预定义变量
>> format short e
>> RMAd = realmax('double') %双精度类型默认最大实数
RMAd =
1.7977e+308
>> RMAs = realmax('single') %单精度类型最大实数
RMAs =
3.4028e+38
>> IMA64 = intmax('int64') %int64整数类型最大正整数
IMA64 =
9223372036854775807
>> IMA32 = intmax %int32整数类型最大正整数
IMA32 =
2147483647
>> IMA32 = intmax('int16') %int16整数类型最大正整数
IMA32 =
32767
>> e1 =eps %双精度类型相对精度
e1 =
2.2204e-16
>> e2 = eps(2) %表达2时的相对精度
e2 =
4.4409e-16
>> pi
ans =
3.1416e+00
面向复数设计的运算
>> z3 = 2*exp(i*pi/6);%运算符构成的极坐标表示法
>> z1 = 4+3i;%运算符构成的直角坐标表示法
>> z2 = 1+2*i;
>> z = z1*z2/z3;
>> z1
z1 =
4.0000e+00 + 3.0000e+00i
>> z2
z2 =
1.0000e+00 + 2.0000e+00i
>> z3
z3 =
1.7321e+00 + 1.0000e+00i
>> z
z =
1.8840e+00 + 5.2631e+00i
>> real_z = real(z)
real_z =
1.8840e+00
>> image_z=imag(z)
image_z =
5.2631e+00
>> magnitude_z = abs(z)
magnitude_z =
5.5902e+00
>> angle_z_radian = angle(z)%弧度单位
angle_z_radian =
1.2271e+00
>> angle_z_degree = angle(z)*180/pi%度数单位
angle_z_degree =
7.0305e+01
>> z1 = 4+3*i; %指令后采用分号,使得运算结果不显示
>> z2= 1+2*i;
>> z12 = z1+z2;
>> clf,hold on %clf清空图形窗口,逗号用来分隔两个指令
>> plot([0,z1,z12],'-b','LineWidth',3)
>> plot([0,z12],'-r','LineWidth',3)
>> plot([z1,z12],'ob','MarkerSize',8)
>> hold off, grid on
>> axis equal
>> axis([0,6,0,6])
>> text(3.5,2.3,'z1')
>> text(5,4.5,'z2')
>> text(2.5,3.5,'z12')
>> xlabel('real')
>> ylabel('image')
>> shg
求一个数的3次方根
>> a = -8;
>> r_a = a^(1/3)
r_a =
1.0000e+00 + 1.7321e+00i
>> p=[1,0,0,-a];%先构建一个多项式p(r)=r^3-a,p是多项式的系数向量
%指令末尾的英文状态分号使得该指令运行后不显示结果
>> R = roots(p)
R =
-2.0000e+00 + 0.0000e+00i
1.0000e+00 + 1.7321e+00i
1.0000e+00 - 1.7321e+00i
>> t = 0:pi/20:2*pi;
>> MR = abs(R(1))%计算复数根的模
>> x = MR*sin(t);
>> y = MR*cos(t);
>> plot(x,y,'b:'),grid on
>> hold on
>> plot(R(2),'.','MarkerSize',30,'Color','r')
>> plot(R([1,3]),'o','MarkerSize',15,'Color','b')
>> axis([-3,3,-3,3]),axis square %保证屏幕显示真圆
>> hold off
面向数组设计的运算
>> AR = [1,3;2,4]
AR =
1 3
2 4
>> AI = [5,7 %回车用来分隔数组中的行
6,8]
AI =
5 7
6 8
>> AR = [1,3;2,4];
>> AI = [5,7;6,8];
>> A = AR - AI*i
A =
1.0000 - 5.0000i 3.0000 - 7.0000i
2.0000 - 6.0000i 4.0000 - 8.0000i
>> A_real = real(A)
A_real =
1 3
2 4
>> A_image = imag(A)
A_image =
-5 -7
-6 -8
>> for m =1:2 %循环法计算复数矩阵中各个元素的模和幅角
for n = 1:2
Am1(m,n)= abs(A(m,n));
Aa1(m,n) = angle(A(m,n))*180/pi;
end
end
>> Am2 = abs(A)%直接法求复数矩阵的各个元素的模和幅角
Am2 =
5.0990 7.6158
6.3246 8.9443
>> Aa2 = angle(A)*180/pi
Aa2 =
-78.6901 -66.8014
-71.5651 -63.4349
real,imag,abs,angle是同时、并行作用于数组的每个元素的,对4个元素的运算所需的时间大致与对单个元素所需的时间相同。这有利于运行速度的提高。这是向量化运算的一种形式。循环法求各个元素的模和幅角的指令不是很有效的计算方法。对于MATLAB之外的许多编程语言来说,应该尽量摒弃循环处理,采用向量化的处理方式。
对于衰减振荡曲线y = e^(-t/3)*sin(3t),t= [0,4pi]
>> t = 0:pi/50:4*pi;%定义自变量t的取值数组
>> y = exp(-t/3).*sin(3*t);%计算与自变量相应的y数组,注意乘法运算符前面的小黑点
>> plot(t,y,'-r','LineWidth',2)%绘制曲线
>> axis([0,4*pi,-1,1])
>> xlabel('t'),ylabel('y')
.*符号表示的是在两个数组的相同位置上的元素之间进行的乘法运算。即“数组乘”。数组乘的引入不但使得程序显得简洁自然,而且避免了耗费机器时间的循环运算。应当尽可能的像第二条指令那样采用“向量化”的运算形式。
>> B = [3+2i,2+6i;5+3*i,4-2*i]%复数数组的输入方式
B =
3.0000 + 2.0000i 2.0000 + 6.0000i
5.0000 + 3.0000i 4.0000 - 2.0000i
>> C = A * B %矩阵乘法
C =
49.0000 -39.0000i 30.0000 -38.0000i
62.0000 -42.0000i 40.0000 -40.0000i
当数组具备变换的属性时,二维数组就被称为矩阵。当两个矩阵的“内维大小相等”时,矩阵乘法才能进行。矩阵A的列数和矩阵B的行数相等,所以可以进行A乘以B的运算。在MATLAB中,矩阵相乘和标量相乘的格式一样,而在其他的编程语言中,矩阵的乘法不得不依赖循环进行。MATLAB的设计者之所以能够把矩阵运算表达的像“线性代数”那样简洁易读,自然流畅,是因为MATLAB设计者采用了“面向对象”的编程技术。