下载文档原格式
MATLAB矩阵操作大全1. 创建矩阵：可以使用函数`zeros`、`ones`、`eye`、`rand`等来创建全零矩阵、全一矩阵、单位矩阵和随机矩阵。
2.矩阵索引：可以使用`(`或`[]`来访问矩阵中的元素。
例如，`A(3,2)`表示访问矩阵A中第3行第2列的元素。
3.矩阵运算：可以使用`+`、`-`、`*`、`/`等运算符对矩阵进行加法、减法、乘法和除法运算。
4. 矩阵转置：可以使用`'`符号或`transpose`函数来对矩阵进行转置操作。
例如，`B = A'`表示将矩阵A转置为矩阵B。
5.矩阵加法和减法：可以使用`+`和`-`运算符对两个矩阵进行逐元素的加法和减法运算。
6.矩阵乘法和除法：可以使用`*`和`/`运算符对矩阵进行乘法和除法运算。
注意，矩阵乘法是按照矩阵相应元素进行乘法运算，并不是简单的逐元素乘法。
7. 矩阵求逆：可以使用`inv`函数来求矩阵的逆矩阵。
例如，`B =inv(A)`表示求矩阵A的逆矩阵，并将结果保存在矩阵B中。
8. 矩阵转换：可以使用转换函数`double`、`single`、`int8`、`int16`、`int32`、`int64`等将矩阵的数据类型转换为指定类型。
9. 矩阵求解线性方程组：可以使用`solve`函数来求解线性方程组。
例如，`x = solve(A, b)`表示求解线性方程组Ax = b，并将结果保存在向量x中。
10. 矩阵求特征值和特征向量：可以使用`eig`函数来求矩阵的特征值和特征向量。
例如，`[V, D] = eig(A)`表示求矩阵A的特征值和特征向量，并将结果保存在矩阵V和对角矩阵D中。
11. 矩阵的行列式：可以使用`det`函数来计算矩阵的行列式。
例如，`D = det(A)`表示计算矩阵A的行列式，并将结果保存在变量D中。
12. 矩阵的秩：可以使用`rank`函数来计算矩阵的秩。
例如，`r = rank(A)`表示计算矩阵A的秩，并将结果保存在变量r中。
用matlab 计算积分4．1积分的有关理论定积分：积分是微分的无限和，函数)(x f 在区间],[b a 上的积分定义为∑∫=→∆∆==ni iix baxf dx x f I i 1)max()(lim)(ξ其中.,,2,1),,(,,1110n i x x x x x b x x x a i i i i i i n =∈−=∆=<<<=−−ξ从几何意义上说，对于],[b a 上非负函数)(x f ，记分值I 是曲线)(x f y =与直线b x a x ==,及x 轴所围的曲边梯形的面积。
有界连续（或几何处处连续）函数的积分总是存在的。
微积分基本定理（Newton-Leibniz 公式）：)(x f 在],[b a 上连续，且],[),()('b a x x f x F ∈=，则有)()()(a F b F dx x f ba−=∫这个公式表明导数与积分是一对互逆运算，它也提供了求积分的解析方法：为了求)(x f 的定积分，需要找到一个函数)(x F ，使)(x F 的导数正好是)(x f ，我们称)(x F 是)(x f 的原函数或不定积分。
不定积分的求法有学多数学技巧，常用的有换元积分和分部积分法。
从理论上讲，可积函数的原函数总是存在的，但很多被积函数的原函数不能用初等函数表示，也就是说这些积分不能用解析方法求解，需用数值积分法解决。
在应用问题中，常常是利用微分进行分析，而问题最终归结为微分的和（即积分）。
一些更复杂的问题是含微分的方程，不能直接积分求解。
多元函数的积分称为多重积分。
二重积分的定义为∑∑∫∫∆∆=→∆+∆ijji jiy x Gy x f dxdy y x f i i ),(lim),(0)max(22ηξ当),(y x f 非负时，积分值表示曲顶柱体的体积。
二重积分的计算主要是转换为两次单积分来解决，无论是解析方法还是数值方法，如何实现这种转换，是解决问题的关键。
matlab矩阵运算实验报告Matlab矩阵运算实验报告一、引言矩阵运算是数学和工程领域中的重要概念之一，它在各个领域中都有广泛的应用。
Matlab作为一种强大的数学软件工具，提供了丰富的矩阵运算功能，可以帮助我们进行高效的数值计算和数据处理。
本实验报告将介绍Matlab中的矩阵运算功能，并通过实例展示其在实际问题中的应用。
二、矩阵运算的基本概念矩阵是由若干个数按照行和列排列形成的一个矩形阵列，它是线性代数中的基本工具。
在Matlab中，矩阵可以通过直接输入数值或使用内置函数生成。
矩阵运算包括加法、减法、乘法、转置等操作，这些操作可以对矩阵的每个元素进行运算，也可以对整个矩阵进行运算。
三、矩阵运算的实例分析1. 矩阵的创建与赋值在Matlab中，可以使用以下命令创建一个矩阵，并对其进行赋值操作：A = [1, 2, 3; 4, 5, 6; 7, 8, 9];这样就创建了一个3行3列的矩阵A，并对其进行了赋值。
可以通过输入A来查看矩阵A的内容。
2. 矩阵的加法与减法矩阵的加法和减法是按照对应元素进行运算的。
例如，对于两个3行3列的矩阵A和B，可以使用以下命令进行加法运算：C = A + B;同样地，可以使用以下命令进行减法运算：D = A - B;这样就得到了矩阵C和D。
3. 矩阵的乘法矩阵的乘法是按照行乘以列的方式进行的。
例如，对于一个3行2列的矩阵A和一个2行4列的矩阵B，可以使用以下命令进行乘法运算：C = A * B;这样就得到了一个3行4列的矩阵C。
4. 矩阵的转置矩阵的转置是将矩阵的行和列进行交换的操作。
例如，对于一个3行2列的矩阵A，可以使用以下命令进行转置操作：B = A';这样就得到了一个2行3列的矩阵B。
四、矩阵运算的应用实例矩阵运算在实际问题中有着广泛的应用。
以下是一个简单的实例，通过矩阵运算来解决线性方程组的问题。
假设有一个线性方程组：2x + y = 4x + 3y = 6可以将其表示为矩阵形式：A = [2, 1; 1, 3];B = [4; 6];通过矩阵运算可以求解出未知数x和y的值：X = A \ B;这样就得到了未知数x和y的值。
Matlab中常用的数学函数介绍与应用引言：Matlab是一种强大的数学计算工具，它提供了丰富的函数库，可以方便地进行各种数学运算和数据分析。
本文将介绍一些常用的Matlab数学函数，并讨论它们的具体应用场景和用法。
一、线性代数函数1.1 dot函数dot函数用于计算两个向量的点积。
在向量计算中，点积可以帮助我们判断两个向量之间的夹角以及它们的相似程度。
例如，我们可以使用dot函数来计算两个特征向量之间的相似性，从而实现图像分类或者特征匹配。
具体用法：C = dot(A,B)，其中A和B是两个向量。
计算结果将存储在变量C 中。
1.2 inv函数inv函数用于计算一个矩阵的逆矩阵。
在线性代数中，逆矩阵对于求解线性方程组、求解最小二乘问题以及确定矩阵的特征值等具有重要作用。
通过使用inv函数，我们可以方便地求解这些问题。
具体用法：B = inv(A)，其中A是输入的矩阵，B是其逆矩阵。
1.3 eig函数eig函数用于计算一个矩阵的特征值和特征向量。
在许多数学和物理问题中，特征值和特征向量都具有重要的意义。
例如，在图像压缩和图像处理中，特征值分解可以帮助我们找到最佳的基向量，从而实现更好的图像压缩效果。
具体用法：[V,D] = eig(A)，其中A是输入的矩阵，V是特征向量矩阵，D是特征值对角矩阵。
二、微积分函数2.1 diff函数diff函数用于计算一个函数的导数。
在微积分中，导数表示函数在某一点的变化率，具有重要的应用价值。
通过使用diff函数，我们可以方便地计算函数的导数，从而求解一些最优化问题、优化算法以及信号处理等领域的相关问题。
具体用法：Y = diff(X)，其中X是输入的函数，Y是其导数。
2.2 int函数int函数用于计算一个函数的不定积分。
在微积分中，不定积分表示函数在某一区间上的面积或体积，对于求解曲线下面积、计算变量间的相关性以及估计概率密度分布等问题非常有用。
通过使用int函数，我们可以轻松地计算函数的不定积分。
matlab对矩阵积分
Matlab是一种非常强大的计算工具，它可以帮助用户轻松地进行复杂的数学任务——尤其是矩阵积分。
Matlab提供了一系列的函数来快速准确地计算矩阵和矩阵的积分。
本文将介绍Matlab中矩阵和矩阵积分计算的函数，并给出一些实例，展示Matlab中矩阵积分的使用方法。
一、矩阵
矩阵是Matlab数据类型的一种，它由行和列组成的数字组成，可以用来表示函数。
Matlab中的矩阵可以通过矩阵生成函数和矩阵操作函数来构建。
1、矩阵生成函数
Matlab提供了许多矩阵生成函数，可以用来快速生成特定大小的矩阵，或者生成特定格式的矩阵。
一些常用的矩阵生成函数如下：（1）ones：生成全1的矩阵
（2）zeros：生成全0的矩阵
（3）eye：生成单位矩阵，对角线为1，其他元素为0
（4）linspace：生成等差数列的矩阵
（5）logspace：生成等比数列的矩阵
例如，可以使用ones函数创建一个3×4的全1矩阵：
A = ones(3,4);
二、矩阵的积分
矩阵的积分是对矩阵进行数值积分的过程，即计算矩阵上的每个
元素的积分值。
matlab求解矩阵方程算法
求解矩阵方程是线性代数中的一个重要问题，在Matlab中有多种方法可以用来求解矩阵方程。
其中最常用的方法包括直接法和迭代法。
1. 直接法：
a. 逆矩阵法，如果方程为AX=B，其中A是一个可逆矩阵，那么可以通过求解X=A^(-1)B来得到解。
在Matlab中可以使用inv 函数求逆矩阵，然后进行矩阵乘法得到解。
b. 左除法，Matlab中可以使用左除法运算符“\”来求解矩阵方程，即X=A\B。
2. 迭代法：
a. Jacobi迭代法，Jacobi迭代法是一种基本的迭代法，通过不断迭代更新矩阵X的值，直到满足一定的精度要求为止。
在Matlab中可以编写循环来实现Jacobi迭代法。
b. Gauss-Seidel迭代法，类似于Jacobi迭代法，但是每次更新后立即使用最新的值进行计算，可以加快收敛速度。
c. 共轭梯度法，对于对称正定矩阵方程，可以使用共轭梯度法进行求解。
Matlab中提供了conjugateGradient函数来实现共轭梯度法求解矩阵方程。
除了上述方法外，Matlab还提供了一些特定类型矩阵方程的求解函数，比如求解特征值和特征向量的eig函数，求解奇异值分解的svd函数等。
总之，根据具体的矩阵方程类型和求解精度要求，可以选择合适的方法在Matlab中求解矩阵方程。
希望这些信息能够帮助到你。
用matlab 计算积分4．1积分的有关理论定积分：积分是微分的无限和，函数)(x f 在区间],[b a 上的积分定义为∑∫=→∆∆==ni iix baxf dx x f I i 1)max()(lim)(ξ其中.,,2,1),,(,,1110n i x x x x x b x x x a i i i i i i n =∈−=∆=<<<=−−ξ从几何意义上说，对于],[b a 上非负函数)(x f ，记分值I 是曲线)(x f y =与直线b x a x ==,及x 轴所围的曲边梯形的面积。
有界连续（或几何处处连续）函数的积分总是存在的。
微积分基本定理（Newton-Leibniz 公式）：)(x f 在],[b a 上连续，且],[),()('b a x x f x F ∈=，则有)()()(a F b F dx x f ba−=∫这个公式表明导数与积分是一对互逆运算，它也提供了求积分的解析方法：为了求)(x f 的定积分，需要找到一个函数)(x F ，使)(x F 的导数正好是)(x f ，我们称)(x F 是)(x f 的原函数或不定积分。
不定积分的求法有学多数学技巧，常用的有换元积分和分部积分法。
从理论上讲，可积函数的原函数总是存在的，但很多被积函数的原函数不能用初等函数表示，也就是说这些积分不能用解析方法求解，需用数值积分法解决。
在应用问题中，常常是利用微分进行分析，而问题最终归结为微分的和（即积分）。
一些更复杂的问题是含微分的方程，不能直接积分求解。
多元函数的积分称为多重积分。
二重积分的定义为∑∑∫∫∆∆=→∆+∆ijji jiy x Gy x f dxdy y x f i i ),(lim),(0)max(22ηξ当),(y x f 非负时，积分值表示曲顶柱体的体积。
二重积分的计算主要是转换为两次单积分来解决，无论是解析方法还是数值方法，如何实现这种转换，是解决问题的关键。
matlab求解定积分方程摘要：1.引言：介绍MATLAB 及其在数学计算中的应用2.定积分方程的概念：解释定积分方程及其在实际问题中的例子3.MATLAB 求解定积分方程的方法：详述使用MATLAB 求解定积分方程的具体步骤4.实例分析：通过具体的例子演示如何使用MATLAB 求解定积分方程5.总结：回顾MATLAB 在求解定积分方程中的优势和局限性正文：一、引言MATLAB 是一种广泛应用于科学计算和工程设计的数学软件，尤其在数值计算和数据分析领域有着出色的表现。
在处理数学问题时，MATLAB 能够提供便捷、高效的解决方案，使得许多复杂数学问题变得易于解决。
在定积分方程的求解中，MATLAB 同样具有很高的应用价值。
二、定积分方程的概念定积分方程是一种描述物理量随时间变化或者空间变化的数学模型。
例如，求解一个物体的位移、速度或者加速度等，都可以通过定积分方程来表示。
在实际问题中，定积分方程可以表示某种物理量的累积效果，从而为问题的解决提供依据。
三、MATLAB 求解定积分方程的方法1.符号运算：MATLAB 提供了强大的符号运算功能，可以方便地表示和计算定积分方程。
使用`int`函数可以求解定积分，例如：`∫(0,π) sin(x) dx`。
2.数值积分：当定积分方程无法通过符号运算求解时，可以使用MATLAB 的数值积分方法。
其中，`quad`函数适用于低维定积分的求解，而`integral`函数适用于高维定积分的求解。
例如：`result = integral(0, 1, exp(-x))`。
3.插值法：对于复杂的定积分方程，可以采用插值法进行求解。
MATLAB 提供了多种插值函数，如`interp1`、`interp2`、`interp3`和`interp4`等。
通过插值法，可以有效地提高计算精度。
四、实例分析假设有一个定积分方程：`∫(0, π) sin(x) dx`，我们可以通过MATLAB 求解该方程。
MATLAB算法以下是一些常见的MATLAB算法：1.插值算法：MATLAB提供了多种插值算法，如线性插值、二次插值和三次样条插值等。
这些算法可以用于填充缺失的数据、重建误差数据和生成平滑曲线等。
2.傅立叶变换：MATLAB提供了一系列用于计算傅立叶变换和逆变换的函数，包括快速傅立叶变换（FFT）算法。
傅立叶变换可以将信号从时域转换到频域，用于频谱分析、滤波和信号压缩等应用。
3.矩阵运算：MATLAB的核心功能是矩阵运算。
它提供了各种矩阵运算函数，如矩阵乘法、矩阵求逆、特征值分解和奇异值分解等。
这些算法可以用于解线性方程组、计算矩阵的特征向量和特征值等。
4.优化算法：MATLAB包含了多种优化算法，如梯度下降、共轭梯度、遗传算法和线性规划等。
这些算法可以用于最小化或最大化目标函数，在工程和经济领域有着广泛的应用。
5.数值积分：MATLAB提供了多种数值积分算法，如梯形法则、辛普森法则和龙贝格积分法。
这些算法可以用于计算函数的定积分，求解微分方程和模拟连续系统等。
6.图像处理：MATLAB拥有丰富的图像处理工具箱，包括图像滤波、边缘检测、图像变换和特征提取等。
这些算法可以用于图像增强、图像恢复和图像分析等应用。
7.机器学习算法：MATLAB提供了多种机器学习算法，如支持向量机、神经网络和决策树等。
这些算法可以用于模式识别、数据挖掘和预测分析等应用。
8.信号处理算法：MATLAB提供了多种信号处理算法，如滤波、谱估计和自适应滤波等。
这些算法可以用于音频处理、语音识别和信号压缩等应用。
9.随机数生成：MATLAB提供了多种随机数生成函数，如均匀分布、正态分布和泊松分布等。
这些算法可以用于模拟随机现象、生成随机样本和进行蒙特卡洛分析等。
10.数值解微分方程：MATLAB提供了多种数值解微分方程的算法，如龙格-库塔法、欧拉法和变步长算法等。
这些算法可以用于求解常微分方程和偏微分方程等。
总之，MATLAB是一个功能强大的数值计算软件和编程语言，拥有丰富的算法库和函数，可以帮助科学和工程领域的研究人员解决各种数学问题。
利用Matlab解决常见数学问题的案例分析概述：Matlab是一款流行的科学软件，广泛应用于数学建模、数据分析、图像处理等领域。
本文将通过几个实际案例，介绍如何利用Matlab解决常见的数学问题，并分析其解决方法和效果。
案例一：线性方程组的求解线性方程组是数学中常见的问题之一。
假设有如下线性方程组：3x + 2y = 14x - 3y = 5可以使用Matlab中的线性方程组求解函数`linsolve`来求解。
首先，定义系数矩阵A和常数矩阵b，并调用`linsolve`函数求解方程组：```matlabA = [3 2; 4 -3];b = [1; 5];x = linsolve(A, b);```运行上述代码后，可以得到方程组的解x为：x = 3y = -2案例二：函数曲线绘制Matlab具有强大的绘图功能，可以绘制各种函数曲线。
例如，我们可以绘制正弦函数sin(x)在区间[-2π,2π]上的曲线。
首先，定义x的取值范围，并计算对应的y 值：```matlabx = -2*pi:0.1:2*pi;y = sin(x);```接下来，使用`plot`函数将曲线绘制出来：```matlabplot(x, y);```运行代码后，可以得到正弦函数的曲线图。
案例三：最小二乘拟合最小二乘拟合是一种常见的曲线拟合方法，用于将一组数据拟合成一条曲线。
假设有一组离散的数据点，我们希望找到一个曲线来拟合这些数据。
在Matlab中，可以使用`polyfit`函数进行最小二乘拟合。
例如，假设有一组数据：x = [1 2 3 4 5];y = [0.5 2.5 2 4 3.5];可以使用`polyfit`函数进行线性拟合：```matlabp = polyfit(x, y, 1);```其中，第一个参数x是自变量的取值，第二个参数y是因变量的取值，第三个参数1表示进行一次多项式拟合。
拟合的结果保存在向量p中，p(1)为拟合曲线的斜率，p(2)为截距。
matlab在高等数学中的应用Matlab是一种强大的数学软件工具，广泛应用于高等数学的教学和研究中。
它提供了丰富的功能和工具，可以帮助学生和研究人员更好地理解和应用高等数学的概念和方法。
本文将介绍Matlab在高等数学中的应用，并分别从微积分、线性代数和概率论三个方面进行探讨。
Matlab在微积分中的应用非常广泛。
微积分是高等数学中的重要分支，研究函数的极限、导数、积分等概念和方法。
Matlab提供了丰富的函数和工具，可以进行符号计算、求解微分方程、绘制函数图像等。
例如，可以使用Matlab计算函数的导数和积分，从而得到函数的极值、拐点和定积分等重要信息。
此外，Matlab还可以用于求解微分方程，例如常微分方程、偏微分方程等。
通过Matlab的求解器，可以得到微分方程的近似解或精确解，进一步深入理解微积分的概念和方法。
Matlab在线性代数中的应用也非常重要。
线性代数是高等数学中的另一个重要分支，研究向量、矩阵、线性方程组等概念和方法。
Matlab提供了丰富的矩阵运算和线性代数函数，可以进行矩阵的加减乘除、转置、逆矩阵、特征值和特征向量等计算。
例如，可以使用Matlab求解线性方程组，通过矩阵的消元和回代，得到方程组的解析解或数值解。
此外，Matlab还可以进行矩阵的特征值分解和奇异值分解，从而得到矩阵的特征值、特征向量和奇异值等重要信息。
通过Matlab的计算和可视化功能，可以帮助学生更好地理解线性代数的概念和方法。
Matlab在概率论中的应用也非常突出。
概率论是高等数学中的重要分支，研究随机变量、概率分布、概率论等概念和方法。
Matlab提供了丰富的统计和概率函数，可以进行概率分布的计算、随机变量的模拟和统计分析等。
例如，可以使用Matlab计算正态分布的概率密度函数和累积分布函数，从而得到随机变量的概率分布和统计特性。
此外，Matlab还可以进行随机变量的模拟，通过生成随机数样本，估计概率分布的参数和进行假设检验等。
MATLAB函数用法一、基本命令判断所有非0：all 两组元素对应处都非0：and 对数组元素取反：not判断存在非0：any 两组元素对应处都为0：or 两组对应处唯一非0：xor合并同类项：collect 分解因式：factor 展开expand 化简：simple交集：intersect 并集：union 差集：setdiff二、基本运算1.矩阵建立：x=初量：步长：末量，linspace（初量，末量，个数）2.部分扩充：平铺矩阵repmat（A，m，n），右端扩充[A B],下端扩充[A;C]3.部分删除：删除第n列A（：，n），删除第m行A（m，：）4.部分修改：A（m,n）=a,A(m,:)=[a b…]，A(:,n)=[a b…]5.结构改变：左右fliplr，上下flipud，逆时针旋转k*90度rot90（A,k）6.矩阵变维：B(:)=A(:)，B与A对应相乘得与B结构相同，reshape（A，m，n）7.特殊矩阵：单位矩阵eye，零矩阵zeros，全1矩阵ones，服从[0,1]分布rand标准正态分布randn，对角阵diag，空矩阵 []，魔方矩阵magic，帕斯卡pascal，上三角阵triu，下三角阵tril，同维size（A）8.内积外积:内积dot（a，b），外积cross（a，b），张量积kron（A,B）9.矩阵卷积：w=conv(u,v),将w表示成s的多项式P=poly2str(w,’s’)10.反褶积：[q,r]=deconv(u,v)多项式u除以v得到商q余式r11.矩阵运算：转置’（复矩阵.’）,行列式det，迹trace，逆inv，伪逆pinv，秩rank，范数norm(X,p),条件数cond（A，p），元素个数numel 12.矩阵分解：Cholesky:R=chol(X)，R’*R=X,X对称正定矩阵R非奇异上三角 LU分解:[L,U]=lu(X),LU=X,U上三角阵L下三角阵或其他形式QR分解:[Q,R]=qr(A),QR=A,Q正交矩阵R上三角矩阵Schur：[U,T]=schur(A),A=U*T*U’,U正交T对角线特征值三角特征值分解：[v,d]=eig(A),特征向量v特征值对角阵d奇异值分解：[u,s,d]=svd(X),X=u*s*v’,s对角阵u、v酉矩阵海森伯格：[p,h]=hess(A),A=p*h*p’,h为A海氏形式p酉矩阵三、解方程1.方程求解：solve（’方程’,’未知数’）2.方程组求解：solve（’方程1’,’方程2’…，’变量1’,’变量2’…）3.线性方程组：AX=b ，X=A\b,A系数矩阵,b值矩阵，用rref化简下增广矩阵4.线性方程通解：null（A）的列向量为系数矩阵的正交规范基5.微分方程（组）：dsolve（’方程’,’初值（可缺）’,’变量’）6.一元非线性方程数值解：fzero（方程），roots（多项式方程系数降幂矩阵）四、复变函数1.构造复矩阵：complex（a,b）生成与原矩阵同类型且元素为a+bi的矩阵2.实部：real，虚部：imag，共轭：conj，模：abs，辐角：angle五、微积分1.复合函数：h=compose（f，g），反函数：g=finverse（f，变量）2.函数零点：x0=fzero（函数，初值）3.极限：limit（f，变量，趋值，’方向’）4.泰勒展开：g=taylor（函数，变量，处值，项数）5.级数求和：g=symsum（表达式，变量，初值，末值）6.一元函数极值：[x1,极值]=fminbnd（函数，区间左端点，右端点）7.多元函数极值：[X,极值]=fminsearch（函数，初值点）8.导数：diff（函数，变量，阶数），积分：int（函数，变量，下限，上限）9.数值积分：定积分I=quad(‘函数’,积分下限，上限)或者quadl二重积分I=dblquad（’函数’,x小，x大，y小，y大）10.定积分梯形近似计算：I=trapz（变量范围，函数）11.雅克比矩阵：h=jacobian（[f,g],[x,y]）可扩充到多维六、概率统计1.概率密度：二项分布binopdf（x，n，p），几何分布geopdf（x，p）泊松分布poisspdf（x，λ），均匀分布unidpdf（x，N（长度））指数分布exppdf（x，λ），正态分布normpdf（x，μ，σ）2.分布函数：二项分布binocdf（x，n，p），几何分布geocdf（x，p）泊松分布poisscdf（x，λ），指数分布expcdf（x，λ）正态分布normcdf（x，μ，σ）3.样本描述：几何平均值geomean，调和平均数harmmean，算术平均数mean中值median，截尾均值trimmean，均值绝对差mad，极差range方差var，标准差std4.参数估计：矩估计法moment，最大似然估计法mle5.一维插值：interpft(x,n)或者interp1（x，y，插值点，’插值方法’）插值方法：邻近nearest，线性linear，样条spline，三次pchip6.二维插值：interp2（x,y,x1,y1,’插值法’）最近邻、双线性、双三次cubic7.多维插值：interpn（x,y,…，x1,y1,…,’插值法’）插值法同上8.曲线拟合：多项式拟合polyfit（x，y，n）七、作图1.二维作图：x范围；函数表达式；plot（x，y）2.多重子图：subplot（m,n,p）,m子图行数n子图列数p子图序号3.获取图形数据：[x,y]=ginput，ginput为获取鼠标处的坐标命令4.对数坐标系：loglog，极坐标系：polar，双轴图：plotyy5.函数作图：fplot（函数，范围），隐函数多元函数：ezplot（’函数’,范围）6.二元函数作图：x范围；y范围；函数式；plot3（x,y,z）7.三维图形：网格mesh，曲面surf，加等值线meshc、surf，加零平面meshz8.声音实现：sound（向量x，频率f）9.动画实现：制作M=getframe，播放movie（M，次数k）。
