29、matlab算数运算汇总2：加、减、乘、除、幂、四舍五入

1、乘法:times, .*  

语法

C = A.*B 通过将对应的元素相乘来将数组 A 和 B 相乘。
C = times(A,B) 是执行 A.*B 的替代方法，

1)将两个向量相乘

代码及运算

A = [1 0 3];
B = [2 3 7];
C = A.*BC =2     0    21

2） 将两个数组相乘

代码及运算

A = [1 0 3; 5 3 8; 2 4 6];
B = [2 3 7; 9 1 5; 8 8 3];
C = A.*BC =2     0    2145     3    4016    32    18

2、 mtimes, * 矩阵乘法

语法

语法：C = A*B 是 A 和 B 的矩阵乘积
语法：C = mtimes(A,B) 是执行 A*B 这一操作的替代方法

1）将两个向量相乘

代码及运算

A = [1 1 0 0];
B = [1; 2; 3; 4];
C = A*BC =3

2） 将两个数组相乘

代码及运算

A = [1 3 5; 2 4 7];
B = [-5 8 11; 3 9 21; 4 0 8];
C = A*BC =24    35   11430    52   162

 3、prod数组元素的乘积

语法

B = prod(A) 返回 A 的数组元素的乘积。
B = prod(A,"all") 返回 A 的所有元素的乘积
B = prod(A,dim) 返回沿维度 dim 的乘积。
B = prod(___,nanflag) 指定包含还是省略 A 中的 NaN 值。

1）每列中元素的乘积

代码及运算

A=[1:3:7;2:3:8;3:3:9]
B = prod(A)A =1     4     72     5     83     6     9B =6   120   504

2） 逻辑输入的乘积

代码及运算

A = [true false; true true]
B = prod(A)A =2×2 logical 数组1   01   1B =1     0

3） 每行中元素的乘积

代码及运算

A=[1:3:7;2:3:8;3:3:9]
dim = 2;
B = prod(A,dim)A =1     4     72     5     83     6     9B =2880162

4） 排除缺失值的乘积

代码及运算

A = [1.77 -0.005 NaN -2.95; NaN 0.34 NaN 0.19]
B = prod(A,"omitnan")A =1.7700   -0.0050       NaN   -2.9500NaN    0.3400       NaN    0.1900B =1.7700   -0.0017    1.0000   -0.5605

4、 cumprod 累积乘积

语法

B = cumprod(A) 返回 A 的累积乘积，该累积乘积从 A 中大小大于 1 的第一个数组维度开始计算。
B = cumprod(A,dim) 返回沿维度 dim 计算的元素的累积乘积。
B = cumprod(___,direction) 可在上述任一语法的基础上指定计算方向。
B = cumprod(___,nanflag) 指定包含还是省略 A 中的 NaN 值。

1）向量的累计乘积

说明：说明：计算从 1 到 5 的整数的累积乘积。元素 B(2) 是 A(1) 和 A(2) 的乘积，而 B(5) 是元素 A(1) 至 A(5) 的乘积。

代码及运算

A = 1:5;
B = cumprod(A)B =1     2     6    24   120

2） 矩阵列中的累积乘积

代码及运算

A = [1 4 7; 2 5 8; 3 6 9]
B = cumprod(A)A =1     4     72     5     83     6     9B =1     4     72    20    566   120   504

3） 矩阵行中的累积乘积

说明：计算 A 的行的累积乘积。元素 B(3) 是 A(1) 和 A(3) 的乘积，而 B(5) 是 A(1)、A(3) 和 A(5) 的乘积。

代码及运算

A = [1 3 5; 2 4 6]
B = cumprod(A,2)A =1     3     52     4     6B =1     3    152     8    48

4） 不包括缺失值的累积乘积

代码及运算

A = [3 5 NaN 4; 2 6 NaN 9; 1 3 0 NaN]
B = cumprod(A,"omitnan")

5、除法rdivide, ./ 数组右除

语法 

x = A./B 用 A 的每个元素除以 B 的对应元素。

1）除以两个数值数组

代码及运算

A = [2 4 6 8; 3 5 7 9];
B = 10*ones(2,4);
x = A./Bx =0.2000    0.4000    0.6000    0.80000.3000    0.5000    0.7000    0.9000

2） 整数除法

代码及运算

a = int16(10);
b = int16([3 4 6]);
x = a./bx =1×3 int16 行向量3   3   2

3） 数组除以标量

代码及运算

C = 5;
D = magic(3);
x = C./Dx =0.6250    5.0000    0.83331.6667    1.0000    0.71431.2500    0.5556    2.5000

4） 将行向量和列向量相除

代码及运算

a = 1:2;
b = (1:3)';
a ./ bans =1.0000    2.00000.5000    1.00000.3333    0.6667

6、 ldivide, .\ 数组左除

语法

x = B.\A 用 A 的每个元素除以 B 的对应元素。

1）除以两个数值数组

代码及运算

A = ones(2,3);
B = [1 2 3; 4 5 6];
x = B.\Ax =1.0000    0.5000    0.33330.2500    0.2000    0.1667

2） 数值数组除以标量

代码及运算

c = 2;
D = [1 2 3; 4 5 6];
x = D.\cx =2.0000    1.0000    0.66670.5000    0.4000    0.3333

3） 将行向量和列向量相除

代码及运算

a = 1:2;
b = (1:3)';
b .\ aans =1.0000    2.00000.5000    1.00000.3333    0.6667

 7、power, .^  按元素求幂

语法

C = A.^B 计算 A 中每个元素在 B 中对应指数的幂。

1）计算向量每个元素的平方

代码及运算

A = 1:5;
C = A.^2C =1     4     9    16    25

2） 计算每个矩阵元素的倒数

代码及运算

A = [1 2 3; 4 5 6; 7 8 9];
C = A.^-1C =1.0000    0.5000    0.33330.2500    0.2000    0.16670.1429    0.1250    0.1111

3） 以列向量为指数对行向量按元素求幂

代码及运算

a = [2 3];
b = (1:3)';
a.^bans =2     34     98    27

4） 计算数的根

代码及运算

A = -1;
B = 1/3;
C = A.^B
C = nthroot(A,3)C =0.5000 + 0.8660iC =-1

8、mpower, ^ 矩阵幂

语法

C = A^B 计算 A 的 B 次幂并将结果返回给 C。

1）构造方阵

代码及运算

A = [1 2; 3 4];
C = A^2C =7    1015    22

2）矩阵指数

代码及运算

B = [0 1; 1 0];
C = 2^BC =1.2500    0.75000.7500    1.2500

9、transpose, .' 转置向量或矩阵

语法

B = A.' 返回 A 的非共轭转置，即每个元素的行和列索引都会互换。

1）实矩阵转置

代码及运算

A = magic(4)
B = A.'A =16     2     3    135    11    10     89     7     6    124    14    15     1B =16     5     9     42    11     7    143    10     6    1513     8    12     1

2） 复矩阵转置

代码及运算

A = [1 3 4-1i 2+2i; 0+1i 1-1i 5 6-1i]
B = A.'A =1.0000 + 0.0000i   3.0000 + 0.0000i   4.0000 - 1.0000i   2.0000 + 2.0000i0.0000 + 1.0000i   1.0000 - 1.0000i   5.0000 + 0.0000i   6.0000 - 1.0000iB =1.0000 + 0.0000i   0.0000 + 1.0000i3.0000 + 0.0000i   1.0000 - 1.0000i4.0000 - 1.0000i   5.0000 + 0.0000i2.0000 + 2.0000i   6.0000 - 1.0000i

10、 mod 除后的余数（取模运算）

语法

b = mod(a,m) 返回 a 除以 m 后的余数，其中 a 是被除数，m 是除数

1）标量被除后的余数

代码及运算

b = mod(23,5)b =3

2） 向量被除后的余数

代码及运算

a = 1:5;
m = 3;
b = mod(a,m)b =1     2     0     1     2

3）正值和负值被除后的余数

代码及运算

a = [-4 -1 7 9];
m = 3;
b = mod(a,m)b =2     2     1     0

4） 用负除数除后的余数

代码及运算

a = [-4 -1 7 9];
m = -3;
b = mod(a,m)b =-1    -1    -2     0

5）浮点值被除后的余数

代码及运算

theta = [0.0 3.5 5.9 6.2 9.0 4*pi];
m = 2*pi;
b = mod(theta,m)b =0    3.5000    5.9000    6.2000    2.7168         0

11、 rem 除后的余数

语法

r = rem(a,b) 返回 a 除以 b 后的余数，其中 a 是被除数，b 是除数。

1）标量被除后的余数

代码及运算

a = 23;
b = 5;
r = rem(a,b)r =3

2）向量被除后的余数

代码及运算

a = 1:5;
b = 3;
r = rem(a,b)r =1     2     0     1     2

3） 正值和负值被除后的余数

代码及运算

a = [-4 -1 7 9];
b = 3;
r = rem(a,b)r =-1    -1     1     0

4） 浮点值被除后的余数

代码及运算

theta = [0.0 3.5 5.9 6.2 9.0 4*pi];
b = 2*pi;
r = rem(theta,b)r =0    3.5000    5.9000    6.2000    2.7168         0

13、idivide 带有舍入选项的整除

语法

C = idivide(A,B) 将 A 的每个元素除以 B 的对应元素，朝零方向舍入到最接近的整数。
C = idivide(A,B,opt) 指定替代舍入选项：'fix'、'floor'、'ceil' 或 'round'。

 1）整数除法

代码及运算

A = int16([-7 -4 7 11]);
B = int16(10);
C = idivide(A,B)C =1×4 int16 行向量0   0   0   1

 2）两个整数数组相除

代码及运算

A = int64([-2 3]);
B = int64([3 5]);
C = idivide(A,B)C =1×2 int64 行向量0   0

3） 整数除法的舍入选项：用默认舍入选项 'fix' 将 A 除以 B 的每个元素。

 代码及运算

A = 2.0;
B = int32([-3 3 4]);
C = idivide(A,B)C = idivide(A,B,'floor')
C = idivide(A,B,'ceil')
C = idivide(A,B,'round')C =1×3 int32 行向量0   0   0C =1×3 int32 行向量-1    0    0C =1×3 int32 行向量0   1   1C =1×3 int32 行向量-1    1    1

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/bicheng/23832.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

Docker面试整理-Docker的网络是如何工作的？

Docker面试整理-Docker的网络是如何工作的？

Docker 的网络功能允许容器以多种方式连接到彼此、宿主机以及外部网络。Docker 使用不同的网络驱动来支持这些连接，每种驱动方式都适用于特定的用途。理解 Docker 的网络是如何工作的，可以帮助你更好地设计和管理容器化应用的通信。 Docker 网络驱动 bridge:默认网络驱动。当…
阅读更多...
学校教学选择SOLIDWORKS教育版的理由

学校教学选择SOLIDWORKS教育版的理由

在现代工程和技术教育领域中，计算机辅助设计软件（CAD）已成为不可或缺的教学工具。SOLIDWORKS作为一款功能强大、易于上手的CAD软件，其教育版在学校教学中备受青睐。本文将从多个方面探讨学校教学选择SOLIDWORKS教育版的理由。 一…
阅读更多...
纷享销客集成平台（iPaaS）的应用与实践

纷享销客集成平台（iPaaS）的应用与实践

案例一 企业系统集成的产品级解决方案 概况 随着国家出台一系列鼓励LED照明产业发展与创新的规划和政策，以及国际市场全球演唱会、音乐会的活跃以及线上零售、商业地产等行业回暖，LED显示行业发展形势积极向好。深圳市艾比森光电股份有限公司&#xff…
阅读更多...
苹果警告部分 iPhone 用户称他们遭到雇佣间谍软件攻击

苹果警告部分 iPhone 用户称他们遭到雇佣间谍软件攻击

苹果警告部分 iPhone 用户称他们遭到“雇佣间谍软件攻击 苹果正在提醒用户注意针对 iPhone 的新一轮已识别雇佣间谍软件攻击。可能的受害者已经收到来自苹果的电子邮件，其中描述了该攻击如何“远程破坏 iPhone”。据路透社报道，印度和其他 91 个国家的受…
阅读更多...
为何PHP使用率 大幅度下降！需求量几乎为零！

为何PHP使用率 大幅度下降！需求量几乎为零！

用PHP的人越来越少的主要原因包括：市场竞争加剧、新技术的出现、性能和安全问题、以及开发者社区的变化。市场竞争加剧是其中一个突出的因素。随着Python、Node.js等现代编程语言的崛起，它们提供了更好的性能、更简洁的语法和更丰富的框架，逐…
阅读更多...
2024我们该学习大模型吗？

2024我们该学习大模型吗？

一、引言 在快速变化的科技行业中，人工智能（AI）大模型已成为研究和应用的热点。随着AI技术的不断进步，特别是在自然语言处理、计算机视觉和机器学习平台等领域，许多专业人士开始将目光投向AI大模型的开发和应用。 二…
阅读更多...
异常断电数据库恢复-从ORA-600 2131到ORA-08102: 未找到索引关键字, 对象号 39---惜分飞

异常断电数据库恢复-从ORA-600 2131到ORA-08102: 未找到索引关键字, 对象号 39---惜分飞

数据库启动报ORA-600 2131，以前遇到过类似问题:ORA-600 2131故障处理 SQL> alter database mount; alter database mount * 第 1 行出现错误: ORA-00600: ??????, ??: [2131], [9], [8], [], [], [], [], [], [], [], [], [] Tue Jun 04 14:12:18 2024 …
阅读更多...
P10 属性分组

P10 属性分组

P71 属性分组页面搭建 前端组件抽取&父子组件交互 前端页面中： 菜单 1、sys_admin.sql语句在gulimail_admin数据库执行。注意自己的数据库名称是否和文件中的一致。刷新页面后，发现页面新增。找到平台属性—属性分组。 2、在product文件夹&…
阅读更多...
JeeSite 快速开发平台 Vue3 前端版介绍

JeeSite 快速开发平台 Vue3 前端版介绍

JeeSite 快速开发平台 Vue3 前端版介绍： 它构建于 Vue3、Vite、Ant-Design-Vue、TypeScript 以及 Vue Vben Admin 等最前沿的技术栈之上，能助力初学者迅速上手并顺利融入团队开发进程。涵盖的模块包括组织机构、角色用户、菜单授权、数据权限、系统参数…
阅读更多...
LLM的基础模型6：注意力机制

LLM的基础模型6：注意力机制

大模型技术论文不断，每个月总会新增上千篇。本专栏精选论文重点解读，主题还是围绕着行业实践和工程量产。若在某个环节出现卡点，可以回到大模型必备腔调或者LLM背后的基础模型新阅读。而最新科技（Mamba,xLSTM,KAN）则提…
阅读更多...
leetcode刷题-二叉树01

leetcode刷题-二叉树01

代码随想录二叉树part01|二叉树的理论基础 理论基础种类：存储方式：二叉树的遍历：二叉树定义方式： 理论基础 代码随想录文档讲解 种类： 满二叉树，节点数量： 2 n − 1 2^n-1 2n−1完全二叉树&a…
阅读更多...
MongoDB~索引使用与优化

MongoDB~索引使用与优化

Study by： https://docs.mongoing.com/indexeshttps://www.cnblogs.com/Neeo/articles/14325130.html#%E5%85%B6%E4%BB%96%E7%B4%A2%E5%BC%95 作用 如果你把数据库类比为一本书，那书的具体内容是数据，书的目录就是索引，所以索引…
阅读更多...
NIST 电子病历中的疫苗部分的认证

NIST 电子病历中的疫苗部分的认证

美国国家标准与技术研究院（National Institute of Standards and Technology，NIST）对电子病历的认证 分几个阶段，每个阶段又分门诊和住院，然后又分若干模块。下面是疫苗模块的数据提交的测试脚本。 170.302k_Immuniza…
阅读更多...
数据提取：构建企业智能决策的基石

数据提取：构建企业智能决策的基石

在数字化时代，数据已成为企业最宝贵的资产之一。而数据提取，作为数据分析和智能决策的第一步，正日益成为企业构建竞争优势的关键环节。本文将探讨数据提取的重要性、方法以及它如何为企业的智能决策奠定坚实基础。 一、数据提取的重要性 洞…
阅读更多...
Rust 实现 kvmsample

Rust 实现 kvmsample

GitHub - BillXiang/kvmsample at rust cd kvmsample make cp test*.bin kvmsample-rust cd kvmsample-rust cargo run两个vm中分别执行IO_OUT和IO_IN: KVM_EXIT_IO_OUT addr:16 data:84 KVM_EXIT_IO_IN addr 16 KVM_EXIT_IO_OUT addr:16 data:85 KVM_EXIT_IO_IN addr 16 KVM_…
阅读更多...
多线程..

多线程..

线程定义：线程是操作系统能够进行运算调度的最小单位，它被包含在进程之中，是进程中实际运作单位。简单来说，应用软件中相互独立，可以同时运作的功能。 多线程作用：有了多线程，我们就可以让程序…
阅读更多...
【机器学习300问】108、什么是多项式回归模型？

【机器学习300问】108、什么是多项式回归模型？

一、多项式回归是什么 （1）举例说明 假设你经营着一家农场，想要根据土地面积来预测作物的产量。如果你只用线性模型（即），你可能会发现它并不足以描述实际的产量情况，因为实际产量可能会随着土地…
阅读更多...
NLP--机器学习

NLP--机器学习

1.定义：机器学习是一种从经验中学习关于某类任务和该任务执行性能衡量参数，并且性能衡量参数会随着经验的增加而提高的计算机程序。机器如何做我们能做的事，这是早期关于机器学习思想的起源。机器学习和程序编码最大的区别之一就是可以在没有…
阅读更多...
java国际化配置文件如何使用UTF8

java国际化配置文件如何使用UTF8

1.直接设置SpringMessage的编码 import org.springframework.boot.autoconfigure.AutoConfiguration; import org.springframework.context.MessageSource; import org.springframework.context.annotation.Bean; import org.springframework.context.support.ReloadableResou…
阅读更多...
Acwing 786.第K个数

Acwing 786.第K个数

Acwing 786.第K个数 题目描述 786. 第k个数 - AcWing题库 运行代码 #include <iostream> #include <algorithm> using namespace std; const int N 100010; int q[N];int main() {int n, k;scanf("%d%d", &n, &k);for (int i 0; i < n; …
阅读更多...
最新文章

Copyright @ 2022~2023