矩阵函数

矩阵操作里的灵活替换，linalgSubstitute搞得还挺顺手的。用它可以直接从某个特定的行和列开始，把你手头的另一个矩阵贴进去，原来的部分就被替换掉了。嗯，像图像块、做区域更新、或者局部优化算法啥的，这种按位置替换的思路就好使。 函数用起来不复杂，传入要替换的矩阵、起始行列位置和要塞进去的新矩阵，剩下的它来搞定。linalgSubstitute(A, B, m, n)这种用法直观。最贴心的是，越界部分它会自动忽略，不报错，这点对你写鲁棒一点的代码挺友好。 ，替换矩阵的大小最好心里有数，别让目标矩阵撑破界限。要是你刚好在比如图像裁剪、数据更新、稀疏矩阵调整这类事儿，这个函数就挺有用了。还想

MATLAB中的取整函数和矩阵相关函数包括：round(x)（四舍五入）、fix(x)（向零取整）、ceil(x)（向上取整）、floor(x)（向下取整）、norm(A)（向量或矩阵的范数）、rank(A)（矩阵的秩）、det(A)（矩阵的行列式）、trace(A)（矩阵的迹）、inv(A)（方阵的逆矩阵）、eig(A)（特征值及特征向量）、size(A)（矩阵的尺寸）、cond(A)（矩阵的条件数）、lu(A)（矩阵的LU分解）、qr(A)（矩阵的QR分解）。这些函数在处理数据和矩阵运算中起到重要作用。

常见的矩阵生成函数包括：zeros(m,n)生成一个m行n列的零矩阵，当m=n时可简写为zeros(n)；ones(m,n)生成一个m行n列元素全为1的矩阵，当m=n时可写为ones(n)；eye(m,n)生成一个主对角线元素全为1的m行n列矩阵，当m=n时可简写为eye(n)，即为n维单位矩阵；diag(X)根据X是矩阵或向量的不同，生成相应的对角矩阵或主对角线向量；tril(A)提取矩阵A的下三角部分；triu(A)提取矩阵A的上三角部分；rand(m,n)生成元素在0到1间均匀分布的随机矩阵，当m=n时可简写为rand(n)；randn(m,n)生成均值为0，方差为1的标准正态分布随机矩

常见矩阵生成函数zeros(m,n)用于创建一个大小为m行n列的零矩阵，当m=n时可简写为zeros(n)。ones(m,n)生成一个m行n列的全为1的矩阵，当m=n时可写为ones(n)。eye(m,n)生成一个m行n列的单位对角线矩阵，当m=n时简写为eye(n)。diag(X)根据输入X的类型生成对应的对角矩阵，若X为矩阵，则为其主对角线向量；若X为向量，则为以X为主对角线的对角矩阵。tril(A)提取矩阵A的下三角部分，triu(A)提取矩阵A的上三角部分。rand(m,n)生成一个大小为m行n列的0～1均匀分布的随机矩阵，当m=n时简写为rand(n)。randn(m,n)生成均值为

矩阵操作工具箱的那套特殊矩阵函数，挺适合日常用 MATLAB 写 demo 或搭框架的你。像tzeros(m,n)、tones(m,n)这些函数，名字就直白，干啥一看就明白。最常用的几个基本类型都能直接一行生成，响应也快，代码也干净。 elmat 库的设计挺贴合工程习惯，比如teye(m,n)直接生成单位矩阵，懒得写循环也不用调系统函数。而trand(m,n)、tmagic(N)这些就更适合教学和算法可视化，有点意思。 对了，如果你用的是增强版的 elmat+ 2.2，功能还扩展了一些，比较适合做一些批量矩阵生成任务，兼容性也不错，建议去 elmat+工具箱看看。 如果你经常在 MATLAB

deleteRC.m是我自行编写的代码，功能强大，可一次性删除矩阵中任意指定的行或列数据。在矩阵X中，参数index用于指定要删除的行或列，其中type='r'表示删除行，type='c'表示删除列。

MATLAB提供了多种函数用于创建矩阵，包括空阵[ ]、随机矩阵rand、单位矩阵eye、全0矩阵zeros和全1矩阵ones。

利用MATLAB函数构建矩阵包括一些生成特殊矩阵的函数：zeros、ones、eye、randn。这些函数的调用格式类似，以下以生成零矩阵的zeros函数为例进行说明。其调用格式如下：zeros(m)生成m×m的零矩阵，zeros(m,n)生成m×n的零矩阵。zeros(size(A))生成与矩阵A相同大小的零矩阵。相关的函数包括：length(A)返回矩阵A的行数和列数中的较大者，即length(A)=max(size(A))；ndims(A)返回A的维数，size(A)返回多维矩阵的各维长度。

如果指数大于0，则加权较低索引上的值更重；如果指数小于0，则加权较高索引上的值更重。当指数等于0时，此函数是nanmean的较慢版本。输入参数：inputMat - 待处理的矩阵；exponent - 指数加权的程度，默认为2；dim - 求平均值的维度，默认为第一个维度。输出：返回在不考虑NaN值的情况下的平均值。

在Matlab学习中，深入探讨矩阵函数及其应用是至关重要的一部分。