gtkknd的专栏

只有 数组 才有 左右除法，矩阵 没有

向量的点积即数量积，叉积又称向量积或矢量积。点积、叉积甚至两者的混合积在场论中是极其基本的运算。MATLAB是用函数实现向量点、叉积运算的。1. 点积运算点积运算(A·B)的定义是参与运算的两向量各对应位置上元素相乘后，再将各乘积相加。所以向量点积的结果是一标量而非向量。点积运算函数是：dot(A,B)，A、B是维数相同的两向量。2. 叉

左除 代替求逆（-1）

a(5,:) 代表第5行

IIR数字滤波器实现（mantlab+C语言）http://blog.youkuaiyun.com/syrchina/article/details/9053047

算法1：。A =     3     2     5     6     5     2     1     8     4     2     7     9>> diff(A,1,1)ans =     2     0    -4     2    -1     0     6     1>> diff(A,1,2)

连续函数的傅里叶变换中，如果窗口宽度为T，采样点数=N，采样频率fs=N/T.在点数不变的情况下，那么感觉T越小，采样率就越高。可是书上说T 变小，容易产生混叠？？这个对吗？如何理解

平凡空间就是都是零向量的空间，一个线性空间里面只要有一个非零向量，就是非平凡空间。

MATLAB中使用FFT做频谱分析时频率分辨率问题最近做FFT时，使用的采样频率和信号长度的取舍一直没有搞清楚，后来在论坛上发了一个贴子《总结一下使用FFT和维纳-辛钦定理求解PSD问题》（讨论见http://www.ilovematlab.cn/thread-27150-1-1.html，特别感谢会员songzy41，他的问题给了我很大启示），跟帖中给了我不少启示，并且让我对“频率分辨率”这

polyval 只是计算一个多项式，这个你应该明白吧，help里的例子很清楚： 就是把x值带进去。polyvalm比较特别的。但是明白这个之前，你需要明白什么是 characteristic polynomial:In linear algebra, one associates a polynomial to every square matrix

这里涉及到矩阵的四个基本空间，即矩阵A的值域空间，零空间和矩阵A’的值域空间和零空间。\设A是m*n的矩阵，称其列向量构成的子空间为A的值域空间，R（A），即任意n*1维的向量x,有Ax=b,b是A值域空间中的一个元素，所有的b构成了A的值域空间。A的零空间由所有满足方程Ax=0的x构成,N（A）。同理我们也可以得到A‘的值域空间和零空间。    关于正交空间，其定义为：设M是内积空间V的

其中，f是被积函数，可以是匿名函数，句柄，内联函数等等。a,b是最外重积分的常数项。c,d可以使常数也可以是匿名函数，代表内层积分的上下限。举个例子说明：被积函数f(x,y) = sqrt(10^4-x^2) 在x^2+y^2大家可以比较下面两行代码的运算时间tic,y1 = dblquad(@(x,y) sqrt(10^4-x.^2).*(x.^2+y.^2t

c = {'birch', 'betula', 65; 'maple', 'acer', 50}c = 'birch' 'betula' [65] 'maple' 'acer' [50]fields = {'name', 'genus', 'height'};s = cell2struct(c, fields, 2);s(1)

num2cell的作用是把数值数组转换为cell数组。 最基本的用法是把数值数组的每个元素作为cell数组的元素，得到一个和原数组维度完全相同的cell数组，例如 >> A=magic(3)A =     8     1     6     3     5     7     4     9     2>> c=num2cell(A)c =    [8]    [