企业官网建设流程全解析

学MATLAB绕不开矩阵，就像学中文绕不开汉字。前几天整理自己的学习笔记，发现大部分基础内容其实都和矩阵有关。这篇笔记主要是记录我入门MATLAB时最常碰到的矩阵操作：怎么创建、怎么索引、怎么运算，以及一堆当时踩过的坑。如果你是刚开始接触MATLAB，或者想系统回顾矩阵这部分的基础知识，这份笔记应该能帮上忙。

1. 为什么MATLAB里一切皆矩阵

1.1 矩阵不是普通的“二维表”

MATLAB的全称是Matrix Laboratory，翻译过来就是“矩阵实验室”，所以矩阵这个概念几乎刻在它骨子里。刚开始学习时，我总习惯把矩阵理解成Excel表格，后来才发现这个类比很危险。矩阵在MATLAB里不仅仅是一个表格，而是一个有严格维度定义的数据对象。更关键的是，MATLAB里的标量、向量、矩阵、多维数组全都统一在“数组”这个框架下：一个数可以看成1×1矩阵，一个行向量是1×n矩阵，一个列向量是n×1矩阵，二维矩阵自然就是m×n，再往上还可以有页、可以有更高维度。

这个设计带来的直接好处是：你不需要像C语言那样区分数组、指针、结构体，几乎所有数据都可以用矩阵来表达。比如你读一张图片，它其实是一个三维矩阵，长宽是图片尺寸，第三维是RGB通道；你录一段声音，它往往是一个很长的列向量；一个表格数据导入后，也常常变成一个二维矩阵。理解这一点后，你再看MATLAB的很多操作就顺了，因为大部分内置函数都在和矩阵打交道。

1.2 矩阵的维度、行数、列数和元素总数

在入门阶段，有三个函数很容易混淆：size、length和numel。size(A)返回的是A每个维度的大小，比如一个3行4列的矩阵，size(A)返回[3 4]；numel(A)返回矩阵里总的元素个数，也就是行数乘列数，3×4的矩阵返回12；length(A)则有点坑，它返回的是最大维度的值，对于3×4矩阵length返回4，如果这个矩阵恰好是100×2，length居然返回100。

我当时就犯过一个大意：要用一个矩阵的行数，结果用length(A)去拿，遇到列数比行数多的情况，行数拿错，后续整个循环全乱套。后来我给自己定了规矩——要行数就用size(A,1)，要列数就用size(A,2)，要总数就用numel(A)，尽量不要用length，只有在明确知道矩阵是向量时才用它。这个习惯看起来小，但能少踩很多坑。

把矩阵想象成一栋房子：行是楼层，列是房间号。只知道“最长的那一排”并不能让你知道房子到底有几层。size才是那个告诉你完整结构的尺子。

2. 矩阵创建：手动输入与快捷函数

2.1 方括号、空格、逗号和分号的使用规则

创建矩阵最直接的方式就是使用方括号。行元素之间用空格或逗号分隔，行与行之间用分号分隔。例如：

A = [1 2 3; 4 5 6; 7 8 9]

这个命令生成一个3×3矩阵。如果你想创建行向量，可以写作v = [1 2 3]，创建列向量可以写作v = [1; 2; 3]，或者写成v = [1 2 3].'。我特别喜欢用分号创建，因为一眼能看出矩阵形状。

这里有一个细节：如果你在命令行运行命令时结尾没有加分号，MATLAB会立刻把结果打印在屏幕上。这在学习时很有用，但如果你用脚本跑一个很大的矩阵，忘记加分号会把整个命令窗口刷爆，运行速度也会变慢。我的习惯是，所有创建矩阵的语句后面都加分号，需要查看时单独运行变量名。

2.2 冒号表达式与linspace：生成等差向量

MATLAB里最灵活的向量生成工具是冒号表达式，基本格式是start:step:end。比如1:2:9生成[1 3 5 7 9]；10:-2:2生成[10 8 6 4 2]；如果中间不写步长，默认步长为1，比如1:5生成[1 2 3 4 5]。这里有个容易忽略的地方：如果start大于end，而步长又是正数，得到的是空矩阵。我见过不少初学者写5:2:1，结果得到一个空数组，然后在后面索引时直接报错。

如果你需要生成一个固定数量的向量，而不是靠步长计算，可以用linspace。linspace(0,1,5)生成从0到1之间均匀分布的5个点：0 0.25 0.5 0.75 1。这个方法特别适合画图时构造横坐标，比冒号表达式更不容易出错。还有一个类似的logspace，用于生成对数等分的向量，比如做频响分析时常用。我建议初学者优先掌握linspace，因为它不依赖步长的精度计算，数量由你直接指定，思路更直观。

2.3 zeros、ones、eye与随机矩阵：预分配和初始化

创建特殊矩阵的函数非常多，但最核心的四个是zeros、ones、eye和rand。

• zeros(m,n)生成m×n全零矩阵；
• ones(m,n)生成全一矩阵；
• eye(n)生成n×n单位矩阵，即对角线为1、其余为0；
• rand(m,n)生成0到1之间均匀分布的随机数矩阵；
• randn(m,n)生成服从标准正态分布的随机数矩阵。

为什么要单独提zeros？因为它在编程中经常用来“预分配”。如果你要写一个循环把结果逐个存进矩阵，最忌讳的做法是每次循环让矩阵自动增长，比如A(end+1) = x，这样每增加一个元素，MATLAB都要重新分配内存，循环次数一多，运行时间会成倍增加。正确做法是先把矩阵尺寸定好，用zeros初始化，然后循环里直接赋值。比如要存100个计算结果，就预先写result = zeros(100,1)，这是MATLAB性能优化的基本功。

2.4 矩阵拼接和重复：cat、repmat与repelem

创建矩阵之后，经常需要把两个矩阵拼在一起。横向拼接可以用[A B]，纵向拼接用[A; B]，但更规范的写法是用cat函数：

C = cat(1, A, B); % 按行方向拼接 D = cat(2, A, B); % 按列方向拼接

cat(1,...)相当于vertcat，cat(2,...)相当于horzcat。对于三维数据，还可以用cat(3,A,B)在第三维上拼接，这在处理多通道图像时很常见。

有时候需要把一个小矩阵重复成大矩阵，这时候用repmat和repelem。repmat(A, 2, 3)把A在行方向重复2次、列方向重复3次，相当于整体复制。repelem(A, 2, 3)则是将每个元素各重复2次和3次。举个例子：

A = [1 2; 3 4]; repmat(A, 1, 2) % 结果：[1 2 1 2; 3 4 3 4] repelem(A, 1, 2) % 结果：[1 1 2 2; 3 3 4 4]

两者用途完全不同。需要把一组数据平铺到更大区域时我会用repelem；需要把整个模式复制多份时用repmat。

3. 矩阵索引：访问元素与子区域

3.1 下标索引与线性索引：两个角度访问同一个数

访问矩阵元素有两种方式：下标索引和线性索引。下标索引就是指定行和列，比如A(2,3)表示第2行第3列的元素。线性索引则只用一个数字表示，按“列优先”的顺序数过去。所谓列优先，就是先数完第一列，再数第二列，依次往后。例如：

A = [10 20 30; 40 50 60]; A(3) % 结果是20，因为存储顺序是10, 40, 20, 50, 30, 60

很多初学者在这里卡住，觉得A(3)应该是第三个数，也就是“第一行第三列”的30，但实际是20。原因就是MATLAB在内存中把矩阵按列来排列。如果想从行列下标得到线性索引，可以用sub2ind；反向用ind2sub：

linearIndex = sub2ind(size(A), 2, 3); % 求第2行第3列的线性索引 [row, col] = ind2sub(size(A), 5); % 线性索引5对应的行列

有人说，用下标不就行了吗，为什么还要理解线性索引？因为很多内置函数返回的位置是线性索引，比如后面要说的find，如果不理解列优先，拿到索引值后根本对应不上元素。

3.2 冒号用法与end关键字：提取行、列和子块

提取矩阵的某一行、某一列，几乎离不开冒号。A(:,1)提取第一列，A(1,:)提取第一行，A(1:2,2:3)提取左上角2×2子块。这里的冒号表示“所有”。end是一个Magic Word，它表示“最后一个索引位置”。比如A(end,:)取最后一行，A(end-1, end)取倒数第二行最后一列。end在循环和动态编程里特别有用。

我记得自己最早写代码时，要往矩阵末尾追加一行，总是先数矩阵有多少行，再赋值。后来发现直接写A(end+1,:) = newRow就行，这个操作会在原矩阵下方新增一行。这种写法不仅简洁，还避免了手动维护行数出错。

3.3 逻辑索引：用条件直接筛选元素

逻辑索引是我觉得MATLAB最优雅的地方之一。你可以用一个真/假矩阵作为索引，只有对应位置为true的元素才会被选中。例如：

A = [1 5 3; 2 8 4]; logicalIndex = A > 4; result = A(logicalIndex);

result会返回一个列向量，里面是所有满足大于4的元素。这等价于两步合并成一步：A(A>4)。这个写法在处理数据清洗时极好用，比如把矩阵里所有负数清零，直接写A(A<0)=0。

需要注意：逻辑索引的矩阵维度必须和原矩阵相同，或者维度可以被隐式扩展。逻辑索引的选择结果永远是列向量形式，因为MATLAB会把选出来的元素按线性顺序依次排列。如果你希望保留行列位置，可以先转成下标，也就是用find。

3.4 修改矩阵：赋值、删除与扩展

索引不但可以读，还可以写。A(2,2)=100修改单个元素；A(:,2)=[10;20;30]整列替换；A(2,:)=[]删除第2行，注意这里用空方括号[]作为赋值内容时，MATLAB会直接删掉相应行，同时矩阵行数减一。

删除操作在循环里要格外小心。如果你在for i=1:size(A,1)循环中删除某一行，循环次数不会动态变化，那么跳过某些行或者索引越界几乎是必然的。我的经验是：如果要做逐行筛选删除，最好先通过逻辑索引一次性选出要保留的行，或者倒着循环。比如从后往前删：for i = size(A,1):-1:1，这样索引不会乱。

4. 矩阵运算：数组运算与线性代数运算

4.1 最关键的区分：A*B与A.*B

矩阵运算中最容易混淆的就是乘号。A * B是线性代数中的矩阵乘法，要求A的列数等于B的行数，结果第(i,j)个元素是A第i行与B第j列的点积。A .* B是对应元素相乘，要求A和B维度完全一致，结果矩阵的每个元素是A(i,j)*B(i,j)。

我见过太多新手用*去做对应元素相乘，结果要么维度不匹配报错，要么得到完全错误的结果。记住一个口诀：带点的运算是在说“按位置算”，不带点的乘除法是线性代数里的矩阵运算。这个区分同样适用于除法和幂次：A./B是逐元素相除，A/B是右除；A.^2是每个元素求平方，A^2是矩阵自乘。

从物理意义上想，.*更像是对照片每个像素做亮度调整，*则更像坐标系变换，两者服务于完全不同的场景。

4.2 转置与共轭转置：一个撇关系的两个世界

在MATLAB里，单引号'是共轭转置，点号加单引号.'才是普通的非共轭转置。当矩阵是实数时，两者结果一样；一旦涉及复数，结果就完全不同了。例如：

Z = [1+2i, 3-4i]; Z' % 得到 [1-2i; 3+4i] Z.' % 得到 [1+2i; 3-4i]

如果你在做傅里叶变换、滤波器设计这类复数运算，忘记加地方实会用错。建议在没有复数参与的时候，也统一使用.'，这样代码更安全，读代码的人也不会误解你的意图。这是一个非常小但很专业的习惯。

4.3 左除和右除：解线性方程组的最佳姿势

很多人初学MATLAB时会找逆矩阵inv(A)来解线性方程Ax=b，书上有时也这么写。但实际做数值计算时，更好用的是左除运算符\：

x = A \ b;

它的意思是求解线性方程组A*x = b。MATLAB内部会根据A的特点自动选择高斯消去、LU分解、Cholesky分解等方法，比直接用inv(A)*b更快、更稳定。右除/则对应x*A = b形如的方程，比如x = b / A。

你可能会问，为什么不推荐inv？因为求逆本身计算量更大，而且当矩阵接近奇异时，数值误差会被放大。用\相当于让MATLAB悄悄选一条更安全的路径。我平时几乎不写inv，除非是要在公式里显式写出逆矩阵。

4.4 常用函数速查：从行列式到特征值

矩阵基础必须掌握的函数大概有这么几类：

• 线性代数类：det行列式、rank秩、trace迹、eig特征值和特征向量、svd奇异值分解、norm范数、cond条件数；
• 统计类：sum求和、mean均值、median中位数、std标准差、max最大值、min最小值、sort排序；
• 数组操作类：diff差分、cumsum累积和、flip翻转、unique去重。

举个例子：

A = [1 2 3; 4 5 6; 7 8 10]; sum(A) % 默认对每一列求和，结果[12 15 19] sum(A, 2) % 对每一行求和，结果[6; 15; 25] max(A, [], 1) % 对每一列取最大值 max(A, [], 2) % 对每一行取最大值

注意max和min的写法很特别，想按维度求值时要传一个空数组[]作为第二个参数，否则max(A)会把整个矩阵当成一个向量来比较。这个小细节踩一次就记住了。

5. 矩阵形变与批量处理技巧

5.1 reshape的列优先陷阱与permute的正确用法

reshape可以把矩阵改成任意维度，只要元素总数不变。例如：

A = 1:12; B = reshape(A, 3, 4);

结果B是3行4列，但顺序是列优先填充的：第一列是1、2、3，第二列是4、5、6，如此类推。如果你想按行优先的顺序重新排布，必须先对原数据做一些处理。一个常见需求是：你有一个按行采集的信号序列，想把它重排成多行多列，但reshape默认按列排，可能会打乱信号顺序。

这时可以用转置或permute来解决。比如把行向量1:12变成3行4列且按行顺序排列，可以先reshape再转置：

B = reshape(A, 4, 3)';

permute是高维版的“转置”，适合处理三维矩阵的维度交换。比如permute(M, [2 1 3])会把前两维互换。对于初学者，我建议先用permute做实验，观察维度变化，理解后再用于更复杂的数据处理。

5.2 用find与逻辑矩阵做批量筛选

在数据处理中，经常需要知道哪些元素满足条件，以及它们的位置。find是解决这个问题的利器。

A = [10 20 30; 40 50 60]; [row, col] = find(A > 25); linearIndex = find(A > 25);

不带赋值时，find(A > 25)返回满足条件的线性索引向量。如果你写成[row, col] = find(...)，则返回行列下标。这个行为与逻辑索引互补：逻辑索引直接给你值，find给你位置，两者结合可以高效地对满足条件的位置做修改。

比如你想把矩阵中所有大于100的替换为100，可以直接用A(A>100)=100；但如果你想以某个特定顺序逐个修改这些位置，那就需要先拿到线性索引，再循环处理。

5.3 隐式扩展：自动广播维度的新特性

从R2016b开始，MATLAB支持隐式扩展，让不同维度的矩阵在操作时自动扩展。比如：

A = [1 2 3; 4 5 6]; b = [10; 20]; C = A + b;

这里A是2×3，b是2×1。按照老版本规则，维度不一致会报错；新版本里b会沿着列方向自动复制成2×3，然后再相加。同理，A - [1 2 3]会把行向量自动复制到每一行。

这个功能很方便，但也带来隐患：如果代码里有维度不匹配的bug，不再报错，而是默默做广播，产生一个很大但很蠢的结果。我的建议是：利用隐式扩展时，务必先用size确认原来矩阵的形状，特别是做矩阵和向量混合运算时，最好心里明确哪个维度会被扩展。

5.4 利用all、any和逻辑运算简化判断

当你想检查矩阵中是否所有元素满足条件、是否存在某些元素满足条件，all和any是必用的。

A = [1 2 3; 4 5 6]; all(A > 0) % 返回 [1 1 1]，因为每列所有元素都大于0 any(A > 5, 2) % 对每一行判断，返回 [0; 1]

配合方向参数，可以处理行和列两个维度。比如你想筛选出所有行中至少含有一个大于5的行，可以用：

rows = any(A > 5, 2); selected = A(rows, :);

这种写法比循环简洁得多，也是“向量化思维”的典型例子。矩阵基础学得好不好，一个很重要的标志就是你写代码时还会不会动不动就写for循环。

6. MATLAB矩阵编程常见问题与避坑

6.1 索引越界和维度不一致

我见过最多的报错就是“Index exceeds the number of array elements”和“Matrix dimensions must agree”。索引越界通常是因为你用了固定大小去访问动态矩阵，比如在循环里只判断了行数，没判断列数。解决这类问题的关键是每次操作前想清楚矩阵当前的实际大小，可以用size、numel确认。

维度不一致则多发生在点运算时，两个矩阵需要对位相乘，结果一个2×3，一个3×2，直接报错。遇到这种情况，我通常会立刻检查两个矩阵的size输出，重点看是不是转置忘了写'。这类错误在脚本运行中很常见，但定位并不难，难的是你是否养成了先查看维度的习惯。

6.2 循环中动态增长矩阵导致性能骤降

一个反例：

x = 1:10000; y = []; for i = 1:length(x) y(i) = x(i)^2; end

这段代码本身没有错，但每次循环都要给y重新分配内存，运行会特别慢。正确的写法是：

y = zeros(size(x)); for i = 1:length(x) y(i) = x(i)^2; end

更好的是直接向量化：

y = x.^2;

用tic和toc测一下，你会发现向量化比循环快几个数量级。这不是鼓励初学者一开始就拒绝循环，而是提醒你：当数据量大了，矩阵化思维才是MATLAB的看家本领。

6.3 浮点数比较别用等号

由于浮点数的二进制表示有误差，A中某个数值即使看起来等于0.1，实际存储可能是0.10000000000000001。因此判断矩阵中哪些元素等于某个特定小数时，不建议用A == 0.1，而应该用：

tol = 1e-8; A(abs(A - 0.1) < tol) = 0;

这个技巧在做数值计算时非常重要，尤其是在处理迭代法收敛判断、滤波器系数比较时。直接等号比较往往找不齐目标元素，或者误判数值，导致结果偏离预期。

6.4 变量名与内置函数冲突

矩阵基础知识虽然简单，但有一个特别隐蔽的坑：变量名会覆盖函数名。比如你定义一个变量叫zeros，之后调用zeros(3,3)就会出错。因为MATLAB解析变量名的优先级高于函数。我的建议是永远不用内置函数名作为变量名，比如不要用sum、max、mean、size。写代码时可以先运行which size检查某个名字是否被占用。

还有一个容易忽略的点：MATLAB对大小写敏感。A和a是两个不同的变量。在长脚本里，大小写混乱很容易导致“Undefined function or variable”错误。统一驼峰或小写命名，能减少这类问题。

6.5 分号、清屏与脚本调试的细节

命令窗口直接执行语句时，如果想看到结果，就不加分号；如果想隐藏结果，就加分号。在脚本编辑器中，建议默认加，避免中间过程输出刷屏。

调试矩阵相关代码时，我通常会这样操作：在关键行前面去掉分号运行一次，或者用disp打印size(A)；也可以用whos查看所有变量的大小和类型，这个命令比who更详细。如果发现某个变量维度不对，可以用clear A单独清除它，而不是动不动就clear all，否则脚本里其他变量全没了，前功尽弃。

最后再分享一个小技巧：在命令窗口输入doc size或者help reshape，能直接打开官方文档，里面有很多示例，比网上搜到的二手答案靠谱得多。我当年学矩阵基础时就是靠“遇到不懂就doc”这个习惯，把repmat、reshape、logical indexing这些概念真正用熟的。矩阵基础这块内容看似琐碎，但它是后续所有MATLAB应用的地基，哪怕你后面去做图像处理、数值分析、深度学习，理解矩阵怎么存、怎么取、怎么算，永远绕不开。