matlab中的double（简单） matlab中double* 的意思
matlab\u4e2ddouble\u51fd\u6570matlab\u4e2ddouble\u51fd\u6570\uff1a\u4e00\u822c\u5730\uff0c\u5bf9\u6570\u51fd\u6570\u662f\u4ee5\u5e42\uff08\u771f\u6570\uff09\u4e3a\u81ea\u53d8\u91cf\uff0c\u6307\u6570\u4e3a\u56e0\u53d8\u91cf\uff0c\u5e95\u6570\u4e3a\u5e38\u91cf\u7684\u51fd\u6570\u3002
\u5bf9\u6570\u51fd\u6570\u662f6\u7c7b\u57fa\u672c\u521d\u7b49\u51fd\u6570\u4e4b\u4e00\u3002\u5176\u4e2d\u5bf9\u6570\u7684\u5b9a\u4e49\uff1a
\u5982\u679cax =N\uff08a>0\uff0c\u4e14a\u22601\uff09\uff0c\u90a3\u4e48\u6570x\u53eb\u505a\u4ee5a\u4e3a\u5e95N\u7684\u5bf9\u6570\uff0c\u8bb0\u4f5cx=logaN\uff0c\u8bfb\u4f5c\u4ee5a\u4e3a\u5e95N\u7684\u5bf9\u6570\uff0c\u5176\u4e2da\u53eb\u505a\u5bf9\u6570\u7684\u5e95\u6570\uff0cN\u53eb\u505a\u771f\u6570\u3002
\u4e00\u822c\u5730\uff0c\u51fd\u6570y=logaX\uff08a>0\uff0c\u4e14a\u22601\uff09\u53eb\u505a\u5bf9\u6570\u51fd\u6570\uff0c\u4e5f\u5c31\u662f\u8bf4\u4ee5\u5e42\uff08\u771f\u6570\uff09\u4e3a\u81ea\u53d8\u91cf\uff0c\u6307\u6570\u4e3a\u56e0\u53d8\u91cf\uff0c\u5e95\u6570\u4e3a\u5e38\u91cf\u7684\u51fd\u6570\uff0c\u53eb\u5bf9\u6570\u51fd\u6570\u3002
\u6269\u5c55\u8d44\u6599\uff1a
\u5bf9\u6570\u51fd\u6570\u4f5c\u4e3a6\u7c7b\u57fa\u672c\u521d\u7b49\u51fd\u6570\u4e4b\u4e00\u3002\u5176\u4e2d\u5bf9\u6570\u7684\u5b9a\u4e49\uff1a
\u5982\u679cax=N\uff08a>0\uff0c\u4e14a\u22601\uff09\uff0c\u90a3\u4e48\u6570x\u53eb\u505a\u4ee5a\u4e3a\u5e95N\u7684\u5bf9\u6570\uff0c\u8bb0\u4f5cx=logaN\uff0c\u8bfb\u4f5c\u4ee5a\u4e3a\u5e95N\u7684\u5bf9\u6570\uff0c\u5176\u4e2da\u53eb\u505a\u5bf9\u6570\u7684\u5e95\u6570\uff0cN\u53eb\u505a\u771f\u6570\u3002
\u4e00\u822c\u5730\uff0c\u51fd\u6570y=logax\uff08a>0\uff0c\u4e14a\u22601\uff09\u53eb\u505a\u5bf9\u6570\u51fd\u6570\uff0c\u4e5f\u5c31\u662f\u8bf4\u4ee5\u5e42\uff08\u771f\u6570\uff09\u4e3a\u81ea\u53d8\u91cf\uff0c\u6307\u6570\u4e3a\u56e0\u53d8\u91cf\uff0c\u5e95\u6570\u4e3a\u5e38\u91cf\u7684\u51fd\u6570\uff0c\u53eb\u5bf9\u6570\u51fd\u6570\u3002
\u5176\u4e2dx\u662f\u81ea\u53d8\u91cf\uff0c\u51fd\u6570\u7684\u5b9a\u4e49\u57df\u662f\uff080\uff0c+\u221e\uff09\uff0c\u5373x>0\u3002\u5b83\u5b9e\u9645\u4e0a\u5c31\u662f\u6307\u6570\u51fd\u6570\u7684\u53cd\u51fd\u6570\uff0c\u53ef\u8868\u793a\u4e3ax=ay\u3002\u56e0\u6b64\u6307\u6570\u51fd\u6570\u91cc\u5bf9\u4e8ea\u7684\u89c4\u5b9a\uff0c\u540c\u6837\u9002\u7528\u4e8e\u5bf9\u6570\u51fd\u6570\u3002
\u201clog\u201d\u662f\u62c9\u4e01\u6587logarithm\uff08\u5bf9\u6570\uff09\u7684\u7f29\u5199\uff0c\u8bfb\u4f5c\uff1a[\u82f1][lɔ\u0261][\u7f8e][lɔ\u0261\uff0c l\u0251\u0261]\u3002
\u8fd9\u4e0d\u662fMATLAB\u7684\u8bed\u53e5\uff0c\u5f88\u660e\u663e\u662fC/C++\u7684\u3002
\u770b\u51fd\u6570\u540d\u5e94\u8be5\u662fMATLAB\u5bf9C/C++\u7f16\u7a0b\u63a5\u53e3\u7684API\u51fd\u6570\u3002
double* \u8868\u793adouble\u7c7b\u578b\u7684\u6307\u9488\uff0c\u4e0a\u9762\u8fd9\u53e5\u7684\u610f\u601d\u5c31\u662f\uff0c\u901a\u8fc7mxGetPr\u51fd\u6570\u83b7\u53d6\u4e00\u4e2a\u6307\u9488\uff0c\u5e76\u5c06\u5176\u5f3a\u5236\u8f6c\u6362\u4e3adouble\u7c7b\u578b\u7684\u6307\u9488\uff0c\u5e76\u5c06\u8be5\u6307\u9488\u4fdd\u5b58\u5728\u53d8\u91cfpArr\u4e2d\u3002
\u6240\u8c13\u6307\u9488\uff0c\u5176\u5b9e\u5c31\u662f\u4e2a\u5185\u5b58\u5730\u5740\uff0c\u4e0d\u540c\u7c7b\u578b\u7684\u6307\u9488\u5728\u8bbf\u95ee\u8be5\u5730\u5740\u65f6\u91c7\u53d6\u7684\u65b9\u6cd5\u4e0d\u540c\uff0c\u4f8b\u5982\uff0c\u5982\u679c\u7528\u4e0a\u9762\u7684pArr\u53d6\u6570\u636e(*pArr)\uff0c\u4f1a\u53d68\u4e2a\u5b57\u8282\u6784\u6210\u4e00\u4e2a\u53cc\u7cbe\u5ea6\u6d6e\u70b9\u6570\uff1b\u4f46\u5047\u5982\u628a\u5b83\u5f3a\u5236\u8f6c\u6362\u4e3afloat *\uff0c\u5219*pArr\u53d6\u6570\u636e\u65f6\u4f1a\u53d64\u4e2a\u5b57\u8282\u6784\u6210\u5355\u7cbe\u5ea6\u6d6e\u70b9\u6570\u3002
sparse double是稀疏存储方式的双精度浮点数（矩阵）。
所谓稀疏矩阵，是指大多数元素为0的矩阵。这种矩阵如果采用常规的存储方式，会造成大量空间的浪费，而计算时也会因大量的0元素加减这样的无意义运算而造成效率很低。MATLAB中提供了稀疏存储的方式，就是sparse。
创建稀疏矩阵通常直接使用sparse函数，例如
S = sparse(1:n,1:n,1);
会创建一个n×n的单位阵，而
B = sparse(10000,10000,pi)
会创建一个10000x10000的矩阵，该矩阵仅右下角元素的值为pi，其它元素全为0。
矩阵的稀疏存储和常规存储方式可以通过sparse函数和full函数相互转换，例如，前面创建n阶单位阵的例子也可以通过这样的做法来实现：
S = sparse(eye(n,n));
不过，后面这种方式需要创建一个临时的常规存储的单位阵，可能会造成大量空间消耗甚至导致内存不足。对于前面创建的稀疏矩阵B，不要尝试使用
full(B)
将其转换为常规存储方式，因为那样需要800M的内存。
关于稀疏矩阵应用的实例，我前不久回答的一个问题就用到了，有兴趣可以参考：
http://zhidao.baidu.com/question/572466904.html?oldq=1
关于稀疏矩阵的一般概念，可参考
http://en.wikipedia.org/wiki/Sparse_matrix
关于MATLAB中稀疏矩阵更多的信息，可参考文档中相关章节（用户手册中有专门的Sparse Matrices内容）。
希望对楼主有帮助，有问题欢迎追问。
绛旓細濡傛灉鏄8浣嶆暟鎹篃灏辨槸256鑹茬殑鍥剧墖锛屽緱鍒2缁寸煩闃碉紝鐢╱int8涔熷氨鏄棤绗﹀彿鏁村舰鏁版嵁琛ㄧず鍍忕礌鐨勫 濡傛灉鏄8浣嶆暟鎹篃灏辨槸RGB鐪熷僵鑹插浘鐗囷紝寰楀埌3缁寸煩闃碉紝绗笁缁寸敤3灞倁int8涔熷氨鏄棤绗﹀彿鏁村舰鏁版嵁琛ㄧず鍍忕礌鐨凴GB鍊 鑰matlab閲岄潰涓昏鐢ㄤ簬杩愮畻鐨勬暟鎹被鍨嬫槸鍙岀簿搴︽诞鐐规暟锛屼篃灏辨槸double double(I)灏卞皢鍥惧儚鏁版嵁鐨勭被鍨嬪己鍒...
绛旓細double(y)琛ㄧず灏嗗弬鏁皔杞负鍙岀簿搴︽诞鐐圭被鍨嬶紝濡傛灉y鏄瓧绗︼紝灏嗚繑鍥炲瓧绗︾殑ASCII鐮佸硷紝绀轰緥濡備笅锛>> x = 'abc鍟';>> y = 1;>> z = 1.1;>> dx = double(x)dx = 97 98 99 21834>> dy = double(y)dy = 1>> dz = double(z)dz = 1.100000000000000 ...
绛旓細matlab涓璬ouble鍑芥暟锛氫竴鑸湴锛屽鏁板嚱鏁版槸浠ュ箓锛堢湡鏁帮級涓鸿嚜鍙橀噺锛屾寚鏁颁负鍥犲彉閲忥紝搴曟暟涓哄父閲忕殑鍑芥暟銆傚鏁板嚱鏁版槸6绫诲熀鏈垵绛夊嚱鏁颁箣涓銆傚叾涓鏁扮殑瀹氫箟锛氬鏋渁x =N锛坅>0锛屼笖a鈮1锛夛紝閭ｄ箞鏁皒鍙仛浠涓哄簳N鐨勫鏁帮紝璁颁綔x=logaN锛岃浣滀互a涓哄簳N鐨勫鏁帮紝鍏朵腑a鍙仛瀵规暟鐨勫簳鏁帮紝N鍙仛鐪熸暟銆備竴鑸湴锛屽嚱鏁皔=...
绛旓細matlab榛樿鐨勬暟鎹被鍨嬫槸double(64浣) 銆俤ouble鏄弻绮惧害娴偣鏁帮紝淇濈暀16浣嶆湁鏁堟暟瀛 銆傚弻绮惧害鍒板簳鏄嚑浣嶏紝涓庝綘鐨勭郴缁熸湁鍏崇殑锛屽鏋滀綘鐨勭郴缁熸槸32浣嶇殑锛岄偅涔堜竴鑸弻绮惧害鏄64浣嶏紝鍗曠簿搴﹀氨鏄32浣嶏紝杩欎釜瑙勫緥涓嶆槸涓囪兘鐨勶紝鎬讳箣涓庝綘鐨勭郴缁熸湁鍏炽傝嚜宸辫瘯楠岀殑缁撴灉锛歰pencv鍜matlab涓double绫诲瀷鐨勬暟锛岄兘鍙湁16浣嶇殑鍑嗙‘...
绛旓細MATLAB 鏄竴绉嶉珮绾х紪绋嬭瑷锛屽畠涓昏鐢ㄤ簬鏁板寤烘ā銆佸垎鏋愬拰鏁版嵁鍙鍖栥鍦 MATLAB 涓锛宑ell 鍜 double 鏄袱绉嶄笉鍚岀殑鏁版嵁绫诲瀷銆俢ell 鏄敤浜庡瓨鍌ㄥ悇绉嶇被鍨嬫暟鎹殑澶嶅悎鏁版嵁绫诲瀷銆傚畠鍙互鐢ㄦ潵瀛樺偍澶氱淮鏁扮粍锛屾瘡涓厓绱犲彲浠ユ槸涓嶅悓绫诲瀷鐨勬暟鎹紝渚嬪鏁板瓧銆佸瓧绗︿覆銆佺粨鏋勪綋鍜屽嚱鏁般俤ouble 鏄敤浜庡瓨鍌ㄥ弻绮惧害娴偣鏁扮殑鏁版嵁绫诲瀷銆
绛旓細鍥犳锛宮atlab璇诲叆鍥惧儚鐨勬暟鎹槸uint8锛岃matlab涓鏁板间竴鑸噰鐢╠ouble鍨嬶紙64浣嶏級瀛樺偍鍜岃繍绠椼傛墍浠ヨ鍏堝皢鍥惧儚杞负double鏍煎紡鐨勬墠鑳借繍绠楋紝I2=im2double(I1) %鎶婂浘鍍廔1杞崲鎴恉ouble绮惧害绫诲瀷 锛堝亣璁惧浘褰㈢煩闃佃寖鍥0~255锛夋垨鑰 I64=double(I8)/255; %uint杞崲鎴恉ouble 濡傛灉涓嶈浆鎹紝璁＄畻浼氫骇鐢熸孩鍑恒傜粡杩囪绠...
绛旓細double(I)鏄皢璇诲叆鐨勫浘鍍廔鐨剈int8鏁版嵁杞崲涓篸ouble绫诲瀷鐨勬暟鎹俲=zeros(m,n)鏄缓绔媘琛宯鍒楀叏闆舵暟缁勩傚彲浠ョ洿鎺(1,2)=5杩欐牱灏5鍐欏叆j鐨1锛2浣嶇疆
绛旓細sym鏄鍙风被鍨嬶紝瑕佽浆涓篸ouble闇瑕佷娇鐢ㄤ互涓嬩唬鐮侊細sym x x1=double(x)
绛旓細double(x)鏄惂x鍙橀噺杞崲鎴愬弻绮惧害鍨嬪彉閲忥紝matlab閲岀殑鏁伴粯璁ゆ槸double鐨勶紝浣嗕篃鍙互鏄崟绮惧害鐨剆ingle锛屾暣鏁癷nt绛夌瓑锛屾瘮杈冩椂瑕佹敞鎰忓彉閲忕殑褰㈠紡 绗簩涓棶棰 鏁扮粍涓嬫爣蹇呴』涓哄ぇ浜0鐨勬暣鏁 浣犲皾璇曚竴涓嬭繍琛屼笅闈㈠嚑琛 for ii = 1:3.3 disp(ii);end 缁撴灉鏄 1 2 3 鍥犱负1:3.3鍏跺疄灞曞紑鍚庣瓑鍚屼簬[1 2 3]锛...
绛旓細瀹氫箟鐨勫彉閲廋鏄痗ell鏁扮粍锛屽叾绗竴涓厓绱犳槸涓涓昂瀵1*2鐨刣ouble绫诲瀷鐨勭煩闃点俤ouble鏄弻绮惧害娴偣鏁般
