻辑运算中，算术运算优先级最高，逻辑运算优先级最低。
扩展资料：
1．获取矩阵元素
可以通过下标（行列索引）引用矩阵的元素，如Matrix(m,n)。
也可以采用矩阵元素的序号来引用矩阵元素。
矩阵元素的序号就是相应元素在内存中的排列顺序。
在MATLAB中，矩阵元素按列存储。
序号(Index)与下标(Subscript)是一一对应的，以m*n矩阵A为例，矩阵元素A(i,j)的序号为(j-1)*m+i。
其相互转换关系也可利用sub2ind和ind2sub函数求得。
2．矩阵拆分
利用冒号表达式获得子矩阵：
(1)A(:,j)表示取A矩阵的第j列全部元素；A(i,:)表示A矩阵第i行的全部元素；A(i,j)表示取A矩阵第i行、第j列的元素。
(2)A(i:i+m,:)表示取A矩阵第i~i+m行的全部元素；A(:,k:k+m)表示取A矩阵第k~k+m列的全部元素，A(i:i+m,k:k+m)表示取A矩阵第i~i+m行内，并在第k~k+m列中的所有元素。
此外，还可利用一般向量和end运算符来表示矩阵下标，从而获得子矩阵。end表示某一维的末尾元素下标。
利用空矩阵删除矩阵的元素：
在MATLAB中，定义[]为空矩阵。给变量X赋空矩阵的语句为X=[]。注意，X=[]与clear X不同，clear是将X从工作空间中删除，而空矩阵则存在于工作空间中，只是维数为0。
3、特殊矩阵
(1)魔方矩阵魔方矩阵有一个有趣的性质，其每行、每列及两条对角线上的元素和都相等。对于n阶魔方阵，其元素由1,2,3,…,n2共n2个整数组成。MATLAB提供了求魔方矩阵的函数magic(n)，其功能是生成一个n阶魔方阵。
(2)范得蒙矩阵范得蒙(Vandermonde)矩阵最后一列全为1，倒数第二列为一个指定的向量，其他各列是其后列与倒数第二列的点乘积。可以用一个指定向量生成一个范得蒙矩阵。在MATLAB中，函数vander(V)生成以向量V为基础向量的范得蒙矩阵。
(3)希尔伯特矩阵在MATLAB中，生成希尔伯特矩阵的函数是hilb(n)。使用一般方法求逆会因为原始数据的微小扰动而产生不可靠的计算结果。MATLAB中，有一个专门求希尔伯特矩阵的逆的函数invhilb(n)，其功能是求n阶的希尔伯特矩阵的逆矩阵。
(4)托普利兹矩阵托普利兹(Toeplitz)矩阵除第一行第一列外，其他每个元素都与左上角的元素相同。生成托普利兹矩阵的函数是toeplitz(x,y)，它生成一个以x为第一列，y为第一行的托普利兹矩阵。这里x,y均为向量，两者不必等长。toeplitz(x)用向量x生成一个对称的托普利兹矩阵。
(5)伴随矩阵MATLAB生成伴随矩阵的函数是compan(p)，其中p是一个多项式的系数向量，高次幂系数排在前，低次幂排在后。
(6)帕斯卡矩阵我们知道，二次项(x+y)n展开后的系数随n的增大组成一个三角形表，称为杨辉三角形。由杨辉三角形表组成的矩阵称为帕斯卡(Pascal)矩阵。函数pascal(n)生成一个n阶帕斯卡矩阵。
参考资料：
百度百科——帕斯卡矩阵
百度百科——MATLAB
绛旓細璇ユ搷浣滄楠ゅ涓嬶細1銆佹彁鍙栧厓绱狅細濡傛灉涓涓煩闃垫槸涓涓敱澶氫釜鍏冪礌缁勬垚鐨勪簩缁存暟缁勶紝鍙互閫氳繃鎸囧畾琛屽拰鍒楃殑绱㈠紩鏉ユ彁鍙栧叾涓殑涓涓厓绱犮備緥濡傦紝濡傛灉鏈変竴涓3x3鐨勭煩闃碉紝鍙互閫氳繃绱㈠紩鏉ユ彁鍙栫1琛岀2鍒楃殑鍏冪礌銆傚湪澶у鏁扮紪绋嬭瑷涓紝鐭╅樀鐨绱㈠紩浠0寮濮嬶紝鍥犳绗1琛岀2鍒楃殑鍏冪礌鐨勭储寮曟槸锛0锛1锛夈2銆佸鐭╅樀涓殑姣忎釜...
绛旓細涓銆鐭╅樀鐨琛ㄧず鍦∕ATLAB涓鍒涘缓鐭╅樀鏈変互涓嬭鍒欙細1銆佺煩闃靛厓绱犲繀椤诲湪鈥漑 ]鈥濆唴锛2銆佺煩闃电殑鍚岃鍏冪礌涔嬮棿鐢ㄧ┖鏍硷紙鎴栤,鈥濓級闅斿紑锛3銆佺煩闃电殑琛屼笌琛屼箣闂寸敤鈥;鈥濓紙鎴栧洖杞︾锛夐殧寮锛4銆佺煩闃电殑鍏冪礌鍙互鏄暟鍊笺佸彉閲忋佽〃杈惧紡鎴栧嚱鏁帮紱5銆佺煩闃电殑灏哄涓嶅繀棰勫厛瀹氫箟銆備簩銆佸熀鏈煩闃靛嚱鏁板涓嬶細1銆 ones()鍑芥暟锛氫骇鐢熷叏...
绛旓細1銆侀鍏堥渶瑕佺煡閬matlab涓煩闃鍚庨潰鍔犲崟寮曞彿鏄叡杞浆缃紝鍔犵偣鍜屽崟寮曞彿鏄浆缃紝濡備笅鍥炬墍绀猴細2銆鍦╩atlab鍛戒护琛岀獥鍙ｄ腑杈撳叆鈥 A=[1 2 4;5 6 7]鈥濓紝濡備笅鍥炬墍绀猴細3銆佽緭鍏 A.'锛屽鐭╅樀杩涜杞疆锛屽彲浠ョ湅鍒2琛3鍒楃殑鐭╅樀鍙樻垚浜3琛2鍒楃殑鐭╅樀锛岃鍒楀彉鎹紝濡備笅鍥炬墍绀猴細4銆佷篃鍙互鐪嬩竴涓嬪叡杞浆缃紝杈撳叆A'锛...
绛旓細1銆侀鍏鍦∕atlab涓鏈甯哥敤鐨勫０鏄庢暟缁勭殑鏂瑰紡灏辨槸浣跨敤涓嫭鍙峰拰鍒嗗彿浜嗭紝濡備笅鍥炬墍绀 2銆佺劧鍚庢垜浠篃鍙互鎶婁腑鎷彿鍘绘帀锛屾敼鎴愭墜鍔ㄦ崲琛岋紝濡備笅鍥炬墍绀猴紝涓嫭鍙峰湪澹版槑鏁扮粍鐨勬椂鍊欏氨鏄捣鍒颁簡鎹㈣鐨勪綔鐢 3銆佹帴涓嬫潵鎴戜滑杩樺彲浠ョ敤鍐掑彿澹版槑鐭╅樀鏁扮粍锛屽涓嬪浘鎵绀猴紝浠ｈ〃鐨勬槸澹版槑0鍒2鐨勪竴缁存暟缁勶紝姣忔鏁板煎姞1 4銆佸彟澶栧鏋滃湪...
绛旓細1銆侀鍏堝湪鎴戜滑鐨勭數鑴戜笂鎵撳紑matlab锛屽湪鍛戒护琛岀獥鍙ｄ腑杈撳叆a=[1,2,3;4,5,6];b=[7,8,9]锛鎸夊洖杞﹂敭锛岀敓鎴愪袱涓悓鍒椾笉鍚岃鐨勭煩闃銆2銆佸浜庡悓鍒椾笉鍚岃鐨勪袱涓煩闃碉紝鎴戜滑鍙互閫氳繃c=[a;b]锛岃繘琛屾嫾鎺ョ煩闃碉紝鍒嗗彿鏄旱鍚戞嫾鎺ョ煩闃点3銆佹垜浠湪鍛戒护琛岀獥鍙ｄ腑杈撳叆a=[1,2,3;4,5,6];d=[1;10]锛屾寜鍥炶溅...
绛旓細(6)鐐硅繍绠鍦∕ATLAB涓锛屾湁涓绉嶇壒娈婄殑杩愮畻锛屽洜涓哄叾杩愮畻绗︽槸鍦ㄦ湁鍏崇畻鏈繍绠楃鍓嶉潰鍔犵偣锛屾墍浠ュ彨鐐硅繍绠椼傜偣杩愮畻绗︽湁.*銆./銆.\鍜.^銆備袱鐭╅樀杩涜鐐硅繍绠楁槸鎸囧畠浠殑瀵瑰簲鍏冪礌杩涜鐩稿叧杩愮畻锛岃姹備袱鐭╅樀鐨缁村弬鏁扮浉鍚屻2銆佸叧绯昏繍绠 MATLAB鎻愪緵浜6绉嶅叧绯昏繍绠楃锛<(灏忎簬)銆<=(灏忎簬鎴栫瓑浜)銆>(澶т簬)銆>=(澶т簬...
绛旓細鏈変互涓嬫柟娉曪細1.鎴戜滑闇瑕佸matlab鏈変竴涓垵姝ョ殑浜嗚В鍚庯紝鎵嶅彲鑳藉畬鎴愬悗缁殑姝ラ锛屼緥瀛愬涓嬶細2.鐜板湪鎴戜滑闇瑕佹妸鍥惧舰闅愯棌璧锋潵锛屼篃灏辨槸涓嶄富鍔ㄥ脊鍑哄浘褰㈢獥鍙ｏ紝杩欎竴姝ラ渶瑕佹垜浠簡瑙ｇ浉鍏崇殑鍑芥暟鍙ユ焺鐨勭煡璇嗭紝鍏蜂綋鐪嬪浘锛3.鍦ㄤ笂涓姝ヤ腑锛屽嚱鏁板浘褰㈢殑鍙鎬э紙visible锛夊凡缁忓叧闂紙off锛夛紝涔熷氨鏄闅愯棌璧锋潵浜嗭紝鎺ョ潃鎴戜滑寰楁妸plot...
绛旓細鍙互鐢鍥涚鏂规硶寤虹珛鐭╅樀锛氣憼鐩存帴杈撳叆娉曪紝濡 a=[2 5 7 3]锛屼紭鐐规槸杈撳叆鏂规硶鏂逛究绠鎹凤紱鈶￠氳繃 M 鏂囦欢寤虹珛鐭╅樀锛岃鏂规硶閫傜敤浜庡缓绔嬪昂瀵歌緝澶х殑鐭╅樀锛屽苟涓旀槗浜庝慨鏀癸紱鈶㈢敱鍑芥暟寤虹珛锛屽 y=sin(x)锛屽彲浠ョ敱 MATLAB 鐨鍐呴儴鍑芥暟寤虹珛涓浜涚壒娈婄煩闃碉紱鈶ｉ氳繃鏁版嵁鏂囦欢寤虹珛锛岃鏂规硶鍙互璋冪敤鐢卞叾浠栬蒋浠朵骇鐢熸暟鎹
绛旓細1銆佺涓姝ユ墦寮matlab鍛戒护琛岀獥鍙ｏ紝杈撳叆a锛濓蓟123锛456锛789锛647锛斤紝鍒涘缓涓涓猘鐭╅樀銆2銆佺浜屾杈撳叆a锛1:2锛1:3锛夛紝杩涜鎻愬彇a鐭╅樀鐨绗1锛2琛岀1鍒3鍒椼3銆佺涓夋鎸夊洖杞﹂敭涔嬪悗锛屽彲浠ョ湅鍒板凡缁忔彁鍙栦簡a鐭╅樀鐨勭1锛2琛岀1鍒3鍒椼4銆佺鍥涙杈撳叆a锛2:3锛1:2锛夛紝杩涜鎻愬彇a鐭╅樀绗2鍒3琛岀1鍒2...
绛旓細浣跨敤鐐硅繍绠椼傚鏋滃師鐭╅樀寮廇锛屽彲浠ヤ娇鐢ˋ.*A鎴栬匒.^2 MatLab涓鐐硅繍绠楁槸瀵圭浉鍚岀淮鏁扮殑鐭╅樀鐨瀵瑰簲鍏冪礌杩涜鐩稿簲鐨勮繍绠椼.* 鐐逛箻锛岀浉鍚岀淮鏁扮殑鐭╅樀鐨勫搴斿厓绱犵浉涔樸.^ 鐐逛箻骞傦紝A.^B鐩稿悓缁存暟鐨勭煩闃礎鍏冪礌鐨凚瀵瑰簲鍏冪礌娆″箓銆侫.^n鐭╅樀A涓墍鏈夊厓绱犲彇n娆″箓銆.\ 鐐瑰乏闄わ紝鐩稿悓缁存暟鐨勭煩闃电殑瀵瑰簲鍏冪礌杩涜\杩愮畻銆./...
