一
1.数值 显示 格式
format style 设置
eg: pi format longE;
or
2.清除指令
clc 清除命令行窗口
clear 清除工作区
cls
3.搜索路径设置
path(path,'E:\ads\')
or
addpath
4.M文件
用户把要实现的命令写在一个以.m为扩展的文件中，然后由matlab系统进行解读，最后运行结果。
类型：
脚本：也可以自己写函数；
函数：函数名和文件名相同；
5.通用描述
general 命令
函数：rand(), sin(60)
工具箱
abs , sqrt, exp
help abs
分号；，不打印在命令行中
6.通用命令
常用：cls clf clear exit quit home echo type more cd dir load diary pack hold（图形保持
close
快捷键
\[\]向量和矩阵标识符
二
1.向量
冒号表示
linspace(a1,an,n) n默认100 ，首元素尾元素 等分间距
logspace(a1,an,n) n默认50
算数运算
点积和叉积
2.矩阵matrix
特殊矩阵
ones(3,3) or ones(3)
zeros( )
eye()
diag()对角
magic
rand 0-1均匀分布
randn 高斯分布
稀疏矩阵
非零元素和行列索引来存，节省空间；
密度：
转换函数：满矩阵-稀疏矩阵
结论
MATLAB 的稀疏矩阵是按索引存储的，采用的是列优先顺序下的压缩列存储（CSC）格式。只保存了非零元素及其所在的行列索引，从而实现了高效的内存利用和运算性能。
导入外部数据 load
多维数组
三
1.数据类型
isinteger(x)
class(x)
双精度浮点（默认）
2.类型转换函数
复数：z = complex(x,y)
z = complex(x)
z = 12 + 6i;
z = rand(2)*2
3.字符，结构体（C++）
4.元胞数组
5.函数句柄
可作为参数传递给其他函数，C++中有相同概念函数指针或回调函数，执行时机和逻辑分离；
6.字符串
四
1.程序
M文件，扩展名.m。通过编写M文件可以实现各种复杂运算。
eg:
循环语句：for and while 前者有次数，后者没有，通过条件判断式来决定
条件语句：ifelse switch case
continue
return
break
交互命令：
echo
error
keyboard
2.调试
五
矩阵运算
范数
det
cond判断奇异性
rank
trace
特征值和特征向量
矩阵空间夹角
矩阵分解
1.chol
2.LU
3.QR
4.左右除：
为了方便记忆对哪个矩阵进行逆运算，规律如下：
在可逆形式下转换成逆矩阵，右除对右边矩阵逆，左除对左边矩阵逆。
-
C/B=C*(inv(B)) (C右除B等于C乘以B的逆）
-
A\C=inv(A)*C （A左除C=A的逆乘以C）
六
1.可视化
eg:
步骤：
2.二维图形绘制
双坐标轴
hold on 叠图
hold off
子图
subplot(m,n,k)
3.三维图形
plot3
mesh 三维网格图
surf
3.二维特殊图形
饼状图
阶梯图
条形图
等高线
errorbar
4.三维特殊图形函数
5.四维
七
1.坐标轴和图形标注
标注：
图例标注：legend
取点：ginput
2.命令控制
网格控制
view:观察点
3.颜色
增亮：
颜色标尺：
背景色：
光照设置：
4.图形窗口
创建：
get获得图形窗口属性；
打印或输出：
八
1.数学函数->matlab语言
三角函数：
指数对数
复数
截断或求余
2.特殊函数
坐标变换函数：
数论函数：
素数
九
1.符号运算
sym:
syms:
class
对象类型
符号运算
化简：
在 MATLAB 中，符号对象（symbolic object） 和 普通数值（numeric value） 的区别主要体现在数据类型、计算方式、精度、用途等方面。下面我分学术和工程两个角度给你梳理一下。
1. 数据类型不同
| 特性 | 符号对象 (sym) |
普通数值 (double, single 等) |
|---|---|---|
| 数据类型 | 符号类型（Symbolic） | 浮点数类型（Numeric） |
| 存储形式 | 存储的是数学表达式或符号常量，不是近似值 | 存储的是有限精度的二进制浮点数 |
| 创建方式 | syms x; f = sym('pi'); |
a = 3.1416; |
2. 计算方式不同
-
符号对象
-
按符号推导规则运算，不会做浮点近似化。
-
能进行代数化简、微分、积分、解方程等符号运算。
-
例如：
syms x diff(sin(x)^2, x) % 结果是 2*sin(x)*cos(x)
-
-
普通数值
-
按数值计算规则运算，采用 IEEE 754 双精度（或单精度）近似。
-
无法直接进行代数化简，结果通常是近似数。
-
例如：
x = pi/3; diff(sin(x)^2, x) % 会报错，因为 x 只是数值
-
3. 精度与近似
-
符号对象 → 理论上无限精度 （直到内存限制），保留 exact form，如
pi、sqrt(2)。 -
普通数值 → 有限精度（
double默认约 15~16 位有效数字），存在舍入误差。
举例：
sym(pi) - 4*atan(sym(1)) % 结果是 0（完全相等）
pi - 4*atan(1) % 结果是 0（数值上接近，但可能不是精确 0）4. 用途上的区别
-
符号对象
-
符号微积分（
diff、int） -
符号代数（
simplify、factor） -
精确解析解（
solve） -
高精度常数计算（配合
vpa可指定位数）
-
-
普通数值
-
数值仿真（ODE 数值解、FFT 等）
-
工程数值计算（矩阵运算、统计分析等）
-
实时计算与信号处理
-
5. 转换关系
-
数值 → 符号
a = 3.14; sym_a = sym(a); -
符号 → 数值
x = sym('pi'); double(x) % 转为 double 类型近似值
总结表
| 特性 | 符号对象 (sym) | 普通数值 (double/single) |
|---|---|---|
| 精度 | 理论无限精度 | 有限（~15 位） |
| 运算方式 | 代数运算 | 浮点近似运算 |
| 用途 | 推导、符号解、精确计算 | 数值计算、仿真 |
| 内存占用 | 较大 | 较小 |
| 速度 | 慢 | 快 |
MATLAB 之所以要引入 符号对象（Symbolic Object） ，本质上是因为数值计算 和数学推导的需求是两类完全不同的任务，而普通浮点数无法满足后一类任务的精确性与表达能力。
我分几个层次解释一下**"为什么需要符号对象"**。
1. 解决浮点数无法表达精确数学对象的问题
普通数值（double、single）存储的是近似值，而许多数学对象是无法用有限二进制小数精确表示的，比如：
-
π\pi、ee、2\sqrt{2}
-
分数 13\frac{1}{3}
-
无理数、代数式
浮点数在这些情况下会引入舍入误差，而符号对象则保留精确的数学形式：
sym(pi) % 保留为 π，不是 3.1416...2. 支持解析计算（Analytical Computation）
有些任务必须基于公式推导而不是近似数值：
-
符号微分（得出通用公式，而非某一点的导数）
-
符号积分（求出积分解析式）
-
符号解方程（求变量的精确表达式）
-
代数化简（消去公共因子、展开或因式分解）
例子：
syms x
diff(sin(x)^2, x) % 结果是 2*sin(x)*cos(x)，而不是数值这种能力在通信理论推导、信号公式变换等科研任务中很重要。
3. 实现高精度或任意精度计算
浮点数精度有限（double 约 15~16 位有效数字）。
当需要极高精度（如大数计算、误差敏感问题）时，浮点运算会累积误差。
符号对象配合 vpa（Variable Precision Arithmetic）可以按需求设置精度：
vpa(pi, 50) % 计算 π 的 50 位有效数字4. 支持数值与推导的混合工作流
在科研和工程计算中，经常需要先推导公式，再数值仿真。
-
推导阶段：用符号对象得到通用解析公式
-
仿真阶段：将符号公式转成数值函数，高速计算
这种模式可以减少人工推导错误，并在参数变化时自动更新公式。
例如 MU-MIMO 信道容量公式推导，可以用符号对象自动完成矩阵求导、迹运算等，再转为数值形式计算吞吐量。
5. 工程意义
-
避免手工推导的繁琐与易错性（符号引擎自动化）
-
保证结果的数学严谨性（不会因为舍入误差而得到错误结论）
-
提供可复用的解析模型（直接嵌入到数值计算中）
总结一句
符号对象的存在，是为了让 MATLAB 不仅能"算数"，还能"做数学" 。
它让 MATLAB 既能做高速的数值计算（仿真），也能做精确的符号推导（理论分析），两者结合才适用于科研和高精度工程应用。
对，你的理解方向是对的，但我帮你精确化一下：符号变量并不是简单的"把数值换成变量" ，而是把数值、变量甚至表达式都作为数学符号来处理，从而保留它们的精确结构。
1. 普通数值 vs 符号变量的本质区别
-
普通数值
-
只存储具体的数（例如 3.1416），MATLAB 只能对它做数值运算。
-
计算结果是数值，没有"通用性"。
-
-
符号变量 / 符号对象
-
存储的是一个数学符号（例如 xx、π\pi、2\sqrt{2}），可以在运算中保持符号形式，不直接化成数值。
-
能保留变量之间的关系，形成通用公式。
-
计算结果可以是另一个公式，而不是一个单一的数。
-
2. 例子直观比较
数值计算
x = pi/3; % 数值
y = sin(x)^2; % 已经是数值
diff(y, x) % ❌ 报错，因为 y 是数值，不是表达式符号计算
syms x
y = sin(x)^2; % 符号表达式
dy = diff(y, x) % 结果: 2*sin(x)*cos(x)这里 x 就是一个符号变量，不是具体数值，所以 MATLAB 可以对它做微分、积分、化简等操作。
3. 不只是变量，还能是"精确数"
符号对象还可以表示常数的精确形式：
sym(1/3) % 保留为 1/3
1/3 % double 结果是 0.3333...这意味着符号对象不仅仅是 "未知量 xx"，也可以是一个精确常数 或一个代数式。
4. 总结你的那句话
符号变量并非简单地将数值替换为变量，而是以符号形式存储数学对象（变量、常数或表达式），使其在运算中保留解析结构，从而能够生成通用公式，而不仅是针对特定数值的结果。
2.符号表达式
作为一个公式；
极限：
求和：
泰勒：
积分：
傅里叶变换：
eg:阶跃函数
拉普拉斯变换：
eg:
Z变换：
eg:
3.符号矩阵运算
4.符号方程求解
5.可视化数学分析窗口
泰勒级数分析：
总结
是的，你现在已经抓到符号对象的核心特性了。
更精确地说，符号对象可以在两种"模式"下使用：
1. 作为"表达式"运算（符号模式）
-
所有变量、矩阵、公式保持符号形式，不转成具体数值。
-
运算结果依旧是另一个公式（而不是数）。
-
常见用途：推导公式、化简表达式、符号微分/积分、符号解方程等。
例子：
syms x y
f = sin(x)^2 + y^2; % 符号表达式
dfdx = diff(f, x) % 结果是 2*sin(x)*cos(x)2. 对符号赋值求数值（数值模式）
-
可以用
subs将符号变量替换成具体值，再用double转换为数值。 -
常见用途：公式推导完成后，用特定参数计算结果。
例子：
syms x y
f = sin(x)^2 + y^2;
f_sub = subs(f, [x y], [pi/3 2]); % 用具体值替换符号
num_result = double(f_sub) % 转成 double 类型数值3. 符号矩阵同理
-
推导阶段：符号矩阵保留精确结构，可做代数运算（行列式、逆、迹等）。
-
计算阶段：赋值并数值化求具体结果。
例子：
syms a b c d
A = [a b; c d];
det_A = det(A) % 结果是 a*d - b*c （公式）
det_num = double(subs(det_A, [a b c d], [1 2 3 4])) % 结果是 -2✅ 总结
你完全可以先用符号对象推导出通用表达式（保持解析精度），然后在需要时给符号变量赋值求数值。
这种"先符号推导 → 再数值计算"的模式特别适合通信系统公式推导 + 仿真这类科研任务，因为能避免手算公式的易错性，又能在仿真中复用公式。
十
数值计算：
求解方案：
高斯：
迭代法：对高阶
插值：
插值（Interpolation ）在数学和信号处理里，指的是已知一组离散数据点，通过一定方法推算这些点之间未知位置的值 。
它的本质就是------用一个连续函数去"穿过"这些已知点，然后用它估计中间点。
1. 插值的基本概念
假设你知道某函数在 x0,x1,...,xnx_0, x_1, \dots, x_n 处的值 y0,y1,...,yny_0, y_1, \dots, y_n，
插值的目标就是构造一个函数 P(x)P(x)，使得：
P(xi)=yi,i=0,1,...,nP(x_i) = y_i, \quad i=0,1,\dots,n
并用 P(x)P(x) 来估算这些已知点之间的任意位置的值。
2. 插值 vs 拟合
-
插值 ：要求插值函数严格通过所有已知数据点，没有偏差。
-
拟合：允许拟合曲线与数据点有一定误差，更关注整体趋势（比如最小二乘法拟合）。
3. 常见插值方法
| 方法 | 特点 | 举例 |
|---|---|---|
| 线性插值 (Linear) | 相邻两点之间用直线连接，简单快速 | interp1(x, y, xq, 'linear') |
| 多项式插值 (Polynomial) | 用高次多项式穿过所有点 | 拉格朗日插值、多项式插值公式 |
| 分段三次样条插值 (Cubic Spline) | 分段三次多项式，保证一阶、二阶导数连续，曲线平滑 | interp1(x, y, xq, 'spline') |
| 二维/多维插值 | 适用于二维/三维数据 | interp2、interpn |
| 傅里叶插值 | 用周期信号的频域展开做插值 | 信号处理中的带限插值 |
4. MATLAB 中的插值示例
x = [0 1 2 3];
y = [0 1 0 1];
xq = 0:0.1:3; % 查询点
y_linear = interp1(x, y, xq, 'linear'); % 线性插值
y_spline = interp1(x, y, xq, 'spline'); % 样条插值
plot(x, y, 'o', xq, y_linear, '-', xq, y_spline, '--');
legend('原始点', '线性插值', '样条插值');5. 工程与科研中的意义
-
信号处理：将离散采样信号恢复到连续时间（带限插值）。
-
通信系统：定时同步、信道估计中利用插值获得未采样点的信道响应。
-
数值计算：在已知离散解的情况下估算中间值（如有限元分析）。
-
图像处理：图像缩放（最近邻插值、双线性插值、双三次插值）。
📌 一句话总结：
插值是"已知几个点，填补中间的空白"的过程，本质上是用一个连续函数通过这些点，然后用它预测未知点的值。
拟合：
polyfit 和 polyval 是 MATLAB 里一对常用的多项式拟合 + 计算工具，它们经常配合使用，但作用不同：
1. polyfit ------ 求多项式系数（拟合阶段）
作用 ：给定一组数据点，找到一个指定阶数的多项式，使它在最小二乘意义下尽量接近这些数据。
语法：
p = polyfit(x, y, n)-
x、y：数据点（长度相同的向量） -
n：拟合多项式的阶数 -
p：返回一个行向量，包含从高次项到常数项的系数
例子：
x = [1 2 3 4];
y = [2.2 2.8 3.6 4.5];
p = polyfit(x, y, 1) % 一阶拟合（直线）
% p 可能返回 [0.77 1.45]，对应 0.77*x + 1.452. polyval ------ 计算多项式值（预测阶段）
作用：根据多项式系数，计算多项式在某些点的值。
语法：
y_fit = polyval(p, xq)-
p：由polyfit返回的系数向量 -
xq：要计算的自变量值（可为标量、向量或矩阵） -
y_fit：对应的多项式值
例子：
xq = 1:0.5:4; % 查询点
yq = polyval(p, xq) % 根据拟合多项式预测3. polyfit + polyval 组合使用示例
% 原始数据
x = [1 2 3 4];
y = [2.2 2.8 3.6 4.5];
% 用二阶多项式拟合
p = polyfit(x, y, 2);
% 生成更密的 x 值进行预测
xq = linspace(1, 4, 100);
yq = polyval(p, xq);
% 绘图
plot(x, y, 'o', xq, yq, '-');
legend('原始数据', '二阶拟合曲线');4. 和插值的区别
-
插值 ：要求曲线经过所有原始点（误差为 0）。
-
polyfit拟合：允许曲线不经过所有点，目标是最小化总体误差（最小二乘法）。 -
多项式插值也能用
polyfit实现，但拟合阶数要等于数据点数减 1（容易震荡）。
✅ 总结
-
polyfit：求多项式系数（拟合/插值） -
polyval：用系数计算多项式值（预测/绘制） -
常用组合：
先polyfit找系数 → 再polyval画曲线或求值
如果你需要，我可以帮你画一张**"polyfit vs 插值"对比图**，让你直观看到同一组点用线性拟合、二次拟合、样条插值的区别。这样你在科研（比如 MU-MIMO 信道曲线建模）时能快速判断用哪种方法。