matlab自学教程

99ANYc3cd6 自学报考 2026-02-25 1

MATLAB 自学路线图

我们将学习过程分为五个阶段,你可以根据自己的时间和目标来调整进度。

阶段	目标		预计时间
第一阶段：入门与基础	熟悉MATLAB环境，掌握基本语法和操作	环境介绍、变量、矩阵、基本运算、脚本与函数	1-2周
第二阶段：编程与数据可视化	掌握MATLAB编程核心，学会处理数据和绘图	流程控制、函数文件、数据导入导出、2D/3D绘图	2-3周
第三阶段：进阶与科学计算	深入学习MATLAB强大的科学计算和仿真功能	数值计算、符号计算、数据拟合、微分方程求解	3-4周
第四阶段：专业方向与应用	针对自己的专业领域进行深入学习	信号处理、图像处理、控制系统、机器学习等	4周以上
第五阶段：项目实战与技巧	通过综合项目巩固知识，学习高级技巧	项目实战、代码优化、App Designer、与其他工具交互	持续进行

第一阶段：入门与基础

这个阶段的目标是让你能够像使用一个“超级计算器”一样使用MATLAB。

熟悉MATLAB桌面环境

命令行窗口：你在这里输入命令，MATLAB会立即执行并返回结果,这是最直接的交互方式。
编辑器：用于编写和调试脚本（.m文件）和函数（.m文件），语法高亮、代码折叠、调试功能非常强大。
工作区：显示当前所有变量及其信息（大小、类型等），你可以在这里查看、修改变量。
当前文件夹：显示MATLAB正在操作的文件夹路径,所有脚本和数据文件都应放在这里或其子目录中。

核心概念：一切皆矩阵

MATLAB的核心是矩阵，即使是单个数字（标量）也被看作是1x1的矩阵。

创建变量：

a = 5; % 创建一个标量
b = [1, 2, 3; 4, 5, 6]; % 创建一个 2x3 的矩阵
c = 1:2:9; % 创建一个行向量 [1, 3, 5, 7, 9]
d = linspace(0, 10, 5); % 创建一个包含5个元素的行向量，从0到10均匀分布

访问矩阵元素：

A = magic(4); % 创建一个4x4的魔方矩阵
A(2, 3) % 访问第2行，第3列的元素
A(2, :) % 访问第2行的所有元素
A(:, 3) % 访问第3列的所有元素
A([1, 3], [2, 4]) % 访问第1和3行，第2和4列的元素

基本运算

算术运算：, , (矩阵乘法), (元素乘法), , .^ (元素幂运算)

A = [1, 2; 3, 4];
B = [5, 6; 7, 8];
C = A * B; % 矩阵乘法
D = A .* B; % 元素乘法 [1*5, 2*6; 3*7, 4*8]

内置函数：sum(), mean(), max(), min(), size(), length(), reshape()

vec = [1, 5, 3, 9, 2];
sum(vec)
max(vec)
[rows, cols] = size(A); % 获取矩阵的行数和列数

脚本与函数

脚本：一个.m文件，包含一系列MATLAB命令,运行脚本就是按顺序执行这些命令。
- 如何创建：在编辑器中新建文件，保存为 my_script.m。
- 如何运行：在编辑器中点击“运行”按钮，或在命令行窗口输入 my_script。
函数：一个特殊的.m文件，可以接收输入参数，返回输出结果,这是代码复用的关键。
- 如何创建：在编辑器中新建文件，保存为 my_function.m。
- 函数结构：
```
function [outputArg1, outputArg2] = my_function(inputArg1, inputArg2)
  % 函数注释，解释函数功能
  % 这是函数体
  outputArg1 = inputArg1 * 2;
  outputArg2 = inputArg2 + 10;
end
```

第二阶段：编程与数据可视化

这个阶段让你从“计算器”升级为“程序员”,并学会用数据讲故事。

流程控制

条件判断：

if x > 0
    disp('x是正数');
elseif x < 0
    disp('x是负数');
else
    disp('x是零');
end

循环：

% for循环
for i = 1:5
    disp(i);
end
% while循环
count = 0;
while count < 5
    count = count + 1;
    disp(count);
end

数据处理

导入数据：使用 readtable, readmatrix, importdata 等函数从CSV、Excel等文件中读取数据。

T = readtable('my_data.csv'); % 读取CSV文件为表格
M = readmatrix('my_data.xlsx'); % 读取Excel文件为矩阵

导出数据：使用 writetable, writematrix, save 等函数。

writetable(T, 'output_data.csv');
save('my_variables.mat', 'a', 'b'); % 将变量a和b保存为.mat文件

数据可视化

MATLAB的绘图功能非常强大。

基本绘图函数：
- plot(x, y): 绘制二维线图。
- scatter(x, y): 绘制二维散点图。
- bar(data): 绘制条形图。
- histogram(data): 绘制直方图。

图形定制：

x = 0:0.1:2*pi;
y = sin(x);
plot(x, y, 'r--o', 'LineWidth', 2); % 红色，虚线，带圆点，线宽为2'正弦波'); % 添加标题
xlabel('x轴'); % 添加x轴标签
ylabel('y轴'); % 添加y轴标签
legend('sin(x)'); % 添加图例
grid on; % 显示网格

3D绘图：
- plot3(X, Y, Z): 绘制三维线图。
- surf(X, Y, Z): 绘制三维曲面图。
- mesh(X, Y, Z): 绘制三维网格图。

第三阶段：进阶与科学计算

这个阶段带你领略MATLAB作为“科学实验室”的强大能力。

数值计算

线性代数：inv(), det(), eig(), lu(), qr() 等。

A = [1, 2; 3, 4];
inv_A = inv(A); % 求逆
eigenvalues = eig(A); % 求特征值

多项式：poly(), roots(), polyval()。

p = [1, -6, 11, -6]; % 表示多项式 x^3 - 6x^2 + 11x - 6
r = roots(p); % 求多项式根

数据拟合：polyfit(), fit() (Curve Fitting Toolbox)。

x = [1, 2, 3, 4, 5];
y = [2.1, 3.9, 6.2, 7.8, 10.1];
p = polyfit(x, y, 1); % 进行1次（线性）多项式拟合
y_fit = polyval(p, x); % 计算拟合值
plot(x, y, 'o', x, y_fit, '-'); % 绘制原始数据和拟合曲线

符号计算

需要安装 Symbolic Math Toolbox。

创建符号变量：
```
syms x y;
f = x^2 + 2*x + 1;
```

符号运算：

diff(f, x); % 对f求关于x的导数
int(f, x); % 对f求关于x的不定积分
solve(f == 0, x); % 求解方程 f=0
simplify((x^2 - 1)/(x - 1)); % 化简表达式

微分方程求解

常微分方程：ode45 是最常用的求解器。

% 定义微分方程 dy/dt = -2y
myODE = @(t, y) -2*y;
% 定义求解时间区间和初始条件
tspan = [0, 5];
y0 = 1;
% 使用ode45求解
[t, y] = ode45(myODE, tspan, y0);
% 绘制结果
plot(t, y);'一阶微分方程 dy/dt = -2y 的解');

第四阶段：专业方向与应用

当你掌握了基础后,就可以根据你的专业或兴趣深入学习了。

信号处理：学习使用Signal Processing Toolbox，进行滤波、傅里叶变换、谱分析等。
图像处理：学习使用Image Processing Toolbox，进行图像读取、增强、分割、特征提取等。
控制系统：学习使用Control System Toolbox，进行系统建模、分析（时域、频域）、控制器设计（PID）等,这是MATLAB的经典应用领域。
机器学习/深度学习：学习Statistics and Machine Learning Toolbox和Deep Learning Toolbox，用于分类、回归、聚类、神经网络等。
Simulink：MATLAB的图形化仿真环境，非常适合用于动态系统（如电路、机械、控制系统）的建模和仿真。

学习方法：针对你感兴趣的方向，找到相关的官方示例，尝试理解并修改代码,然后找一个小项目来做。

第五阶段：项目实战与技巧

理论学得再多,不如亲手做一个项目。

项目实战

初级项目：
- 数据分析：找一份公开数据集（如房价、股票数据），进行数据清洗、统计分析、可视化,并建立预测模型。
- 数值计算：用MATLAB求解一个物理问题，如抛物运动、简谐振动。
中级项目：
- 图像处理：实现一个简单的图像识别功能,如识别图片中的数字或物体。
- 控制系统：为某个简单的系统（如倒立摆）设计一个PID控制器并进行仿真。
高级项目：
- 综合应用：结合信号处理和机器学习,实现一个语音识别或心率监测系统。

高级技巧

代码优化：
- 向量化：尽量使用矩阵运算代替循环,MATLAB对矩阵运算的优化远超循环。
- 预分配内存：在循环前创建好变量,避免在循环中动态改变大小。
App Designer：学习使用MATLAB的App Designer，可以快速创建图形用户界面，让你的程序更专业、更易用。
与其他软件交互：学习使用MATLAB Engine调用Python或Java代码，或者通过Excel COM Server与Excel交互。