MathWorks MATLAB R2019b中文破解版使用将为用户带来全新的数学、图形、编程一体化解决方案，使用旨在帮助工程师和科学家们更快的通过MATLAB的设计和分析功能来快速推进项目和产品的发展，软件拥有最强大最自然的数学计算、图形分析、数据分析、脚本编写和算法、构建应用程序等功能，不敢您是要用来分析复杂的数据，还是进行算法开发，或者是创建模型，软件都能提供你所需要的一切，并且比较优势的是，它能够针对您独特的思维方式和工作内容进行优化设计。各种工具和功能已经经过了严格的测试，绝对精准，并且能够相互配合工作，为您带来不可估量的结果！软件环境布局非常的合理且直观，包括命令窗口、工作区浏览器和变量编辑器等，让您能够快速的导入数据、定义变量并执行计算。可以通过预置的绘图实现数据的可视化，如果有需要，你甚至可以对可视化效果进行自定义。浏览产品文档，查找内置函数，了解其语法以及演示如何使用函数的代码示例。最后，使用实时编辑器创建组合了代码、输出和格式化文本的脚本，采用可执行的记事本格式，方便与其他人共享。本次带来最新MATLAB R2019b中文破解版下载，含安装密钥、破解文件，亲测可完美破解激活软件，享受无限制的程序，如果你有这方面的需要，欢迎到本站下载体验！
MathWorks MATLAB R2019b v9.7.0.1319299 (Win / macOS / Linux) | 86.5 GB
Includes MathWorks MATLAB R2019b Update 5 only
安装破解教程
1、在本站下载并解压，得到R2019b_Windows.iso安装镜像和破解文件夹
2、加载R2019b_Windows.iso安装镜像，并双击setup.exe安装软件，耐心等待一会儿，
3、如图所示，安装方法这里我们选择“使用文件密钥安装”
4、是否接受许可协议条款，勾选是
5、如图所示，勾选我已有我的许可证的文件安装密钥选项，并在输入框中输入序列号09806-07443-53955-64350-21751-41297，点击下一步
6、选择软件安装路径，点击下一步
7、如图所示，选择安装的产品，进行勾选，点击下一步
8、选择安装选项，点击下一步
9、软件安装时间比较久，大家耐心等待吧，中间可以不用值守等待，如图所示，安装完成，退出向导
10、软件安装完成后先不要运行软件，打开破解文件夹，将R2019b文件夹复制到安装目录中，点击替换目标中的文件，默认路径为C:\Program Files\Polyspace
11、然后将破解文件夹中的license_standalone.lic复制到安装目录中的licenses文件夹中，如果没有如果licenses文件夹的话，自己手动创建一个新的文件夹，破解完成，非常简单
软件优势
1、MATLAB 精通数学
工程师和科学家需要一种能让他们直接在编程中使用矩阵和数组表达运算的语言。MATLAB 中的线性代数就像教科书中的线性代数一样。对于数据分析、信号和图像处理、控制设计和其他应用，也是一样的。
这就是超过 1,500 本教科书使用 MATLAB 进行教学的原因。
2、 MATLAB 专为工程师和科学家设计
MATLAB 的相关内容是专门为工程师和科学家设计的：
函数名称和特征既熟悉又好记。
调整后的界面环境更适合迭代工程和科学工作流程。
文档的编写面向工程师和科学家，而不是计算机科学家。
3、MATLAB 工具箱得心应手
MATLAB 工具箱针对广泛的科学和工程应用提供了经过专业开发、严格测试、现场强化和完全归档的功能。这些工具箱设计为协同工作，并且与并行计算环境、GPU 和 C 代码生成相结合。
4、MATLAB 具有交互式应用
MATLAB apps是交互式应用程序，对于许多算法而言，您都能直接访问或者获得即时的视觉反馈。您能立即看到不同的算法如何处理您的数据。在您获得所需结果之前反复迭代，然后自动生成 MATLAB 程序，以便对您的工作进行重制或自动处理。
5、MATLAB集成工作流程
重大的工程和科学挑战需要广泛的团队合作才能使想法付诸实施。研究过程中的每次交接都会增加错误和延迟的可能。MATLAB 可以帮助实现从研究到生产的整个过程的自动化。
6、MATLAB 迅速高效
MATLAB 为使您的代码快速运行而努力工作。数学运算会被分布到您的计算机的多个处理器，库调用经过高度优化，所有代码均即时编译。
您只需将 for 循环更改为并行 for 循环或将标准数组更改为 GPU 数组，从而以并行方式运行您的算法。无需更改代码，即可在可无限扩展的云上运行并行算法。
7、MATLAB 备受信任
工程师和科学家信任 MATLAB，无论是将宇宙飞船发送到冥王星，还是匹配接受器官移植的患者与器官捐献者，亦或是为管理层编制一份报告。这种信任建立在无差错的数值计算上，这来自于 MATLAB 在数值分析研究社区的强大根基。 MathWorks 研发工程师团队每天都对 MATLAB 代码库运行数百万次的测试，不断验证其质量。
R2019b新功能
1、桌面
·实时编辑器任务：在实时脚本中添加任务，以探索参数并自动生成代码
·实时编辑器输出：动画显示绘图，以呈现数据随时间发生的变化
·实时编辑器输出：调整表的列宽
·实时编辑器输出：复制单元格数组、对象数组和结构体数组中显示的数据
·实时编辑器导出：自定义导出图窗的格式以及导出文档的纸张大小、方向和页边距
·实时编辑器国际化：在Windows和macOS平台上添加中文、日语和韩语字符
·附加功能管理器：一站式更新MATLAB、硬件支持包和安装的附加功能
·附加功能：以编程方式按名称管理附加功能
·设置：创建设置以在自定义应用程序、工具箱和多个MATLAB会话中沿用
2、图形
·Chart Container类：开发具有内置MATLAB图形行为的自定义图表
·tiledlayout和nexttile函数：在单个图窗中显示多个绘图，并改进间距、标签与注释管理以及布局调整行为
·colororder函数：控制绘图中的线条颜色
·数据提示：以编程方式创建数据提示，还可在其他图表中自定义数据提示
·坐标区交互：将数据提示固定在光标位置
·坐标区工具栏：将坐标区内容作为图像保存或复制
·地理图：改进在底图上绘制数据时的绘图外观，并提升缩放级别
3、App构建
·uitable和uistyle函数：交互式排序表中内容，并为表Ul组件的行、列或单元格创建样式
·uihtm1函数：为应用程序添加HTML、JavaScript或CSS内容
·uigridlayout函数：配置网格行列，使之在不同的屏幕大小和设备尺寸下自动调整大小以适应文本
·布局管理器：为通过App 设计工具创建的应用添加网格布局管理器，并/或将其转换为带自动布局调整的应用
4、数学
·makima函数：执行修正Akima 三次Hermite 插值
5、数据导入和导出
·table和timetable数据类型：读写变量名包含任意字符（包括空格和非ASCll字符）的表格数据
·sheetnames函数：获取电子表格文件的工作表名称
·VideoReader对象：交替使用帧素引或时间来读取或搜素视频中的帧
·VideoReader 对象：改善行优先布局生成代码的性能
·高性能串行接口：串行数据传输速度比旧有串行接口快四倍
·低功耗蓝牙接口：读写BLE设备
6、语言和计算
·函数输入参数：声明函数输入参数，以简化输入错误检查
·十六进制和二进制数：使用十六进制和二进制字面值指定数字
·素引：对函数调用进行点索引
·云数据访问：在Amazon S3和Azure Blob Storage中支持delete、dir、isfile、isfolder和what函数
·error函数：针对未捕获异常，新增可自定义的“Did you mean:"纠正功能
7、软件开发
·Python接口：在进程外执行Python函数，以避免MATLAB和Python之间的库冲突
·单元测试框架：使用自定义插件并行运行测试
·单元测试框架：直观比较两个TimeResult数组，以识别性能随时间发生的变化
·比较Git分支：显示所选内容的差异并保存副本
·HTTP Web服务：支持NTLM和Kerberos协议的服务器验证
8、硬件支持
·低功耗蓝牙接口：读写BLE设备
·Parrot 无人机：流式传输Parrot无人机的FPV摄像机拍摄的视频图像
·Parrot 无人机：支持Parrot Bebop2无人机
·Arduino：构建独立应用程序，通过台式计算机与Arduino硬件通信
9、数据分析
·实时编辑器任务：使用任务对数据进行交互式预处理，并自动生成MATLAB代码
·groupfilter函数：按组筛选表、时间表或矩阵中的数据
·table和timetable 数据类型：变量名可以是任意字符，包括空格和非ASCll字符
·tall 数组：在更多函数中支持tall数组，包括 setdiff和xcorr，并在innerjoin和outerjoin 中全面支持tall数组
·tall 数组：最初没有依托于数据存储的tall数组有可能逐渐增长并超出内存
10、性能
·数据类型素引：通过下标索引对大型table、datetime、duration 或calendarDuration 数组中的元素赋值时，性能得到改善
·uitable函数：当数据类型为数值、逻辑值或字符向量元胞数组时，性能得到提升
新特性介绍
一、共享作品
使用MATLAB实时编辑器创建MATLAB脚本和函数，将代码、输出和格式化文本集成到一个可执行记事本文档中。
新特性 实时任务:使用实时编辑器任务探索各个选项，并对结果和生成的代码进行预览(R2019b)
隐藏代码:在共享和导出实时脚本时隐藏代码(R2019a)
保存到Word:将实时脚本和函数另存为MicrosoftWord文档(R2019a)
动画:支持动画显示绘图，以呈现数据随时间发生的变化(R2019a)
互式表:以交互方式筛选表输出，然后将生成的代码添加到实时脚本(R2018b)
查看MATLAB环境方面的所有更新
二、App构建
App设计工具让您轻松创建专业应用程序，而无需事先掌握专业软件开发知识。
新特性uihtml函数:将HTML、JavaScript或CSS内容添加到应用程序(R2019b)
uitable和uistyle函数:交互式排序表中内容，并为表UI组件的行、列或单元格创建样式(R2019a)
App设计工具自动调整布局:创建两栏式或三栏式应用，使之根据设备尺寸自动调整内容大小和布局(R2019a)
App设计工具网格布局:在App设计工具画布上添加并配置网格布局管理器(R2019a)
图窗交互:基于使用 uifigure 函数创建的图窗，创建具有自定义鼠标和键盘交互的应用程序(R2018b)
三、数据导入和分析
访问、组织、清理和分析来自多个数据源的数据。
新特性实时编辑器任务:使用任务对数据进行交互式预处理并自动生成MATLAB代码(R2019b)
新特性新特性 分组工作流:使用grouptransform(R2018b),groupcounts(R2019a),以及groupfilter(R2019b)执行基于组的操作
数据类型I/O:使用专用函数读取和写入矩阵、元胞数组和时间表 (R2019a)
Parquet文件支持:读取和写入单个或大量Parquet 文件(R2019a)
三、数据可视化
使用新的绘图函数和自定义功能对数据进行可视化。
新特性ChartContainer类:开发具有内置MATLAB图形行为的自定义图表(R2019b)
新特性tiledlayout和nexttile函数:在单个图窗中显示多个绘图，并改进间距、标签与注释管理以及布局调整行为(R2019b)
新特性从坐标区工具栏导出:对坐标区内容进行紧凑型裁剪，并以图像格式保存或复制(R2019b)
新特性新特性 编程式数据提示:以编程方式创建数据提示，还可在其他图表中自定义数据提示(R2019b)
内置坐标区交互:通过平移、缩放、数据提示和三维旋转（默认均启用）来探索数据(R2019a)
四、大数据
只需小小变化，即可轻松拓展大数据分析。
自定义tall数组:编写自定义算法以通过块或滑动窗口对tall数组进行运算（R2018b、R2019a）
新特性支持tall数组的函数:在更多函数中支持tall数组，包括innerjoin,outerjoin,xcorr,svd,以及wordcloud(R2018b,R2019a,R2019b)
自定义数据存储:使用自定义数据存储框架，从基于Hadoop的数据库中读取数据(R2019a)
FileDatastore对象:通过将文件以小块形式导入来读取大型自定义文件(R2019a)
数据存储:组合和变换数据存储(R2019a)
五、语言和编程
使用新的数据类型和语言构造来编写运行更快、更为简明且更易维护的代码。
新特性函数输入参数验证:声明函数输入参数，以简化输入错误检查(R2019b)
新特性十六进制和二进制数:使用十六进制和二进制字面值指定数字(R2019b)
字符串数组支持:在Simulink和Stateflow中使用字符串数组(R2018b)
枚举:通过枚举提高集合运算的性能(R2018b)
查看语言和编程方面的所有更新
六、性能
MATLAB运行代码的速度几乎是四年前的两倍。无需对已有代码进行任何更改，即可实现提速。
新特性大型数组中的赋值:通过下标索引对大型table、datetime、duration或calendarDuration数组中的元素赋值时，性能得到改善(R2019b)
uitable:当数据类型为数值、逻辑值或字符向量元胞数组时，性能得到提升(R2019a)
对大型矩阵排序:使用sortrows更快地对大型矩阵的行排序(R2019a)
启动:更快启动MATLAB(R2018b)
整体性能:已提升实时编辑器、App设计工具以及内置函数调用的性能(R2018b)
七、软件开发
软件开发工具可帮助您管理和测试代码、与其他软件系统集成并将应用部署到云。
新特性 进程外执行 Python: 在进程外执行 Python 函数，以避免出现库冲突 (R2019b)
工程: 组织工作、自动执行任务和流程，并与团队协作 (R2019a)
C++ 接口: 从 MATLAB 调用 C++ 库函数 (R2019a)
适用于 MATLAB 的 Jenkins 插件: 运行 MATLAB 测试并生成多种形式的测试报告，包括 JUnit、TAP 以及 Cobertura 代码覆盖率报告等
新参考架构: 在 Amazon Web Services (AWS) 和 Microsoft Azure 上部署并运行 MATLAB (R2018b)
代码兼容性报告: 从当前文件夹浏览器生成兼容性报告 (R2018a)
八、控制硬件
控制 Arduino 和 Raspberry Pi 等常见微控制器，通过网络摄像头采集图像，还可以从智能手机的内置传感器收集数据。
新特性 低功耗蓝牙: 读写 BLE 设备 (R2019b)
Parrot 无人机: 通过 MATLAB 控制 Parrot 无人机并获取传感器和图像数据 (R2019a)
移动设备摄像头: 在 MATLAB Mobile 中通过移动设备摄像头获取图像 (R2019a)
通过 MATLAB Online 使用 Raspberry Pi: 通过 MATLAB Online 与 Raspberry Pi 硬件板通信 (R2018b)
在 Raspberry Pi 上运行代码: 将 MATLAB 函数作为独立可执行程序部署在 Raspberry Pi 上 (R2018b)
支持的硬件: 支持 Arduino; Raspberry Pi; USB 网络摄像头; 以及 ThingSpeak IoT
软件特色
一、数百万工程师和科学家信赖MATLAB
MATLAB将适合迭代分析和设计过程的桌面环境与直接表达矩阵和数组运算的编程语言相结合。
1、专业开发
MATLAB工具箱经过专业开发、严格测试并拥有完善的帮助文档。
2、包含交互式应用程序
MATLAB应用程序让您看到不同的算法如何处理您的数据。在您获得所需结果之前反复迭代，然后自动生成MATLAB程序，以便对您的工作进行重现或自动处理。
3、以及扩展能力
只需更改少量代码就能扩展您的分析在群集、GPU和云上运行。无需重写代码或学习大数据编程和内存溢出技术。
二、让您的创意从研究迈向生产
1、部署到企业应用程序
MATLAB 代码可直接用于生产，因此您可以直接部署到云和企业系统，并与数据源和业务系统集成。
2、在嵌入式设备上运行
自动将 MATLAB 算法转换为 C/C++ 和 HDL 代码，从而在嵌入式设备上运行。
3、与基于模型的设计集成
MATLAB 与 Simulink 配合以支持基于模型的设计，用于多域仿真、自动生成代码，以及嵌入式系统的测试和验证。
三、将 MATLAB 用于：
1、数据分析
探索如何使用 MATLAB 进行大数据、机器学习和生产分析。
2、无线通信
探索 MATLAB 如何帮助您开发算法和执行全面的无线系统仿真。
使用帮助
一、数据导入和分析
导入和导出数据，包括大文件；预处理数据、可视化和浏览
访问来自文本文件、电子表格、硬件、其他软件或 Web 的数据。探查数据以判别趋势、检验假设和估计不确定性。创建自定义的算法、可视化和模型。
1、数据导入和导出
文本文件、电子表格和其他文件格式；Web 访问
通过数据导入和导出功能，可以从文件、其他应用程序、Web 服务和外部设备访问数据。您可以读取常见文件格式，如 Microsoft® Excel® 电子表格、文本、图像、音频和视频，以及科学数据格式。通过一些低级的文件 I/O 函数，可以处理任何格式的数据文件
标准文件格式
文本、电子表格、图像、科学数据、音频和视频、XML 文档
工作区变量和 MAT 文件
管理 MATLAB® 工作区中的数据
低级文件 I/O
字节或字符级别的读取和写入操作
TCP/IP 通信
通过 TCP/IP 接口读取和写入数据
Web 访问
RESTful Web 服务、电子邮件、FTP
物联网 (IoT) 数据
读取和写入 ThingSpeak™ 通道
JSON 格式
JavaScript® 对象表示法格式
串行端口设备
对连接到串行端口的设备进行读取和写入
2、大型文件和大数据
访问和处理文件集合以及大型数据集
大型数据集可以是现有内存无法容纳的大型文件，也可以是需要很长处理时间的文件。大型数据集也可以是许多小型文件的集合。大型数据集的处理无法通过单一方法来完成，因此 MATLAB® 提供了多个用于访问和处理大型数据的工具。
首先创建一个一次可访问小部分数据的数据存储。您可以使用数据存储管理数据的增量导入。要使用常见 MATLAB 函数（如 mean 和 histogram）分析数据，请基于数据存储创建一个 tall 数组。对于更复杂的问题，您可以编写一个 MapReduce 算法，用于定义数据的分块和归约。
数据存储
读取大型数据集合
tall 数组
行数太多而无法载入内存的数组
MapReduce
用于分析无法载入内存的数据集的编程方法
大型 MAT 文件
在不载入内存的情况下访问和更改变量
Parquet 文件
读取和写入 Parquet 文件
内存映射
将文件数据映射到内存中以便更快速地进行访问
3、数据的预处理
数据的清理、平滑处理和分组
数据集可能需要预处理技术，以确保准确、高效或有意义的分析。数据清理指查找、删除和替换错误或缺失数据的方法。检测局部极值和突变有助于识别显著的数据趋势。平滑处理和去除线性趋势是从数据中消除噪声和线性趋势的过程，而缩放则会改变数据的边界。分组和划分 bin 的方法是确定数据变量之间关系的方式。
函数
全部折叠
缺失数据和离群值
ismissing 查找缺失值
rmmissing 删除缺失的条目
fillmissing 填充缺失值
missing 创建缺失值
standardizeMissing 插入标准缺失值
isoutlier 查找数据中的离群值
filloutliers 检测并替换数据中的离群值
rmoutliers 检测并删除数据中的离群值
movmad 移动中位数绝对偏差
检测变化点和局部极值
ischange 查找数据中的突然变化
islocalmin 计算局部最小值
islocalmax 计算局部最大值
对数据进行平滑和去除线性趋势处理
smoothdata 对含噪数据进行平滑处理
movmean 移动均值
movmedian 移动中位数
detrend 去除多项式趋势
归一化和缩放数据
normalize 归一化数据
rescale 数组元素的缩放范围
对数据进行组合和 bin 划分
discretize 将数据分组到 bin 或类别中
groupcounts 分组元素的数量
groupsummary 组汇总计算
grouptransform 按组转换
histcounts 直方图 bin 计数
histcounts2 二元直方图 bin 计数
findgroups 查找组并返回组编号
splitapply 将数据划分归组并应用函数
rowfun 将函数应用于表或时间表行
varfun 向表或时间表变量应用函数
accumarray 使用累加构造数组
4、描述性统计量
范围、集中趋势、标准差、方差、相关性
函数
全部折叠
基本统计量
min 数组的最小元素
mink 计算数组的 k 个最小元素
max 数组的最大元素
maxk 计算数组的 k 个最大元素
bounds 最小元素和最大元素
topkrows 按排序顺序的前若干行
mean 数组的均值
median 数组的中位数值
mode 数组中出现次数最多的值
std 标准差
var 方差
corrcoef 相关系数
cov 协方差
xcorr 互相关
xcov 互协方差
累积统计量
cummax 累积最大值
cummin 累积最小值
移动统计量
movmad 移动中位数绝对偏差
movmax 移动最大值
movmean 移动均值
movmedian 移动中位数
movmin 移动最小值
movprod 移动乘积
movstd 移动标准差
movsum 移动总和
movvar 移动方差
5、可视化探查
平移、缩放和旋转图形；修改和保存观测值
交互式地探查和编辑绘制的数据，以改善视觉显示或揭示有关数据的其他信息。例如，可以通过平移、缩放或旋转坐标区来调整所绘制数据的视图。此外，还可以使用数据刷亮修改数据点，或使用属性检查器编辑绘图的外观。有关详细信息，请参阅 交互式探查绘图数据。
函数
全部折叠
绘图编辑工具
属性检查器 打开属性检查器
plotedit 以交互方式编辑和注释绘图
plottools 显示或隐藏绘图工具
showplottool 显示或隐藏图窗绘图工具
figurepalette 显示或隐藏图窗选项板
plotbrowser 显示或隐藏图窗绘图浏览器
propertyeditor 显示或隐藏属性编辑器
propedit 打开属性编辑器
数据提示和工具栏按钮
自定义数据提示
dataTipTextRow 向数据提示添加行
自定义工具栏按钮
axtoolbar 创建坐标区工具栏
axtoolbarbtn 向坐标区工具栏添加按钮
addToolbarExplorationButtons 向图窗工具栏添加数据探查按钮
removeToolbarExplorationButtons 从图窗工具栏中删除数据探查按钮
内置交互
panInteraction 平移交互
rulerPanInteraction 标尺-平移交互
zoomInteraction 缩放交互
regionZoomInteraction 区域缩放交互
rotateInteraction 旋转交互
dataTipInteraction 数据提示交互
enableDefaultInteractivity 启用内置坐标区交互
disableDefaultInteractivity 禁用内置坐标区交互
交互模式
pan 以交互方式平移图形视图
zoom 启用或禁用缩放或者按比例放大
rotate3d 使用鼠标旋转三维视图
datacursormode 启用、禁用和管理交互式数据游标模式
brush 以交互方式标记、删除、修改和保存图形中的观测值
属性链接
linkdata 变量更改时自动更新图形
linkaxes 同步使用指定的二维坐标区的范围
linkprop 为图形对象的对应属性保持相同值
refreshdata 指定数据源时刷新图中的数据
属性
全部折叠
数据提示和工具栏按钮
DataTipTemplate 属性 数据提示内容和外观
AxesToolbar 属性 坐标区工具栏的外观和行为
ToolbarStateButton 属性 坐标区工具栏状态按钮的外观和行为
ToolbarPushButton 属性 坐标区工具栏普通按钮的外观和行为
二、数学
线性代数、微积分、傅里叶变换和其他数学
数学函数为分析数据、开发算法和创建模型提供了一系列数值计算方法。核心函数使用经过处理器优化的库，可以快速进行向量和矩阵计算。
1、初等数学
三角学、指数和对数、复数值、舍入、余数、离散数学
初等数学函数包括支持算术运算（+、-、*、...）的功能、数学常量函数（Inf、pi、…）、多项式运算函数（poly、roots、…）以及特殊的数学函数（如 gamma 和 beta）。
算术运算
加、减、乘、除、幂、四舍五入
三角学
结果以弧度或度为单位的正弦、余弦和相关函数
指数和对数
指数、对数、幂和根函数
复数
实部和虚部、相位角度
离散数学
质因数、阶乘、排列、有理分式、最小公倍数、最大公约数
多项式
曲线拟合、根、部分分式展开
特殊函数
Bessel、Legendre、椭圆、误差、gamma 和其他函数
常量和测试矩阵
Pi、非数、无限数；Hadamard 矩阵、伴随矩阵、帕斯卡矩阵和其他专用矩阵
2、线性代数
线性方程、特征值、奇异值、分解、矩阵运算、矩阵结构
MATLAB® 中的线性代数函数提供快速且数值稳健的矩阵计算。功能包括各种矩阵分解、线性方程求解、计算特征值或奇异值等。有关介绍，请参阅 MATLAB 环境中的矩阵。
函数
全部折叠
线性方程
mldivide 对线性方程组 Ax = B 求解 x
mrdivide 对线性方程组 xA = B 求解 x
decomposition 求解线性方程组的矩阵分解
lsqminnorm 线性方程的最小范数最小二乘解
linsolve 对线性方程组求解
inv 矩阵求逆
pinv Moore-Penrose 伪逆
lscov 存在已知协方差情况下的最小二乘解
lsqnonneg 解算非负线性最小二乘问题
sylvester 求 Sylvester 方程 AX + XB = C 的 X 解
特征值和奇异值
eig 特征值和特征向量
eigs 特征值和特征向量的子集
balance 对角线缩放以提高特征值准确性
svd 奇异值分解
svds 奇异值和向量的子集
gsvd 广义奇异值分解
ordeig 拟三角矩阵的特征值
ordqz 在 QZ 分解中将特征值重新排序
ordschur 在 Schur 分解中将特征值重新排序
polyeig 多项式特征值问题
qz 广义特征值的 QZ 分解
hess 矩阵的 Hessenberg 形式
schur Schur 分解
rsf2csf 将实数 Schur 形式转换为复数 Schur 形式
cdf2rdf 将复数对角形转换为实数分块对角形
矩阵分解
lu LU 矩阵分解
ldl Hermitian 不定矩阵的分块 LDL 分解
chol Cholesky 分解
cholupdate Cholesky 分解的秩 1 更新
qr 正交三角分解
qrdelete 从 QR 分解中删除列或行
qrinsert 将列或行插入 QR 分解
qrupdate QR 分解的秩 1 更新
planerot Givens 平面旋转
矩阵运算
transpose 转置向量或矩阵
ctranspose 复共轭转置
mtimes 矩阵乘法
mpower 矩阵幂
sqrtm 矩阵平方根
expm 矩阵指数
logm 矩阵对数
funm 计算常规矩阵函数
kron Kronecker 张量积
cross 叉积
dot 点积
矩阵结构
bandwidth 矩阵的上下带宽
tril 矩阵的下三角形部分
triu 矩阵的上三角形部分
isbanded 确定矩阵是否在特定带宽范围内
isdiag 确定矩阵是否为对角矩阵
ishermitian 确定矩阵是 Hermitian 矩阵还是斜 Hermitian 矩阵
issymmetric 确定矩阵是对称矩阵还是斜对称矩阵
istril 确定矩阵是否为下三角矩阵
istriu 确定矩阵是否为上三角矩阵
矩阵属性
norm 向量范数和矩阵范数
normest 2-范数估值
vecnorm 向量范数
cond 逆运算的条件数
condest 1-范数条件数估计
rcond 条件数倒数
condeig 与特征值有关的条件数
det 矩阵行列式
null 矩阵的零空间
orth 适用于矩阵范围的标准正交基
rank 矩阵的秩
rref 简化的行阶梯形矩阵（Gauss-Jordan 消元法）
trace 对角线元素之和
subspace 两个子空间之间的角度
3、随机数生成
种子、分布、算法
使用 rand、randn 和 randi 函数创建伪随机数序列。使用 rng 函数控制结果的可重复性。如果需要对随机数的生成进行更加高级的控制，可以使用 RandStream 类。
函数
rand 均匀分布的随机数
randn 正态分布的随机数
randi 均匀分布的伪随机整数
randperm 随机置换
rng 控制随机数生成
类
RandStream 随机数流
4、插值
网格和散点数据插值、数据网格化、分段多项式
插值是在一组已知数据点的范围内添加新数据点的技术。您可以使用插值来填充缺失的数据、对现有数据进行平滑处理以及进行预测等。MATLAB® 中的插值技术可分为适用于网格上的数据点和散点数据点。
函数
全部折叠
一维插值和网格插值
interp1 一维数据插值（表查找）
interp2 meshgrid 格式的二维网格数据的插值
interp3 meshgrid 格式的三维网格数据的插值
interpn ndgrid 格式的一维、二维、三维和 N 维网格数据的插值
griddedInterpolant 网格数据插值
pchip 分段三次 Hermite 插值多项式 (PCHIP)
spline 三次方样条数据插值
ppval 计算分段多项式
mkpp 生成分段多项式
unmkpp 提取分段多项式详细信息
padecoef 时滞的 Padé 逼近
interpft 一维插值（FFT 方法）
网格创建
ndgrid N 维空间中的矩形网格
meshgrid 二维和三维网格
散点插值
griddata 插入二维或三维散点数据
griddatan 插入 N 维散点数据
scatteredInterpolant 插入二维或三维散点数据
5、优化
单变量和多变量函数的最小值、非负最小二乘、非线性函数的根
优化器用于求非线性目标函数的最小值的位置。您可以使用 fminbnd 求有界区间内单变量函数的最小值，或使用 fminsearch 求无界域内多变量函数的最小值。通过最小化函数的负值来最大化该函数。
使用 lsqnonneg 求线性最小二乘问题的非负解。
使用方程求解器 fzero 求非线性标量函数的实根。
通过使用 optimset 设置选项来控制您的优化的输出或其他方面。
函数
全部折叠
优化器
fminbnd 查找单变量函数在定区间上的最小值
fminsearch 使用无导数法计算无约束的多变量函数的最小值
lsqnonneg 解算非负线性最小二乘问题
方程求解器
fzero 非线性函数的根
选项
optimget 优化选项值
optimset 创建或修改优化 options 结构体
6、数值积分和微分方程
数值积分、常微分方程、时滞微分方程、边界值问题、偏微分方程
MATLAB® 中的微分方程求解器涵盖了工程和科学上的一系列用途。同时，也有用于解常微分方程初始值问题或边界值问题的求解器，以及用于时滞微分方程和偏微分方程的求解器。此外，还有一些函数通过求积对函数表达式求积分，或者对离散数据集进行数值积分。
常微分方程
常微分方程的初始值问题求解器
边界值问题
常微分方程的边界值问题求解器
时滞微分方程
时滞微分方程的初始值问题求解器
偏微分方程
一维抛物线型 - 椭圆型偏微分方程、初始边界值问题求解器
数值积分和微分
求积、二重积分和三重积分以及多维导数
7、傅里叶分析和滤波
傅里叶变换、卷积、数字滤波
变换和滤波器是用于处理和分析离散数据的工具，常用在信号处理应用和计算数学中。当数据表示为时间或空间的函数时，傅里叶变换会将数据分解为频率分量。fft 函数使用快速傅里叶变换算法，相对于其他直接实现，这种方式能够减少计算成本。有关傅里叶分析的更多详细介绍，请参阅傅里叶变换。在使用传递函数修改输入数据的幅值或相位时，conv 和 filter 函数也是很有用的工具。
函数
全部折叠
傅里叶变换
fft 快速傅里叶变换
fft2 二维快速傅里叶变换
fftn N 维快速傅里叶变换
fftshift 将零频分量移到频谱中心
fftw 定义用来确定 FFT 算法的方法
ifft 逆向快速傅里叶变换
ifft2 二维逆向快速傅里叶变换
ifftn 多维逆快速傅里叶变换
ifftshift 逆零频平移
nextpow2 2 的更高次幂的指数
interpft 一维插值（FFT 方法）
卷积
conv 卷积和多项式乘法
conv2 二维卷积
convn N 维卷积
deconv 去卷积和多项式除法
数字滤波
filter 1 维数字滤波器
filter2 二维数字滤波器
ss2tf 将状态空间表示形式转换为传递函数
padecoef 时滞的 Padé 逼近
8、稀疏矩阵
初等稀疏矩阵、重新排序算法、迭代法、稀疏线性代数
稀疏矩阵能够有效地存储零元素百分比很高的 double 或 logical 数据。满矩阵（或稠密矩阵）会将每个元素都存储在内存中（不管值如何），而稀疏矩阵仅存储非零元素及其行索引。因此，使用稀疏矩阵可极大地减少存储数据所需的内存量。
可以将所有 MATLAB® 内置算术运算、逻辑运算和索引运算应用于稀疏矩阵，或应用于稀疏矩阵和满矩阵两者。对稀疏矩阵执行的运算返回稀疏矩阵，对满矩阵执行的运算返回满矩阵。有关详细信息，请参阅稀疏矩阵的计算优点和构造稀疏矩阵。
函数
全部折叠
创建
spalloc 为稀疏矩阵分配空间
spdiags 提取并创建稀疏带状和对角矩阵
speye 稀疏单位矩阵
sprand 稀疏均匀分布随机矩阵
sprandn 稀疏正态分布随机矩阵
sprandsym 稀疏对称随机矩阵
sparse 创建稀疏矩阵
spconvert 从稀疏矩阵外部格式导入
操作
issparse 确定输入是否为稀疏矩阵
nnz 非零矩阵元素的数目
nonzeros 非零矩阵元素
nzmax 为非零矩阵元素分配的存储量
spfun 将函数应用于非零稀疏矩阵元素
spones 将非零稀疏矩阵元素替换为一
spparms 为稀疏矩阵例程设置参数
spy 可视化稀疏模式
find 查找非零元素的索引和值
full 将稀疏矩阵转换为满存储
重排序算法
dissect 嵌套剖分置换
amd 近似最小度置换
colamd 列近似最小度排列
colperm 基于非零项计数的稀疏列置换
dmperm Dulmage-Mendelsohn 分解
randperm 随机置换
symamd 对称近似最小度置换
symrcm 稀疏反向 Cuthill-McKee 排序
迭代法和预条件子
pcg 预处理共轭梯度法
minres 最小残差法
symmlq 对称的 LQ 方法
gmres 广义最小残差法（通过重新启动）
bicg 双共轭梯度法
bicgstab 双共轭梯度稳定法
bicgstabl 双共轭梯度稳定法 (l)
cgs 共轭梯度二乘法
qmr 拟最小残差法
tfqmr 无转置拟最小残差法
lsqr LSQR 方法
equilibrate 缩放矩阵以改善条件
ichol 不完全 Cholesky 分解
ilu 不完全 LU 分解
特征值和奇异值
eigs 特征值和特征向量的子集
svds 奇异值和向量的子集
normest 2-范数估值
condest 1-范数条件数估计
结构分析
sprank 结构秩
etree 消去树
symbfact 符号分解分析
spaugment 构造最小二乘增广方程组
dmperm Dulmage-Mendelsohn 分解
etreeplot 绘制消去树
treelayout 设置树或森林的布局
treeplot 绘制树形图
gplot 对表示邻接矩阵的节点和链接绘图
unmesh 将边矩阵转换为坐标和拉普拉斯矩阵
9、图和网络算法
有向图和无向图、网络分析
表示网络连接的图形，该类图形广泛应用于各种物理、生物和信息系统。您可以使用图形表示大脑中的神经元、航空公司的飞行模式及更多领域的相关内容。图形的结构由“节点”和“边”组成。每个节点表示一个实体，每个边表示两个节点之间的连接。有关详细信息，请参阅有向图和无向图。
函数
全部折叠
构造
graph 具有无向边的图
digraph 具备有向边的图
修改节点和边
addnode 将新节点添加到图
rmnode 从图中删除节点
addedge 向图添加新边
rmedge 从图中删除边
flipedge 反转边的方向
numnodes 图中节点的数量
numedges 图中边的数量
findnode 定位图中的节点
findedge 定位图中的边
edgecount 两个节点之间的边数
reordernodes 对图节点重新排序
subgraph 提取子图
搜索和结构
bfsearch 广度优先图搜索
dfsearch 深度优先图搜索
centrality 衡量节点的重要性
maxflow 图中的最大流
conncomp 图的连通分量
biconncomp 双连通图分量
condensation 图凝聚
bctree 块割点树图
minspantree 图的最小生成树
toposort 有向无环图的拓扑顺序
isdag 确定图是否为无环
transclosure 传递闭包
transreduction 传递归约
isisomorphic 确定两个图是否同构
isomorphism 计算两个图之间的同构
ismultigraph 确定图是否具有多条边
simplify 将多重图简化为简单图
最短路径
shortestpath 两个单一节点之间的最短路径
shortestpathtree 从节点的最短路径树
distances 所有节点对组的最短路径距离
矩阵表示
adjacency 图邻接矩阵
incidence 图关联矩阵
laplacian 图拉普拉斯矩阵
节点信息
degree 图节点的度
neighbors 图节点的相邻节点
nearest 半径范围内最近的邻点
indegree 节点的入度
outdegree 节点的出度
predecessors 前趋节点
successors 后继节点
inedges 进入节点的入向边
outedges 节点的出向边
可视化
plot 绘制图节点和边
labeledge 为图边添加标签
labelnode 为图节点添加标签
layout 更改图论图布局
highlight 突出显示绘制的图中的节点和边
对象
GraphPlot 有向图和无向图的图论图
属性
GraphPlot 属性 图论图的外观和行为
10、计算几何学
三角剖分、边界区域、Voronoi 图、多边形
三角剖分表示法
表示和查询三角剖分
Delaunay 三角剖分
Delaunay 三角剖分、三角曲面和网格图
空间搜索
基于三角剖分的最近邻和点位置搜索
边界区域
计算凸包、阿尔法形状或点周围的边界
Voronoi 图
计算和绘制 Voronoi 图
基础多边形
基础多边形函数
