企业官网建设流程全解析

1. 三角函数在Matlab中的核心用武之地

1.1 为什么三角函数是Matlab的常客

Matlab里三角函数这个家族，说大不大，说小也真不小。你要是去查文档，会发现sin、cos、tan、asin、acos、atan、sinh、cosh、atan2，再加上它们的“带d版本”sind、cosd、tand、atand……一眼望过去至少有二十来个。很多刚接触Matlab的同学会觉得，不就是高中学过的sin和cos嘛，键盘敲一下就出来了，还能有什么花样。但实际用下来你会发现，三角函数的坑远比你想象的多：角度制还是弧度制？输入的是数组怎么办？结果里的微小误差要不要处理？反三角函数的值域为什么和手算对不上？

这篇速成笔记就是为了把这些事情一次讲透。我会从最基本的sin、cos开始，一路讲到双曲函数、复数域上的三角函数、矩阵批量计算、绘图实战，最后再把我自己踩过的一些坑整理成排查清单。无论你是刚安装好Matlab准备做信号处理课设的新手，还是已经写了不少脚本但从来没系统性整理过三角函数用法的老手，这篇笔记都可以随手翻一翻。

1.2 速成之前先分清角度制与弧度制

很多人第一次在Matlab里算三角函数就翻车，根子在于角度制和弧度制没分清。Matlab的默认三角函数sin、cos、tan，输入输出都是弧度制。也就是说，sin(30)算的不是“30度”的正弦，而是“30弧度”的正弦，结果约为-0.988。如果你拿计算器按sin30得到0.5，然后来Matlab里一验算发现对不上，那不是Matlab坏了，是单位搞混了。

这里我建议大家把弧度制当成Matlab的“母语”——毕竟sin、cos、tan这类核心函数在数学定义上就是以弧度为标准的。而如果你习惯用角度思考，比如算一个30度角的对边长度，那么有两种做法：第一种是自己手动转弧度，sin(30 * pi / 180)；第二种是直接用Matlab专门提供的角度版本sind(30)，结果就是0.5。同理还有cosd、tand、atand、atan2d，这些带d的函数都是把单位固定在“度”上，省去了每次乘以pi/180的麻烦。

提示：sind这类角度版本函数，在做角度制几何计算时非常好用，但要注意它们和弧度制版本在输入为数组时行为完全一致，不用担心批量计算时单位处理不一致的问题。

2. 基础三角函数语法速查与细节拆解

2.1 sin、cos、tan与它们的“带d版本”

先从最核心的sin说起。它的基本调用方式就是y = sin(x)，其中x可以是标量、向量、矩阵，甚至是多维数组。这一点是Matlab最舒服的地方——你不需要写循环去逐个元素求正弦，直接整个数组丢进去，输出就是同样大小的数组。

x = 0:0.1:pi; % 生成从0到pi、步长0.1的向量 y = sin(x); % 对向量每个元素求正弦

这里的x有32个元素，y也是32个元素，一一对应。这种“整个数组一起算”的风格叫作向量化，是Matlab性能优化的核心原则之一。我在后面的章节会专门展开讲为什么向量化比for循环快，以及它在三角函数场景下具体怎么写。

cos和tan的用法完全一样，没什么好特别说的。真正值得留意的是tand这个函数的一个细节：当输入角度是90、270这类正切函数无定义的点时，tan(pi/2)会因为浮点数表示pi/2不够精确，算出一个非常大的数而不是Inf；但tand(90)则会直接返回Inf，因为它在内部做了特殊处理。这里我建议你在做涉及正切的数值计算时，优先考虑用tand配合角度制，至少能避免在无定义点附近出现莫名其妙的巨大数值。

另外一个容易被忽视的点是sec、csc、cot这些倒数三角函数。Matlab里也有sec、csc、cot以及它们的角度版本secd、cscd、cotd，但实际工程中用得不多，因为直接用1 ./ sin(x)也能得到相同结果。唯一的差别在于，csc这类函数在输入接近0时返回的是Inf还是很大的数——Matlab文档里说csc会把0映射为Inf，而1/sin(x)在x为0时则是Inf（因为Matlab里除零不报错而是给Inf）。两个行为基本一致，但为了代码可读性，我更推荐直接用倒数写法。

2.2 反三角函数的用法与取值范围陷阱

反三角函数是另一个重灾区。asin、acos、atan分别对应反正弦、反余弦、反正切，它们返回的是弧度制角度。这里有个非常关键的取值范围问题：

• asin返回值的范围是[-pi/2, pi/2]；
• acos返回值的范围是[0, pi]；
• atan返回值的范围是[-pi/2, pi/2]。

这意味着什么呢？举一个非常典型的例子：如果我在平面直角坐标系里有一个点(x, y)，想求它相对原点的极角（也就是从x轴正方向逆时针转到该点的角度），手算时我们会觉得这个角度应该能覆盖-pi到pi的整个范围。但如果直接用atan(y/x)，你会发现当点在第二、三象限时，结果会跑到[-pi/2, pi/2]区间内，和实际角度差了pi。

这就是atan2存在的意义。Matlab里的atan2(y, x)专门用来解决这个问题：它能够根据x和y的正负号，自动确定角度所在的象限，返回从-pi到pi的完整极角。我在实际写代码时的经验法则是：凡是用atan(y/x)的地方，除非你非常确定x恒大于0，否则一律改成atan2(y, x)。这个习惯省了我无数次肉眼排查角度不对的苦工。

反三角函数的另一个坑是定义域。asin和acos的输入必须落在[-1, 1]区间内，一旦超出这个范围，结果就是复数。比如asin(1.5)在Matlab里不会报错，而是返回一个复数结果1.5708 - 0.9624i。很多人在处理实验数据时没注意到个别数据点超出了[-1,1]，结果一整个计算结果变成了复数，后面所有绘图、比较逻辑全乱了。这个问题的排查方法我会在第五章详细讲。

2.3 双曲函数与复数域扩展

说完基本三角函数和反三角函数，我再说说双曲函数。sinh、cosh、tanh这三个函数看起来名字和三角函数很像，但它们是建立在指数函数基础上的：sinh(x)等于(e^x - e^(-x))/2，cosh(x)等于(e^x + e^(-x))/2。它们的图像、性质都和普通三角函数完全不同，但Matlab里的调用语法是完全一致的。

双曲函数在工程上最常出现在两个地方：一个是悬链线的计算——就是两端固定、自然下垂的绳索那条曲线，它的形状正好是cosh函数；另一个是深度学习中常用的tanh激活函数，它的取值范围在[-1, 1]之间，梯度特性比sigmoid好，所以很多神经网络代码里都离不开tanh。如果你在做这几类工作，直接y = tanh(z)就完事了，不需要自己写指数运算。

复数域上的三角函数也是Matlab的一个隐藏优势。大家都知道欧拉公式e^(ix) = cos(x) + i*sin(x)，在Matlab里输入exp(i*pi)会得到-1 + 0i，这在验证公式时很直观。而当你把sin的输入从实数换成复数时，Matlab也会自动在复数域上计算。比如sin(1i)的结果是0 + 1.1752i，这个值等于(e - 1/e)/2，也就是sinh(1)。这里面的数学很有意思，但站在实用角度，你只需要知道：如果哪天计算结果莫名其妙出现了虚部，先看看输入数据里是不是有复数“混入”了。

3. 矩阵运算与批量计算的正确姿势

3.1 对整个数组“一键”求三角函数

Matlab里对矩阵求三角函数，语法和对标量求三角函数一模一样。比如我有一个3x3的矩阵A，想求每个元素的余弦：

A = [0, pi/4, pi/2; pi/3, pi/6, 1; 2, 3, 4]; B = cos(A);

这个B就是和A同样大小的3x3矩阵，每个位置都是对应元素的余弦值。这里要注意的是，所谓“对矩阵求三角函数”，其实是逐元素运算，和线性代数里的矩阵乘法、矩阵指数完全不是一回事。后者需要写成A * A或者expm(A)，而三角函数家族在这里全部是“点运算”，直接调用即可。

多维数组也一样没问题。rand(2,3,4)生成的三维数组也可以直接传给sin，输出还是同样尺寸的三维数组。我自己在图像处理中处理像素矩阵时，经常会直接把一个二维灰度矩阵丢进sin或者cos里做变换，完全不需要写循环，这对于代码简洁性和可读性都是巨大的提升。

3.2 性能优化：向量化的原则与实用技巧

Matlab圈子里流传着一句话：“让代码跑得快，不是写更好的循环，而是不写循环。”这在三角函数运算里体现得淋漓尽致。假设我想算100万个点的正弦值，最粗暴的写法是：

n = 1000000; x = linspace(0, 2*pi, n); y = zeros(1, n); for k = 1:n y(k) = sin(x(k)); end

这个循环在Matlab里跑起来奇慢无比，因为Matlab是解释型语言，每执行一行都有解释、检查的开销，循环语句尤其吃亏。而如果你直接写：

y = sin(x);

它内部会调用高度优化的底层库，对整套数组进行批量计算，速度快了不止一个数量级。在我自己的测试里，100万个点的正弦计算，循环版本需要大约0.5秒，向量化版本只需要0.02秒左右，差距是25倍。随着数据量增大，这个差距还会进一步拉大。

所以在写任何涉及三角函数的代码时，我的建议只有一条：能向量化就向量化，永远不要主动写for循环去逐点求三角函数。矩阵运算、多维数组、线性空间生成（linspace、meshgrid）这些工具配合起来，几乎所有常见的三角函数计算场景都能用一条语句解决。

4. 实操案例：从波形绘制到信号分析

4.1 案例一：用Matlab画出正弦波叠加效果

纸上谈兵够多了，我们来写几个能直接跑的实战案例。第一个案例是做信号处理的人几乎每天都要干的事情——生成并绘制正弦波。

fs = 1000; % 采样率 1000Hz t = 0:1/fs:1; % 1秒时长 f1 = 5; % 第一个频率 5Hz f2 = 50; % 第二个频率 50Hz y = sin(2*pi*f1*t) + 0.5*sin(2*pi*f2*t); % 叠加信号 plot(t, y); xlabel('时间 (秒)'); ylabel('幅度'); title('5Hz与50Hz正弦波叠加');

这里有一个细节值得展开说一下。sin(2*pi*f*t)是信号处理中最标准的正弦波生成公式，为什么是2pi×频率×时间？因为sin的默认输入是弧度，一个完整的周期是2pi弧度，而f*t表示的是“振荡了几个周期”。比如5Hz的波，在1秒内振荡5个周期，总弧度就是5×2*pi。这个公式如果你理解了，以后生成任何频率的正弦波都不需要查资料，直接推出来就行。

我还想强调采样率的概念。fs = 1000表示每秒钟采样1000个点，也就是相邻两个点的时间间隔是1/1000秒。如果你把采样率设得很低，比如fs = 20，再去画50Hz的正弦波，就会看到波形严重失真——这是“采样定理”的经典体现：采样率必须大于信号最高频率的两倍，否则高频信号会“伪装”成低频信号，这种现象叫混叠。我自己在做教学演示时经常用这个例子让学生亲手体会混叠效应，比任何说教都直观。

4.2 案例二：傅里叶级数视角下的方波拟合

三角函数不仅是用来生成正弦波的，它还能拼出矩形波、锯齿波、三角波这些非正弦波形。这个技巧在电力电子、音频合成、信号分析里都有实际应用。这里我用一个方波拟合的例子来说明。

方波可以看作无穷多个奇次谐波正弦波的叠加：一个频率为f、幅度为1的方波，其傅里叶级数展开为(4/pi) * sum(sin(2*pi*(2k-1)*f*t) / (2k-1), k=1,2,...)。在Matlab里，我们可以用有限的谐波数来逼近方波：

t = 0:0.001:1; f = 1; % 1Hz方波 y = zeros(size(t)); N = 50; % 用50次谐波去逼近 for k = 1:N n = 2*k-1; % 只取奇次谐波 y = y + (4/pi) * sin(2*pi*n*f*t) / n; end plot(t, y);

注意这里我用了for循环，而且循环次数只有50次——这是合理的用法，因为每个谐波需要对整条时间轴计算一次正弦值，而谐波次数本身不可能向量化得那么彻底。真正的优化方式是先用矩阵广播做类似n = 1:2:99的行向量配合t的列向量生成二维正弦矩阵，再按轴求和。但对于50次谐波这种规模，for循环的耗时可以忽略不计，代码可读性反而更好。

这个例子还引出一个非常有用的观察：你在拟合结果中会看到方波的边缘有细微的振荡，这个现象叫“吉布斯现象”。它不是因为代码写错了，而是傅里叶级数的固有特性——有限项近似在间断点附近总会过冲约9%。很多初学者第一次看到这个抖动以为是自己程序的问题，到处排查半天最后发现是数学本质，提前了解就能省下这个冤枉时间。

4.3 符号计算中的三角函数化简

Matlab里还有一个被严重低估的三角函数应用场景——符号计算。如果你安装了Symbolic Math Toolbox，可以用syms声明符号变量，然后让Matlab帮你做三角恒等变换。比如：

syms x expr = cos(x)^2 + sin(x)^2; simplify(expr) % 输出 1

这个功能在做理论推导、化简表达式时非常实用。我记得以前做控制理论作业时，有个系统的传递函数里包含了一堆sin(omega*t)和cos(omega*t)的组合，要手工展开并合并成单个正弦/余弦形式相当繁琐。后来我用combine(expr, 'sincos')这个命令，一步就把它化简成了A*sin(omega*t + phi)的标准形式，连幅度和相位都直接给出表达式，极大减轻了作业负担。

符号计算中常用的还有rewrite，可以把sin/cos改写为tan的半角形式，或者用exp指数形式表示。expand则会把sin(x+y)拆成sin(x)*cos(y) + cos(x)*sin(y)。这些函数本质上做了我们高中背过的那些公式，但计算机做得快、不会错，你只需要告诉它你要展开、化简还是合并就行。

5. 高频踩坑与问题排查实录

5.1 浮点误差导致的“不等于零”

我在2.1节末尾提到的浮点误差问题，在这里展开细说。相信不少人都遇到过这样的困惑：明明sin(pi)就是0，为什么Matlab算出来的结果是1.2246e-16？

这个问题的根源在于，计算机内部用二进制分数来存储数值，而pi是一个无限不循环小数，二进制下同样无法精确表示。Matlab实际参与计算的是一个非常接近pi但并非精确等于pi的数，这个数的正弦自然也不会是精确的0，而是某个极小的值。类似地，cos(pi/2)在Matlab里约等于6.1232e-17而不是0。

这个误差本身很小，通常不影响实际工程。但如果你拿它做判断，比如写if sin(pi) == 0，那就会踩雷。正确的做法是设置一个容差，比如：

result = sin(pi); if abs(result) < 1e-10 disp('近似等于0'); end

或者使用round(result, 10)四舍五入到指定小数位数。在我自己的经验里，判断浮点数是否相等都用abs(a - b) < tol的写法，tol取1e-10左右，既不会误判，也不会因为容差太大掩盖真实差异。这也是数值计算的通用原则：永远不要用==直接比较浮点数，除非你能确保双方都是由整数运算精确产生的。

5.2 输入复数时结果为何“不对劲”

另外一个非常隐蔽的问题出现在输入数据里“混入”了复数时。Matlab有个特性：只要数组里有一个元素是复数，整个数组的运算结果通常就会带上虚部。比如你的x向量里某个值是2 + 1i，那sin(x)的结果就会包含复数。如果你没注意到，后续取实部、绘图、找最大值等操作得到的结果可能都不符合预期。

这个问题的典型场景是反三角函数。前面提到过asin和acos要求输入在[-1, 1]内，一旦某个数据点越界，结果就变成复数，而常系数数据里哪怕只有一个是1.0000001，都会导致输出复数化。我处理实验数据时的经验是，在调用反三角函数之前先检查数据范围：

data = randn(1, 100) * 1.2; % 模拟可能有越界的数据 if any(abs(data) > 1) warning('存在超出[-1,1]的数据点，结果可能包含复数'); end

先预警，再决定是裁剪数据还是剔除异常点，这样才能保证后续计算结果的纯洁性。这个习惯在信号处理、姿态解算等大量使用反三角函数的场景里尤其重要。

5.3 反三角函数边界值与NaN的处理

还有一些边界值问题。比如atan2(0, 0)在Matlab里返回0，这在数学上是有争议的（零向量没有定义方向），但Matlab选择了一个不报错的默认值。如果你在做极坐标转换、航向角计算这类工作，输入数据里确实可能出现x和y同时为0的点，这时返回值0可能会被当作有效数据混入后续统计，产生偏差。我这里建议的方法是在调用atan2之前先筛选掉x == 0 & y == 0的点，或者之后单独处理。

另一个常见情况是三角函数输入为Inf或NaN时。sin(Inf)在Matlab里返回NaN，因为正弦函数在无穷远处振荡、没有确定的极限——这个数学上是合理的。但问题是，如果输入数据采集过程中出现了掉线、漏采，填充成了Inf，那整条计算链路都会变成NaN。这在长时段数据处理的代码里很致命，因为你往往到最后画图时才发现曲线缺了一大段，但已经很难追溯是哪个环节引入的Inf了。我的建议是在数据进入计算管线之前就做一轮清洗：data(~isfinite(data)) = 0;或者用fillmissing插值补全，把Inf和NaN提前处理干净。

5.4 角度制与弧度制混用的“薛定谔错误”

最后再说一个不是错误但在团队协作中极其容易引发灾难的问题：角度制与弧度制混用。我看到过不止一次，一个人写代码时用tand(60)算角度，另一个人后续接手用cos(pi/6)做验证，两边结果差了一个数量级，排查一整天最后发现是某个* pi / 180被多写或少写了一处。

我的个人习惯是：在脚本开头用注释明确标注所有角度相关变量是用角度还是弧度，并且命名时直接带上单位后缀。比如：

theta_deg = 45; % 角度制 theta_rad = deg2rad(theta_deg); % 转换 x = cos(theta_rad); % 后续统一用弧度

命名带上_deg和_rad后缀，成本极低但效果立竿见影。如果你做的是交互式脚本，甚至可以在读取用户输入时显式询问“请输入角度（度）：”，然后立刻统一为弧度。这种防御性编程的习惯，能帮你省下无数个加班排查单位Bug的夜晚。

6. 速成笔记的几点实操心得

在我自己过去的项目里，三角函数很少单独作为主角出现，但它永远是配角中的高频选择：波形生成、图像旋转、机器人运动学解算、天线方向图计算、三相电的相位变换……这些领域无一处不用到sin和cos。正因为它是基础中的基础，才更值得花半小时把细节摸透。

最后分享一个我常用的灵感来源：Matlab自带的doc sin文档里，每一页底部都有“See Also”区域，这其实是一座宝藏。我做信号处理项目时，偶然点进atan2的See Also，顺藤摸瓜发现了cart2pol和pol2cart两个坐标转换函数，后来在极坐标绘图和雷达数据处理中帮了大忙。学习Matlab不一定要啃整本官方文档，但多点点See Also、多看看示例代码，往往能发现比自己现造轮子更优雅的解法。

这个系列的速成笔记，我尽量保证每篇都能让读者“打开就能用、用后能记住”。三角函数这篇算是整个系列里数学味道较浓的一篇，但写代码的实用性和高中知识其实是两码事——哪怕你已经把三角恒等式忘光了，只要理解了弧度制与角度制的区别、记住反三角函数的值域限制，再养成向量化和防御性编程的习惯，Matlab里绝大多数三角函数场景都不会再拦住你了。