前言
- 主要是为了参加比赛进行的MATLAB语法学习,代码可以直接复制下来用,也有详细的注释和方法说明
基本常识
1.分号( ;)
在matlab中分号是换行的含义,也可以代表一段语句的结束,感觉和C的分号差不多吧,在某种程度上又和C中的逗号的作用有重叠
a = 3; //会直接输出这段话,但不进行操作
a = 5 //会明显的输出a = 5
对比以下例子
a = 3+5; //输出了a = 3+5;
a = 3+5 //输出了8
可见分号还起到是否执行显示语句的作用?不太确定哈...(后面理解加深了再修改解释)
2.注释
2.-1多行注释:(%)
- 选中要注释的若干语句,快捷键Ctrl+R
2.-2取消注释
- 选中要取消注释的语句,快捷键Ctrl+T
3.清空窗口
clear可以清楚工作区的所有变量
1.clear
% clc可以清除命令行窗口中的所有文本,让屏幕变得干净
2.clc
- 组合在一起:clear;clc
这两条一起使用,起到“初始化”的作用,防止之前的结果对新脚本文件(后缀名是 .m)产生干扰。(这里也可以看出来分号的作用的确是换行)
层次分析法(用到的函数)
4.输出disp()和输入input()
disp()
matlab中disp()就是屏幕输出函数,类似于c语言中的printf()函数
disp('该说什么好呢...我是江户川柯南...是一个侦探...') %输出字符
a = [1,2,3] %同一行中间用逗号分隔,也可以不用逗号,直接用空格
a = [1 2 3]; %若是加上分号,就会导致这组数在工作区保存,但不会输出,怎么理解呢?..应该可以说是保存在数据流中,这说明了分号的另一个作用,阻止数据流的输出..
disp(a)
% 注意,disp函数比较特殊,这里可要分号,可不要分号哦
disp(a);
input()
一般我们会将输入的数、向量、矩阵、字符串等赋给一个变量,这里我们赋给A,有点面向对象的味道了,很像python中的input(),应该说一模一样?..
A = input('请输入A:');
B = input('请输入B:')
% 注意观察工作区,并体会input后面加分号和不加分号的区别:作用一致,但B输入的数值会直接输出到屏幕上
5.字符串的合并strcat()和num2str()
strcat()
strcat(str1,str2……,strn)
strcat('字符串1','字符串2')
num2str() 将数字转换为字符串
c = 102
num2str(c)%转换类型之后,其字符串类型的数据将存在工作区中(现在看来,这个工作区很像什么?内存池吧?..像是一个MATLAB编译器自主申请的一块小内存,由用户自主分配使用并释放)
disp(['c的取值为' num2str(c)])%其实这里就涉及到了[ ]的应用,[ ]很像python中的列表,但python中的列表是可以装各种类型的数据的,但当[]嵌套[]时,若是数据类型不同,将导致一部分类型的数据转为乱码,如整形类型和字符放一起就会乱码
![]()
%这里是不是侧面说明了disp不只能输出字符类型的变量?这python中的print()和C中的printf()很像,但也不一样,python中的print()直接一个逗号就可以让字符串相连,但disp就鸡肋,也没有像C一样的规范性,可以直接拿格式字符完成输出
disp(strcat('c的取值为', num2str(c)))
6.sum()
这个函数比较简单,用在向量上是默认求和列向量,如果只有行向量就求和行向量
1.如果是向量(无论是行向量还是列向量),都是直接求和
E = [1,2,3]
sum(E)
E = [1;2;3]
sum(E)
2.如果是矩阵,则需要根据行和列的方向作区分
E = [1,2;3,4;5,6]
%按列求和(得到一个行向量)
a = sum(E) %9,12
a = sum(E,1) %第二个参数应该是选择求和方向1为列,2为行,啧...这就很不合理%按行求和(得到一个列向量)
a = sum(E,2)%对整个矩阵求和
a = sum(sum(E))E(:)是将第二列的向量放到第一列的向量下面
a = sum(E(:))%这里再求和
补充:prod()
用法和sum()类似,都是对矩阵作行或列的运算,但prod()是行列间相乘
matlab中如何提取矩阵中指定位置的元素?
7.取指定行和列的一个元素(输出的是一个值)
- 将A矩阵输入到工作区
- A=[1 1 4 1/3 3;1 1 4 1/3 3;1/4 1/4 1 1/3 1/2;3 3 3 1 3;1/3 1/3 2 1/3 1];
A %输出A矩阵到屏幕上
A(2,1) %输出A矩阵中的第二行第一列的元素
A(3,2) %输出A矩阵中的第三行第二列的元素
取指定的某一行的全部元素(输出的是一个行向量)
A(2,:) %输出A矩阵的第二行的全部元素
A(5,:) %输出A矩阵的第五行的全部元素
取指定的某一列的全部元素(输出的是一个列向量)
A(:,1) %输出A矩阵的第一列的全部元素
A(:,3) %输出A矩阵的第三列的全部元素
取指定的某些行的全部元素(输出的是一个矩阵)
A([2,5],:) %只取第二行和第五行(一共2行)
A(2:5,:) %取第二行到第五行(一共4行)
A(2:2:5,:) %取第二行和第四行 (从2开始,每次递增2个单位,到5结束)
1:3:10
10:-1:1
A(2:end,:) % 取第二行到最后一行
A(2:end-1,:) % 取第二行到倒数第二行
取全部元素(按列拼接的,最终输出的是一个列向量)
A(:)
8.size()
A = [1,2,3;4,5,6]
B = [1,2,3,4,5,6]size(A)
size(B)
%size(A)函数是用来求矩阵A的大小的,它返回一个行向量,第一个元素是矩阵的行数,第二个元素是矩阵的列数[r,c] = size(A)
%将矩阵A的行数返回到第一个变量r,将矩阵的列数返回到第二个变量cr = size(A,1) %返回行数
c = size(A,2) %返回列数
9.repmat()
% B = repmat(A,m,n):将矩阵A复制m×n块,即把A作为B的元素,B由m×n个A平铺而成。
A = [1,2,3;4,5,6]
B = repmat(A,2,1) %将A复制两块堆叠
B = repmat(A,3,2) %将A复制六块堆叠
10.Matlab中矩阵的运算
% MATLAB在矩阵的运算中,“*”号和“/”号代表矩阵之间的乘法与除法(A/B = A*inv(B))
A = [1,2;3,4]
B = [1,0;1,1]
A * B% 求B的逆矩阵
inv(B)
B * inv(B)
A * inv(B)
A / B上面是两种矩阵的基本运算
% 两个形状相同的矩阵对应元素之间的乘除法需要使用“.*”和“./”
A = [1,2;3,4]
B = [1,0;1,1]
A .* B
A ./ B.可以使运算变得更加可观,数值不再是不可控制地往高次元或者低次元变化
% 每个元素同时和常数相乘或相除操作都可以使用
A = [1,2;3,4]
A * 2
A .* 2
A / 2
A ./ 2记点运算就ok
% 每个元素同时乘方时只能用 .^
A = [1,2;3,4]
A .^ 2
对每个元素进行操作的话一般都是加.
11.Matlab中求特征值和特征向量
% 在Matlab中,计算矩阵A的特征值和特征向量的函数是eig(A),其中最常用的两个用法:
A = [1 2 3 ;2 2 1;2 0 3]
- E=eig(A)
- %求矩阵A的全部特征值,构成向量E。
- [V,D]=eig(A)
- [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的每一列都是D中与之相同列的特征值的特征向量)
12.find函数的基本用法
% 下面例子来自博客:https://www.cnblogs.com/anzhiwu815/p/5907033.html 博客内有更加深入的探究
% find函数,它可以用来返回向量或者矩阵中不为0的元素的位置索引。
X = [1 0 4 -3 0 0 0 8 6]
ind = find(X)
% 其有多种用法,比如返回前2个不为0的元素的位置:
ind = find(X,2)
%上面针对的是向量(一维),若X是一个矩阵(二维,有行和列),索引该如何返回呢?
X = [1 -3 0;0 0 8;4 0 6]
ind = find(X) %返回 1
3
4
8
9
% 这是因为在Matlab在存储矩阵时,是一列一列存储的,我们可以做一下验证:
X(4) %返回-3
% 假如你需要按照行列的信息输出该怎么办呢?
[r,c] = find(X) %输出非0元素的每一行每一列
[r,c] = find(X,1) %只找第一个非0元素
13.矩阵与常数的大小判断运算
% 共有三种运算符:大于> ;小于< ;等于 == (一个等号表示赋值;两个等号表示判断)
X = [1 -3 0;0 0 8;4 0 6]
X > 0
X == 4
14.判断语句
% Matlab的判断语句,if所在的行不需要冒号,不像python和C一样需要:或者{}
语句的最后一定要以end结尾 ;中间的语句要注意缩进。
a = input('请输入考试分数:')
if a >= 85
disp('成绩优秀')
elseif a >= 60
disp('成绩合格')
else
disp('成绩挂科')
end
15.eig()
%主要功能为求出某矩阵的特征值和特征向量,其中V为特征向量,D为特征值
A = [1,2,4;
1/2,1,2;
1/4,1/2,1]
[V,D] = eig(A) % 求出A的特征值和特征向量
A*[1;1/2;1/4] - 3*[1;1/2;1/4] % 验证[1;1/2;1/4]是否为特征值3对应的特征向量
% A X = \lamba X
16.for循环格式
for i = (begin):(time)
pass
end
17.plot()
- 主要是一个画图函数,有两个参数,第一个参数为自变量,第二个参数为因变量
- 如用plot函数做出 y=e sin x 在[0,6]上的图像.
- y等于e的x次方乘以sin x
x=0:0.001:6;
plot(x,exp(x).*sin(x));
18.层次分析法实践部分
1.输入判断矩阵
disp('请输入判断矩阵A: ')
A = input('判断矩阵A=')
A =[1 1 4 1/3 3;
1 1 4 1/3 3;
1/4 1/4 1 1/3 1/2;
3 3 3 1 3;
1/3 1/3 2 1/3 1]
matlab矩阵有两种写法,可以直接写到一行:
[1 1 4 1/3 3;1 1 4 1/3 3;1/4 1/4 1 1/3 1/2;3 3 3 1 3;1/3 1/3 2 1/3 1]
也可以写成多行:
[1 1 4 1/3 3;
1 1 4 1/3 3;
1/4 1/4 1 1/3 1/2;
3 3 3 1 3;
1/3 1/3 2 1/3 1]
% 两行之间以分号结尾(最后一行的分号可加可不加),同行元素之间以空格(或者逗号)分开。
2.算术平均法求权重
% 第一步:将判断矩阵按照列归一化(每一个元素除以其所在列的和)
- Sum_A = sum(A) %按列求和
- [n,n] = size(A) %也可以写成n = size(A,1),返回行列数
- % 因为我们的判断矩阵A是一个方阵,所以这里的r(行)和c(列)相同,我们可以就用同一个字母n表示
SUM_A = repmat(Sum_A,n,1) %以Sum_A为基础,堆叠n次,制作一个作为分母的和矩阵
% 另外一种替代的方法如下:
SUM_A = [];
for i = 1:n %这一行后面不能加冒号(和Python不同),这里表示循环n次
SUM_A = [SUM_A; Sum_A]
end
SUM_A
Stand_A = A ./ SUM_A
% 这里我们直接将两个矩阵对应的元素相除即可
% 第二步:将归一化的各列相加(按行求和)
sum(Stand_A,2)
% 第三步:将相加后得到的向量中每个元素除以n即可得到权重向量
disp('算术平均法求权重的结果为:');
disp(sum(Stand_A,2) / n)
% 首先对标准化后的矩阵按照行求和,得到一个列向量
% 然后再将这个列向量的每个元素同时除以n即可(注意这里也可以用./哦)
3.几何平均法求权重
% 第一步:将A的元素按照行相乘得到一个新的列向量
Prduct_A = prod(A,2)
% prod函数和sum函数类似,一个用于乘,一个用于加 dim = 2 维度是行
% 第二步:将新的向量的每个分量开n次方
Prduct_n_A = Prduct_A .^ (1/n)
% 这里对每个元素进行乘方操作,因此要加.号哦。 ^符号表示乘方哦 这里是开n次方,所以我们等价求1/n次方
% 第三步:对该列向量进行归一化即可得到权重向量
% 将这个列向量中的每一个元素除以这一个向量的和即可
disp('几何平均法求权重的结果为:');
disp(Prduct_n_A ./ sum(Prduct_n_A))
4.特征值法求权重
% 第一步:求出矩阵A的最大特征值以及其对应的特征向量
- [V,D] = eig(A)
- %V是特征向量, D是由特征值构成的对角矩阵(除了对角线元素外,其余位置元素全为0),完了,我忘记特征向量是啥了...
- Max_eig = max(max(D))
- %找到特征值构成的特征矩阵中最大的特征值
% 那么怎么找到最大特征值所在的位置了? 需要用到find函数,它可以用来返回向量或者矩阵中不为0的元素的位置索引。
% 那么问题来了,我们要得到最大特征值的位置,就需要将包含所有特征值的这个对角矩阵D中,不等于最大特征值的位置全变为0
% 这时候可以用到矩阵与常数的大小判断运算
D == Max_eig %此时发现最大特征值所在于D矩阵中的位置为1,其余为0
[r,c] = find(D == Max_eig , 1)
% 找到D中第一个与最大特征值相等的元素的位置,记录它的行和列。
% 第二步:对求出的特征向量进行归一化即可得到我们的权重
V(:,c)
disp('特征值法求权重的结果为:');
disp( V(:,c) ./ sum(V(:,c)) )
% 我们先根据上面找到的最大特征值的列数c找到对应的特征向量,然后再进行标准化。
5.计算一致性比例CR
CI = (Max_eig - n) / (n-1);
RI=[0 0 0.52 0.89 1.12 1.26 1.36 1.41 1.46 1.49 1.52 1.54 1.56 1.58 1.59]; %注意哦,这里的RI最多支持 n = 15
CR=CI/RI(n);
disp('一致性指标CI=');disp(CI);
disp('一致性比例CR=');disp(CR);
if CR<0.10
disp('因为CR < 0.10,所以该判断矩阵A的一致性可以接受!');
else
disp('注意:CR >= 0.10,因此该判断矩阵A需要进行修改!');
end
19.层次分析法示例
disp('请输入判断矩阵A')
A=input('A=');
[n,n] = size(A);
方法1: 算术平均法求权重
Sum_A = sum(A);
SUM_A = repmat(Sum_A,n,1);
Stand_A = A ./ SUM_A;disp('算术平均法求权重的结果为:');
disp(sum(Stand_A,2)./n)
方法2: 几何平均法求权重
Prduct_A = prod(A,2);
Prduct_n_A = Prduct_A .^ (1/n);
disp('几何平均法求权重的结果为:');
disp(Prduct_n_A ./ sum(Prduct_n_A))
方法3: 特征值法求权重
[V,D] = eig(A);
Max_eig = max(max(D));
[r,c]=find(D == Max_eig , 1);
disp('特征值法求权重的结果为:');
disp( V(:,c) ./ sum(V(:,c)) )
下面是计算一致性比例CR的环节
CI = (Max_eig - n) / (n-1);
RI=[0 0.0001 0.52 0.89 1.12 1.26 1.36 1.41 1.46 1.49 1.52 1.54 1.56 1.58 1.59]; %注意哦,这里的RI最多支持 n = 15
% 这里n=2时,一定是一致矩阵,所以CI = 0,我们为了避免分母为0,将这里的第二个元素改为了很接近0的正数
CR=CI/RI(n);
disp('一致性指标CI=');disp(CI);
disp('一致性比例CR=');disp(CR);
if CR<0.10
disp('因为CR<0.10,所以该判断矩阵A的一致性可以接受!');
else
disp('注意:CR >= 0.10,因此该判断矩阵A需要进行修改!');
end