完整版本Matlab学习心得系列——002.Matlab编程思想——向量化编程.docxVIP

Matlab 编程思想——向量化编程 C 语言的基本元素是单数值（比如单变量或数组里的元素） ，再加上其结构化的特点，决定了通常 C 语言程序大都充斥着大量罗嗦的单变量循环和判断语句（注 1）。 而 Matlab 是以向量、矩阵为基本元素的，所以要编写真正的 Matlab 程序必须抛弃【 C 语言那种“单数值、元素化”考虑问题】的思路，转以向量、矩阵为最小单位来考虑问题。 也就是说， Matlab 的编程思想是——向量化编程，即面向向量或矩阵。 这样做的好处，至少有两个： （1）代码大大简化，易编程、清晰可读性强； 这样的代码才叫 Matlab 代码，否则只能是不伦不类的代码： C 不 C，Matlab 不 Matlab. 2）执行效率也更高； 这是次要的，随着 Matlab 对循环机制的优化， 速度差异已不再那么明显，关键是（ 1） 下面针对 Matlab 中常见的向量化处理问题方法，举例加以说明： （一）整体操作“大块数据” Matlab 为同型的数据块 （向量或矩阵） 的整体做运算提供了 【点 运算】，这里我借用《线性代数》里的说法，矩阵行数、列数相同称为同型矩阵， Matlab 里矩阵可能不止 2 维。 比如， A.*C 和 A./C 表示 A 与 C的对应位置的各元素做 * 和 / 运算得到与它们同型的一个新矩阵。 例1. 物理实验利用测得的电压电流具体数据，验证欧姆定律 R=U/I. 代码 1（C语言风格） U = [0.89, 1.20, 3.09, 4.27, 3.62, 7.71, 8.99, 7.92, 9.70, 10.41]; I = [0.028, 0.040, 0.100, 0.145, 0.118, 0.258, 0.299, 0.257, 0.308, 0.345]; L = length(U); S=0; for k = 1:L R(k) = U(k)/I(k); S = S + R(k); end R=S/L 运行结果： R = 30.5247 代 1’（Matlab 格） U = [0.89, 1.20, 3.09, 4.27, 3.62, 7.71, 8.99, 7.92, 9.70, 10.41]; I = [0.028, 0.040, 0.100, 0.145, 0.118, 0.258, 0.299, 0.257, 0.308, 0.345]; R = U./I; R = mean(R) 运行 果： R = 30.5247 （二）尽量把【 C 言 格的循 】向量化 上例，再比如， 例2. 算 1+1/3+? +1/99 代 2（C 言 格） s = 0; for k=1:2:99 s = s + 1/k; end s 运行 果： s = 2.9378 代 2’（Matlab 格） k=1:2:99; s = sum(1./k) 运行 果： s = 2.9378 注意：代 2’中，不要写成 “for k=1:2:99 否” , k 就是 化的一个 数值而不是数组了。 例3. 用间距为 0.1 的水平线和垂直线均匀分割 x∈[ -5,5]×[ -2.5,2.5] 的矩形域，在所有水平线和垂直线交点上计算函数 z=sin|xy| 的值，并图示。 （1）求出各网格点的函数值 代码 3（C语言风格）（注 2） x=-5:0.1:5; y=(-2.5:0.1:2.5); N=length(x); M=length(y); for ii=1:M for jj=1:N X0(ii,jj)=x(jj); Y0(ii,jj)=y(ii); Z0(ii,jj)=sin(abs(x(jj)*y(ii))); end end 代码 3’（Matlab 风格） [X,Y]=meshgrid(-5:0.1:5, -2.5:0.1:2.5); Z=sin(abs(X.*Y)); （2）画图 surf(X,Y,Z) % xlabel(x) % ylabel(y)  画三维图形 标记坐标轴 shading interp % view([190,70]) %  用插值处理色彩 旋转一定角度观看图形 （三）尽量使用 Matlab 成的【矩 操作 法和函数】 Matlab 提供了大量非常便捷的矩 操作 法和操作矩 的函数， 先 使用它 来完成程序。 （1）操作矩 的函数，比如 [m n]=size(A)——返回矩 A 的“型”，m 行 n 列 length(A)——返回行数或列数中最大的那个 mean(A)——返回 A 中所有元素平均 sum(A)或 sum(A,1)——返回 A 各列元素之和，各行之和用 sum(A,2) [Y I] = max(A)—— Y=A各列元素的最大