189 8069 5689
其实如果单从建模来讲，以下大部分函数都用不到，但是这些都是基础。
成都创新互联一直通过网站建设和网站营销帮助企业获得更多客户资源。 以"深度挖掘，量身打造，注重实效"的一站式服务，以成都网站设计、网站制作、移动互联产品、成都全网营销服务为核心业务。十多年网站制作的经验，使用新网站建设技术，全新开发出的标准网站，不但价格便宜而且实用、灵活，特别适合中小公司网站制作。网站管理系统简单易用，维护方便，您可以完全操作网站资料，是中小公司快速网站建设的选择。
第一点：数组与矩阵概念的区分
数组：与其它编程语言一样，定义是：相同数据类型元素的集合。
矩阵：在数学中，矩阵（Matrix）是一个按照长方阵列排列的复数或实数集合
但是需要知道的是，在matlab中经常需要使用到的是二维矩阵
接着了解一下几个常用标点符号的原理
逗号：用来将数组中的元素分开；
分号：用来将矩阵中的行分开；
中括号：界定数组的首与尾。
行数组：如a=[1,2,3,8,-1]
列数组：b=[1;2;3;8;-1]
矩阵：A=[2,4,1;8，-2，4；2，4，6]
二 ，生成矩阵的方法有许多
目前据我所知大概有两种，
1，先建立空矩阵a=[]
然后在工作空间点开a进入数组编辑器，进行编辑
2，用函数创建数组
(1):定步长生成法： x=a:t:b(t步长，省略的是1)；
>> x=1:2:19
x =
1 3 5 7 9 11 13 15 17 19
(2):定数线性采样法：x=linspace(a,b,n),
a,b是数组的第一个和最后一个元素，
n是采样的总点数。
>> x=linspace(1,32,13)
x =
1 至 9 列
1.0000 3.5833 6.1667 8.7500 11.3333 13.9167 16.5000 19.0833 21.6667
10 至 13 列
24.2500 26.8333 29.4167 32.0000
3，关于数组的一些基础函数
zeros(m):m阶全零方针
zeros(m,n):m*n阶全零方针
eye(m)：m阶单位矩阵
矩阵运算：
左除\ AX=B;X=A的-1次方乘以B
右除/ XA=B；X=B乘以A的-1次方
矩阵与常数的运算中，常数通常只能作为除数
求矩阵的逆运算（AB=BA=E（单位矩阵）），也有相应的方法；
通过函数inv可求逆运算
>> A=[1 6 9;4 2 7;8 5 3]
A =
1 6 9
4 2 7
8 5 3
>> B=eye(3)/A
B =
-0.1070 0.0996 0.0886
0.1624 -0.2546 0.1070
0.0148 0.1587 -0.0812
>> inv(A)
ans =
-0.1070 0.0996 0.0886
0.1624 -0.2546 0.1070
0.0148 0.1587 -0.0812
通过det函数可求矩阵的行列式
>> a=magic(3)
a =
8 1 6
3 5 7
4 9 2
>> det(a)
ans =
-360
矩阵的幂运算可通
指数函数expm1 expm2 expm3 expm可以很方便地完成矩阵的运算
矩阵指数是方块矩阵的一种矩阵函数，与指数函数类似。矩阵指数给出了矩阵李代数与对应的李群之间的关系。
设X为n×n的实数或复数矩阵。X的指数，用
或exp(X)来表示，是由以下幂级数所给出的n×n矩阵：
以上的级数总是收敛的，因此X的指数是定义良好的。注意，如果X是1×1的矩阵，则X的矩阵指数就是由X的元素的指数所组成的1×1矩阵。
expm 常用矩阵指数函数
expm1 Pade法求矩阵指数
expm2 Taylor法求矩阵指数
expm3 特征值分解法求矩阵指数
这个大家有个印象就行了，记不住也没关系，实际上一般用不到
矩阵的对数运算（logm）
矩阵的开方运算sqrtm
//以上关于对数，指数，开方运算实际运用场景并不大
magic是指行和列包括主对角线，副对角线的相加都为一个定值得函数
三，矩阵的基本函数运算
[x,y]=eig(A) 可以求出特征值和特征向量
拓展：
/*
E=eig(A)：求矩阵A的全部特征值，构成向量E。
[V,D]=eig(A)：求矩阵A的全部特征值，构成对角阵D，并求A的特征向量构成V的列向量。
[V,D]=eig(A,'nobalance')：与第2种格式类似，但第2种格式中先对A作相似变换后求矩阵A的特征值和特征向量，而格式3直接求矩阵A的特征值和特征向量。
E=eig(A,B)：由eig(A,B)返回N×N阶方阵A和B的N个广义特征值，构成向量E。
[V,D]=eig(A,B)：由eig(A,B)返回方阵A和B的N个广义特征值，构成N×N阶对角阵D，其对角线上的N个元素即为相应的广义特征值，同时将返回相应的特征向量构成N×N阶满秩矩阵，且满足AV=BVD。
如将特征值的取值扩展到复数领域，则一个广义特征值有如下形式：Aν=λBν
其中A和B为矩阵。其广义特征值（第二种意义）λ 可以通过求解方程(A-λB)ν=0，得到det(A-λB)=0（其中det即行列式）构成形如A-λB的矩阵的集合。其中特征值中存在的复数项，称为一个“丛(pencil)”。
若B可逆，则原关系式可以写作
，也即标准的特征值问题。当B为非可逆矩阵（无法进行逆变换）时，广义特征值问题应该以其原始表述来求解。
*/
奇异值函数
svd svds
范数函数
norm(X,P)
P=1,1范数
P=2, 2范数
P=inf 无穷范数
P=fro F范数
秩函数：
rank 求秩
迹函数
矩阵上所有对角线的元素之和为矩阵的迹
trace
正交空间函数
利用orth可以求矩阵的正交基
条件数函数
cond 计算矩阵的条件数的值
condest 计算矩阵的1的范数条件数的估计值
rcond 计算矩阵条件数的倒数值
伪逆函数
pinv 求解病态问题时,避免产生伪解，
通用的函数运算
funm(A,'funname')
未完待续