MATLAB 学习笔记——2. 矩阵

概述

MATLAB 对于矩阵的支持非常好，以矩阵运算为代表的基本运算功能一直是 MATLAB 引以为自豪的核心与基础。我们可以把向量和矩阵都视作矩阵进行统一的操作。在下文中我们默认讨论二维矩阵，但 MATLAB 支持多维矩阵。行向量即行数为 1 的矩阵，列向量即列数为 1 的矩阵。

在内存中，MATLAB 使用列主序进行连续存储，与 Fortran 相同，与 C 语言是反的。在下标的使用中，MATLAB 默认下标从 1 开始，与 Fortran 相同，与 C 语言等绝大部分编程语言都不同。

矩阵的尺寸信息可以通过下面的语句获取：

size(A) 行数和列数，返回一个1x2的行向量；
size(A,1) 行数；
size(A,2) 列数。

注意：

MATLAB 对于矩阵的支持是非常彻底的，甚至标量都是被视作 1 行 1 列的矩阵。
MATLAB 的很多内置函数对于行/列向量有特殊处理，在语义上并不能自然地推广到矩阵，可能是为了用户的便利，也可能是历史兼容性。例如不建议通过length获取尺寸信息，为了兼容行列向量的长度语义，这个函数只会返回矩阵的行数和列数之间的最大值。
下面默认矩阵是由浮点数组成的二维数组，MATLAB也支持更高维度的数组（但是部分矩阵运算不支持高维数组），而且元素类型除了浮点数，还可以是字符、布尔值、结构体数组、元胞数组等。

矩阵字面量

矩阵可以通过字面值创建：

空格或者逗号视作单行元素的分隔；
分号视作不同行元素的分隔，也可以输入回车进行换行。（输入分号加上回车也只是一次换行效果，并不会叠加）

例如

>> [1 2 3 4]
ans =
     1     2     3     4
>> [1 2 3;4 5 6]
ans =
     1     2     3
     4     5     6
>> [1 2
3 4]
ans =
     1     2
     3     4
>> [5 6;
7 8]
ans =
     5     6
     7     8

(如果尺寸不合法则会报错，MATLAB 不允许长短不一致的矩阵构造)

创建特殊矩阵

可以使用特殊矩阵的构造函数：（注意：单个参数时总是默认方阵）

全零矩阵
- zeros(m,n) 创造 m 行 n 列的全零矩阵；
- zeros(m) 创造 m 行 m 列的全零方阵；
- zeros(size(A)) 创造与 A 尺寸相同的全零方阵；
全 1 矩阵
- ones(m,n) 创造 m 行 n 列的全 1 矩阵；
- ones(m) 创造 m 行 m 列的全 1 方阵；
- ones(size(A)) 创造与 A 尺寸相同的全 1 方阵；
随机矩阵：（每一个元素为0-1的随机数）
- rand(m,n) 创造 m 行 n 列的随机矩阵；
- rand(m) 创造 m 行 m 列的随机方阵；
单位矩阵
- eye(m) 创造 m 行 m 列的单位方阵；
- eye(m,n) 创造 m 行 n 列的单位矩阵；（只有主对角线为 1，其余均为 0）
- eye(size(A)) 创造与 A 尺寸相同的单位矩阵；

冒号表达式用于产生等差数列（行向量），使用冒号表达式可以避免循环，计算效率更高

a:b:c 首项为a，公差为b，尾项由c确定但不一定包含。

>> 1:2:10
ans =
     1     3     5     7     9

% for(i=a;i<=c;i++){
%   ...
% }

a:b 相当于把中间的默认步长b=1省略。

与之类似的是linspace函数：

linspace(a,b,n) 基于闭区间生成行向量，第一个值是 a，最后一个值是 b，中间为等差数列，一共 n 个数；
缺省 n 时，默认取 n=100。

拼接矩阵

我们可以很方便地把两个矩阵拼起来，包括水平拼接和竖直拼接，它们分别要求两个矩阵有相同的行数或列数。

>> a=[1 2];b=[3 4]
b =
     3     4
>> [a b]
ans =
     1     2     3     4
>> [a;b]
ans =
     1     2
     3     4

矩阵的基础运算

矩阵可以直接和数相加减，默认会逐个元素进行。

>> zeros(2,3)+2
ans =
     2     2     2
     2     2     2

可以对矩阵执行内置函数，默认会逐个元素执行。

>> a=[1 2 3;4 5 6];sin(a)
ans =
    0.8415    0.9093    0.1411
   -0.7568   -0.9589   -0.2794

矩阵的两种转置：共轭转置A'，转置A.'。(对于实数矩阵两者一样)

矩阵乘法：A*B执行标准的矩阵乘法。

>> A=[1 1;2 2];B=[1 2;3 4];A*B
ans =
     4     6
     8    12

两个矩阵进行逐个元素的乘法：A.*B

>> A=[1 1;2 2];B=[1 2;3 4];A.*B
ans =
     1     2
     6     8

同理，还有逐个元素的乘方.^。尤其注意，这里的运算例如+或.*对于尺寸兼容的 A 和 B 也是可以的，

对于矩阵的常用运算还包括：

inv(A) 求逆
rank(A) 秩
det(A) 行列式
exp(A) 逐元素指数

注意：

这几个函数对大规模稠密矩阵不建议使用，因为数值算法的效率很低，而且效果通常并不太好，而且很多情况下并不需要。
exp(A) 是对矩阵的元素逐个计算exp，矩阵的指数运算是 expm(A)。

矩阵的兼容和隐式扩展

两个矩阵称为兼容的，如果它们的尺寸分别为 (m1,m2,m3) 和 (n1,n2,n3)，总是可以加 1 使得描述它们尺寸的整数个数一致。要求要么 m1=n1，要么其中一个为 1，此时维度为 1 的那个矩阵可以通过在这个维度上的简单复制达到相同的尺寸，对于 m2 与 n2，m3 与 n3 也同理。

对尺寸不同，但是兼容的两个矩阵所进行的二元运算，可能会自动触发隐式扩展，例如

1 2	A=[1 2 3]; % 行向量 B=[10;20;30;40]; % 列向量

它们做逐个元素的乘法时，会自动对尺寸进行扩展，在这个例子中就是都变成尺寸 (3,4) 的矩阵，在扩展的维度上只是单纯的复制

然后进行运算，计算A+B和A.*B得到的结果分别为

A+B =
    11    12    13
    21    22    23
    31    32    33
    41    42    43

A.*B =
    10    20    30
    20    40    60
    30    60    90
    40    80   120

注意：

行向量和列向量的乘法是向量乘法，但是逐元素乘法会得到矩阵。
列向量和行向量的乘法因为隐式扩展，完全等效于逐元素乘法，两者都会得到矩阵。

扩充矩阵

MATLAB的矩阵尺寸不是固定的，甚至允许在赋值时直接扩充矩阵尺寸（当然这会产生很多内存拷贝），例如扩充向量

a = [];
a(1) = 1;
a(2) = 2;

a % [1 2]

扩充矩阵

b = zeros(2,2);
b(2,:) = [2 2];
b(3,:) = [3 3];

b %
% 0 0
% 2 2
% 3 3

扩充后对于没有提供值的部分会自动补0。

不建议通过赋值直接扩充矩阵，这会带来不必要的内存拷贝，尤其不建议在 for 循环中扩充矩阵，因为效率非常低。

更改矩阵形状

MATLAB 提供 reshape 函数用来更改矩阵的尺寸（基于数据在内存中的列优先顺序），但是并不会修改原矩阵，而是返回一个指定尺寸的新矩阵。

与扩充尺寸必然带来的内存拷贝不同，由于MATLAB采用了懒拷贝机制，如果后续不对新矩阵中的元素进行修改，那么修改尺寸可能并不会产生额外的拷贝开销，相当于 C++ 中的引用传递。

支持两种写法，第一种是直接提供完整的目标尺寸向量（必须和原始矩阵的数据长度相匹配，否则报错），例如

1 2	A = 1:10; B = reshape(A,[5,2])

可以很方便地搭配size函数使用，例如

1 2	C = [1 2 3 4 5 6 7 8 9 10]; D = reshape(C,size(B))

第二种则是分别提供每一个维度的长度，此时可以使用一个[]缺省，MATLAB会自动计算缺少的维度长度，例如

1 2	A = 1:10; B = reshape(A,[],2) % size = [5,2]

注意：

reshape 和 resize 这两个名称在不同语言中经常混淆；
较新版本的 MATLAB 也提供了 resize 函数，但是作用只是用来在尾部加0或移除元素，也就是只考虑实际数据长度进行截断或延长，通常不需要。

矩阵的线性索引

无论是矩阵还是退化的行向量列向量，或者高维矩阵，每一个元素都可以使用一个正整数进行索引，称为线性索引。

与之不同的是，在 C/C++ 和 Numpy 中，二维数组通常是通过一维数组的数组实现的，因此对二维数组用一个整数索引会得到一个一维数组。

线性索引从 1 开始，完全对应于矩阵在内存中列主序的排列顺序。(在同一列中，相邻的元素就在内存中相邻)

>> a=[1 2 3; 4 5 6]
a =
     1     2     3
     4     5     6
>> a(1)
ans =
     1
>> a(2)
ans =
     4
>> a(3)
ans =
     2
>> a(4)
ans =
     5

支持基于线性索引的切片操作，这样会得到一个向量：（如果A是行/列向量，那么结果也是行/列向量，如果A是矩阵，那么结果始终是行向量）

A(m:n) 第 m 到 n 个元素；
A(m:end) 第 m 个元素到最后一个元素；

例如

>> a=[1 2 3; 4 5 6]
a =
     1     2     3
     4     5     6
>> a(1:3)
ans =
     1     4     2
>> a(4:end)
ans =
     5     3     6

非常奇怪的设定是，a(:)会得到一个包含所有元素的列向量，而不是一个行向量。

>> a=[1 2 3; 4 5 6]
a =
     1     2     3
     4     5     6
>> a(1:end)
ans =
     1     4     2     5     3     6
>> a(:)
ans =
     1
     4
     2
     5
     3
     6

可以利用线性索引展平得到的向量进行一些快捷操作，例如对所有元素求和

1
2
3

sum(A(:))
% or
sum(A, [], 'all')

矩阵的位置索引

与线性索引不同，更直观的索引当然是直接指定元素对应的行数和列数(用逗号分隔)，对于更高维的数组同理。对于行向量，位置索引和线性索引没有区别。

例如

>> a=[1 2 3; 4 5 6]
a =
     1     2     3
     4     5     6
>> a(1,2)
ans =
     2

可以一次性访问多个元素，例如

>> a=[1 2 3; 4 5 6]
a =
     1     2     3
     4     5     6
>> a(2,[1,3])
ans =
     4     6

支持基于位置索引的切片操作，可以提取指定的部分元素得到子矩阵：

A(m:n,p) 第 m 到 n 行，第 p 列；
A(m,:) 第 m 行，所有列；
A(m:end,:) 第 m 到最后一行，所有列；

例如

>> A = [1 2 3 4; 5 6 7 8; 9 10 11 12; 13 14 15 16]
A =
     1     2     3     4
     5     6     7     8
     9    10    11    12
    13    14    15    16
>> A(1:3,2:4)
ans =
     2     3     4
     6     7     8
    10    11    12

矩阵的索引赋值

MATLAB 基于索引和切片对矩阵进行部分赋值的逻辑非常奇怪，有些看起来不合理的语句竟然都是可以的，有些则又会报错？有一个相关的官方文档Indexed Assignment，但是太简略了，过于灵活的语法导致会很多错误难以发现。

下面的例子均取

>> A = [1 2 3 4; 5 6 7 8; 9 10 11 12; 13 14 15 16]
A =
     1     2     3     4
     5     6     7     8
     9    10    11    12
    13    14    15    16

理想的情况下，赋值应该在两个尺寸相符的子矩阵之间进行，例如

>> A(1:2,3:4) = [10,20;30,40]
A =
     1     2    10    20
     5     6    30    40
     9    10    11    12
    13    14    15    16

之前二元运算中使用的隐式扩展在这里并不允许，例如

>> A(1:2,:) = [1,1,1,1]
Unable to perform assignment because the size of the left side is 2-by-4 and the size of the right side is 1-by-4.
>> A(1:2,:) = [1,1,1,1;1,1,1,1]
A =
     1     1     1     1
     1     1     1     1
     9    10    11    12
    13    14    15    16

但是MATLAB其实也并不严格要求两者尺寸一致，例如使用行向量给列赋值是允许的

>> A(:,1) = [1,1,1,1]
A =
     1     2     3     4
     1     6     7     8
     1    10    11    12
     1    14    15    16

使用列向量给行赋值也是允许的

>> A = [1 2 3 4; 5 6 7 8; 9 10 11 12; 13 14 15 16]
A =
     1     2     3     4
     5     6     7     8
     9    10    11    12
    13    14    15    16
>> A(1,:) = [1,1,1,1]'
A =
     1     1     1     1
     5     6     7     8
     9    10    11    12
    13    14    15    16

一个常见的情景是用一个常数赋值一部分元素，此时无论赋值对象的尺寸如何，在语法上都是允许的，例如

>> A = [1 2 3 4; 5 6 7 8; 9 10 11 12; 13 14 15 16]
A =
     1     2     3     4
     5     6     7     8
     9    10    11    12
    13    14    15    16
>> A(1:3,2:4) = 3
A =
     1     3     3     3
     5     3     3     3
     9     3     3     3
    13    14    15    16

在对切片进行赋值时，切片也可以包括当前矩阵不存在的部分，赋值完成后会自动对矩阵进行扩充，例如

>> S=[1 2]
S =
     1     2
>> S(2,:) = 1
S =
     1     2
     1     1

基于线性索引的部分赋值也是可以的，例如（这里换成行向量也可以，只要保证元素个数相等）

>> A(1:8)=[10;20;30;40;50;60;70;80]
A =
    10    50     3     4
    20    60     7     8
    30    70    11    12
    40    80    15    16

补充

矩阵的逻辑判断

直接对矩阵使用 if 语句会发生什么？

a = [1, 2, 3];

if a
    disp('True')
end

这等价于下面的写法（也更推荐，可读性更高）

a = [1, 2, 3];

% 判断所有元素是否都非零
if all(a(:))
    disp('True')
end

几种建议写法如下

if all(a(:)) % 所有元素非零
    disp('All elements are nonzero');
end

if any(a(:)) % 至少有一个非零元素
    disp('At least one element is nonzero');
end

if isempty(a) % 矩阵是否为空
    disp('Matrix is empty');
end

if isnan(a) || isinf(a)  % 矩阵是否含有NaN或Inf
    disp('At least one element is NaN or Inf');
end

all 和 any 支持按指定维度进行运算，在判断时保留指定的维度：

all(A, dim): 判断 dim 方向上所有元素是否均为非零。
any(A, dim): 判断 dim 方向上是否至少有一个非零元素。

例如

A = [1 0 3;
    4 5 6];

all(A(:))     % false
any(A(:))     % true
all(A, 1)     % [true, false, true]
all(A, 2)     % [false; true]

矩阵的逻辑运算

MATLAB 支持对矩阵进行逐元素逻辑运算 (&, |, ~)，注意这不是位运算，只关注非零（true）和零（false），返回的是逻辑数组。

例如

A = [1 0; 2 3];
B = [0 1; 1 0];

C1 = A & B   % 逐元素 "AND"
C2 = A | B   % 逐元素 "OR"
C3 = ~A      % 逐元素 "NOT"

% C1 = [0 0; 1 0]
% C2 = [1 1; 1 1]
% C3 = [0 1; 0 0]

与之类似的短路逻辑运算 (&&, ||) 则不支持矩阵，仅能对标量使用。

矩阵的逻辑索引

MATLAB 允许使用 逻辑值 作为索引来筛选数据，以这种方式对矩阵进行读写的效率很高。

例如

A = [1 2 3; 4 5 6];

idx = (A > 2);
%   0   0   1
%   1   1   1

A(idx)
% [4; 5; 3; 6]

也可以直接写作

1 2	A(A>2) % [4; 5; 3; 6]

可以直接对满足条件的部分数据进行修改，只要赋值的数据尺寸满足要求（例如可以隐式扩展）

1 2	A(A > 25) = 100; % 把所有大于25的元素设为100 A(A > 10 & A < 50) = 0; % 10 到 50 之间的数置为 0