MATLAB R2016b是由MathWorks公司推出的一款强大的数学计算软件。软件是取自matrix&laboratory两个词，寓意为矩阵工厂，主要是面向科学计算、可视化以及交互式程序设计的高科技计算环境。软件将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等多个强大功能集成在一个易操作的环境当中，Matlab2016b基本数据单位是矩阵，并且指令表达式与数学、工程中常用的形式很相像，能够解决很多工程数学计算问题，基于强大的计算能力，为众多科学领域提供了一种全面的解决方案。
本站提供的是matlab R2016b版本，内含破解文件，破解之后用户可以无限制免费使用了，以下有详细的安装破解步骤。
2、解压完成，双击setup.exe开始安装，选择“使用文件安装密钥”
3、选择接受条款
4、填入安装密钥：09806-07443-53955-64350-21751-41297
5、选择安装目录，建议选择d盘或者e盘
6、选择安装产品，小编建议全部选中。
7、确认安装的相关信息，然后点击“下一步”。
8、等待安装..这个过程大概需要1-2小时，请知悉
9、安装完成，现在是就是破解过程了，双击bin文件夹下的.exe程序，弹出如下页面，选择“在不使用intenet的情况下手动激活”
10、载入许可证文件
11、然后将破解文件夹拷贝到安装目录，具体方法如下所示，
12、点击移动和替换
13激活完成，可以畅快使用matlab R2016b了.
获取数据：增加时间表数据容器、字符串数组，以及其它用于数据预处理的新功能。
机器学习：更快地训练模型，使用大数据，并从模型生成 C/C++ 代码。
Simulink：Just-in-time可使得在加速器模式下运行仿真时实现性能提升。
具体产品更新：
引入tall数组用于操作超过内存限制的过大数据
引入时间表数据容器用于索引和同步带时间戳的表格数据
增加能够在脚本中定义本地函数的功能以提高，改进代码的重用性和可读性
通过在 MathWorks 云端的 iPhone 和 Android 传感器记录数据
Database Toolbox
提供用于检索 Neo4j 数据的图形化数据库界面
Parallel Computing Toolbox
Statistics and Machine Learning Toolbox
提供不受内存限制的大数据分析算法，包括降维、描述性统计、k-均值聚类、线性递归、逻辑递归和判别分析
提供可以自动调整机器学习算法参数的 Bayesian 优化算法以及可以选择机器学习模型特征的近邻成分分析 (NCA)
Image Processing Toolbox
支持使用三维超像素的立体图像数据进行简单线性迭代聚类 (SLIC) 和三维中值滤波
Computer Vision System Toolbox
使用深度学习的区域卷积神经网络 (R-CNN) 进行对象检测
Risk Management Toolbox
一个新的工具箱用于开发风险模型和执行风险模拟
ThingSpeak
能够从联网的传感器采集数据，并使用由 Statistics and Machine Learning Toolbox、Signal Processing Toolbox、Curve Fitting Toolbox 和 Mapping Toolbox 提供的函数在云端进行 MATLAB 分析
Simulink家族产品系列包括：
Simulink
能够初始化、重置并终止子系统，进行动态启动和关闭行为建模
状态读取器和写入器模块可以从模型中的任何位置完全控制重置状态行为
对 Raspberry Pi 3 和 Google Nexus 的硬件支持
Simulink和Stateflow
简化参数和数据编辑的属性检查器、模型数据编辑器和符号管理器
Simscape
新增了一个模块库，用于模拟理想气体、半理想气体以及实际气体系统
信号处理和通信更新包括：
Signal Processing Toolbox
可用于执行多时序的时域和频域分析的信号分析仪应用程序
Phased Array System Toolbox
针对空气传播和多路径传播对窄频和宽频信号的影响提供建模支持
WLAN System Toolbox
IEEE 802.11ah 支持和多用户 MIMO 接收机功能
Audio System Toolbox
代码生成更新包括：
Embedded Coder
交叉发布代码集成功能使得可以重用由较早版本生成的代码
能够生成可用于任何软件环境的可插入式代码，包括动态启动和关闭行为
支持仿真 AUTOSAR 基础软件，包括 Diagnostic Event Manager (DEM) 和 NVRAM Manager (NvM)
HDL Coder
根据设定的目标时钟频率, 以寄存器插入方式自适应流水化,以及可用于显示和分析转换和状态的逻辑分析仪（搭配使用 DSP System Toolbox）
验证和确认更新包括：
Simulink Verification and Validation
Edit-time checking功能，可帮助在设计时发现并修复标准合规性问题
Simulink Test
用于进行测试评估的自定义标准的定义功能
HDL Verifier
Polyspace Bug Finder
支持 CERT C 编码规范，以用于网络安全漏洞检测
A=zero(1,n);
或者
A=zero(n,1);
进行预置通常很重要（如果n不大倒可以不做）。
2、提高程序效率的另一个要点是向量化（Vectorization）代替显式循环。向量化表达式主要使用点运算操作符。例如，就楼主的问题而言，可以很简单的写成
A=x.^(1:n);
1、!dir 可以查看当前工作目录的文件。 !dir& 可以在dos状态下查看。
2、who 可以查看当前工作空间变量名， whos 可以查看变量名细节。
3、功能键：
功能键 快捷键 说明
方向上键 Ctrl+P 返回前一行输入
方向下键 Ctrl+N 返回下一行输入
方向左键 Ctrl+B 光标向后移一个字符
方向右键 Ctrl+F 光标向前移一个字符
Ctrl+方向右键 Ctrl+R 光标向右移一个字符
Ctrl+方向左键 Ctrl+L 光标向左移一个字符
home Ctrl+A 光标移到行首
End Ctrl+E 光标移到行尾
Esc Ctrl+U 清除一行
Del Ctrl+D 清除光标所在的字符
Backspace Ctrl+H 删除光标前一个字符
Ctrl+K 删除到行尾
Ctrl+C 中断正在执行的命令
4、clc可以命令窗口显示的内容，但并不清除工作空间。
二、函数及运算
1、运算符：
＋：加， －：减， *：乘， /： 除， ：左除 ^： 幂，‘：复数的共轭转置， （）：制定运算顺序。
2、常用函数表：
sin( ) 正弦（变量为弧度）
Cot( ) 余切（变量为弧度）
sind( ) 正弦（变量为度数）
Cotd( ) 余切（变量为度数）
asin( ) 反正弦（返回弧度）
acot( ) 反余切（返回弧度）
Asind( ) 反正弦（返回度数）
acotd( ) 反余切（返回度数）
cos( ) 余弦（变量为弧度）
exp( ) 指数
cosd( ) 余弦（变量为度数）
log( ) 对数
acos( ) 余正弦（返回弧度）
log10( ) 以10为底对数
acosd( ) 余正弦（返回度数）
sqrt( ) 开方
tan( ) 正切（变量为弧度）
realsqrt( ) 返回非负根
tand( ) 正切（变量为度数）
abs( ) 取绝对值
atan( ) 反正切（返回弧度）
angle( ) 返回复数的相位角
atand( ) 反正切（返回度数）
mod(x,y) 返回x/y的余数
sum( ) 向量元素求和
3、其余函数可以用help elfun和help specfun命令获得。
4、常用常数的值：
pi 3.1415926…….
realmin 最小浮点数，2^-1022
i 虚数单位
realmax 最大浮点数，（2－eps）2^1022
j 虚数单位
Inf 无限值
eps 浮点相对经度＝2^-52
NaN 空值
三、数组和矩阵：
1、构造数组的方法：增量发和linspace(first,last,num)first和last为起始和终止数，num为需要的数组元素个数。
2、构造矩阵的方法：可以直接用[ ]来输入数组，也可以用以下提供的函数来生成矩阵。
ones( ) 创建一个所有元素都为1的矩阵，其中可以制定维数，1，2….个变量
zeros() 创建一个所有元素都为0的矩阵
eye() 创建对角元素为1，其他元素为0的矩阵
diag() 根据向量创建对角矩阵，即以向量的元素为对角元素
magic() 创建魔方矩阵
rand() 创建随机矩阵，服从均匀分布
randn() 创建随机矩阵，服从正态分布
randperm() 创建随机行向量
horcat C=[A,B]，水平聚合矩阵，还可以用cat(1,A,B)
vercat C=[A;B]，垂直聚合矩阵, 还可以用cat(2,A,B)
repmat(M,v,h) 将矩阵M在垂直方向上聚合v次，在水平方向上聚合h次
blkdiag（A，B） 以A，和B为块创建块对角矩阵
length 返回矩阵最长维的的长度
ndims 返回维数
numel 返回矩阵元素个数
size 返回每一维的长度，[rows,cols]=size(A)
reshape 重塑矩阵，reshape(A,2,6),将A变为2×6的矩阵，按列排列。
rot90 旋转矩阵90度，逆时针方向
fliplr 沿垂轴翻转矩阵
flipud 沿水平轴翻转矩阵
transpose 沿主对角线翻转矩阵
ctranspose 转置矩阵，也可用A’或A.’，这仅当矩阵为复数矩阵时才有区别
inv 矩阵的逆
det 矩阵的行列式值
trace 矩阵对角元素的和
norm 矩阵或矢量的范数，norm（a，1），norm（a，Inf）…….
normest 估计矩阵的最大范数矢量
chol 矩阵的cholesky分解
cholinc 不完全cholesky分解
lu LU分解
luinc 不完全LU分解
qr 正交分解
kron（A，B） A为m×n，B为p×q，则生成mp×nq的矩阵，A的每一个元素都会乘上B，并占据p×q大小的空间
rank 求出矩阵的刺
pinv 求伪逆矩阵
A^p 对A进行操作
A.^P 对A中的每一个元素进行操作
四、数值计算
1、线性方程组求解
（1）AX=B的解可以用X＝AB求。XA=B的解可以用X= A/B求。如果A是m×n的矩阵，当m＝n时可以找到唯一解，mn，超定系统，至少找到一组解。如果A是奇异的，且AX=B有解，可以用X＝pinv（A）×B返回最小二乘解
（2）AX=b, A＝L×U，[L,U]=lu(A), X=U(Lb),即用LU分解求解。
（3）QR（正交）分解是将一矩阵表示为一正交矩阵和一上三角矩阵之积，A＝Q×R[Q,R]=chol(A), X=Q(Ub)
（4）cholesky分解类似。
2、特征值
D＝eig（A）返回A的所有特征值组成的矩阵。[V,D]=eig(A),还返回特征向量矩阵。
3、A＝U×S×UT，[U,S]=schur(A).其中S的对角线元素为A的特征值。
4、多项式里面的多项式是以向量来表示的，其具体操作函数如下：
conv 多项式的乘法
deconv 多项式的除法，【a，b】＝deconv（s），返回商和余数
poly 求多项式的系数（由已知根求多项式的系数）
polyeig 求多项式的特征值
Polyfit（x，y，n） 多项式的曲线拟合，x，y为被拟合的向量，n为拟合多项式阶数。
polyder 求多项式的一阶导数，polyder（a，b）返回ab的导数
[a,b]＝polyder（a，b）返回a/b的导数。
polyint 多项式的积分
polyval 求多项式的值
polyvalm 以矩阵为变量求多项式的值
residue 部分分式展开式
roots 求多项式的根（返回所有根组成的向量）
注：用ploy（A）求出矩阵的特征多项式，然后再求其根，即为矩阵的特征值。
5、插值常用的插值函数如下：
griddata 数据网格化合曲面拟合
Griddata3 三维数据网格化合超曲面拟合
interp1 一维插值（yi=interp1(x,y,xi,’method’)Method=nearest/linear/spline/pchip/cubic
Interp2 二维插值zi=interp1(x,y,z,xi,yi’method’),bilinear
Interp3 三维插值
interpft 用快速傅立叶变换进行一维插值，help fft。
mkpp 使用分段多项式
spline 三次样条插值
pchip 分段hermit插值
6、函数最值的求解
fminbnd（‘f’，x1，x2，optiset（,））求f在 x1和x2之间的最小值。Optiset选项可以有‘Display’+‘iter’/’off’/’final’,分别表示显示计算过程/不显示/只显示最后结果。fminsearch求多元函数的最小值。fzero（‘f’，x1）求一元函数的零点。X1为起始点。同样可以用上面的选项。
五、图像绘制：
1、基本绘图函数
plot 绘制二维线性图形和两个坐标轴
plot3 绘制三维线性图形和两个坐标轴
fplot 在制定区间绘制某函数的图像。fplot（‘f’，区域，线型，颜色）
loglog 绘制对数图形及两个坐标轴（两个坐标都为对数坐标）semilogx 绘制半对数坐标图形
semilogy 绘制半对数坐标图形
2、线型： 颜色 线型
y 黄色 . 圆点线 v 向下箭头
g 绿色 -. 组合 > 向右箭头
b 蓝色 + 点为加号形 < 向左箭头
m 红紫色 o 空心圆形 p 五角星形
c 蓝紫色 * 星号 h 六角星形
w 白色 . 实心小点 hold on 添加图形
r 红色 x 叉号形状 grid on 添加网格
k 黑色 s 方形 - 实线
d 菱形 -- 虚线 ^ 向上箭头
3、可以用subplot（3，3，1）表示将绘图区域分为三行三列，目前使用第一区域。此时如要画不同的图形在一个窗口里，需要hold on。
本站提供的是matlab R2016b版本，内含破解文件，破解之后用户可以无限制免费使用了，以下有详细的安装破解步骤。
破解步骤
1、下载本站提供的数据包，得到四个压缩包，其中2个是主程序，2个是破解文件，选择2个主程序，进行2345好压进行解压（注意要同时选中2个映像文件，否则会解压错误）2、解压完成，双击setup.exe开始安装，选择“使用文件安装密钥”
3、选择接受条款
4、填入安装密钥：09806-07443-53955-64350-21751-41297
5、选择安装目录，建议选择d盘或者e盘
6、选择安装产品，小编建议全部选中。
7、确认安装的相关信息，然后点击“下一步”。
8、等待安装..这个过程大概需要1-2小时，请知悉
9、安装完成，现在是就是破解过程了，双击bin文件夹下的.exe程序，弹出如下页面，选择“在不使用intenet的情况下手动激活”
10、载入许可证文件
11、然后将破解文件夹拷贝到安装目录，具体方法如下所示，
12、点击移动和替换
13激活完成，可以畅快使用matlab R2016b了.
更新内容:
版本亮点包括：获取数据：增加时间表数据容器、字符串数组，以及其它用于数据预处理的新功能。
机器学习：更快地训练模型，使用大数据，并从模型生成 C/C++ 代码。
Simulink：Just-in-time可使得在加速器模式下运行仿真时实现性能提升。
具体产品更新：
引入tall数组用于操作超过内存限制的过大数据
引入时间表数据容器用于索引和同步带时间戳的表格数据
增加能够在脚本中定义本地函数的功能以提高，改进代码的重用性和可读性
通过在 MathWorks 云端的 iPhone 和 Android 传感器记录数据
Database Toolbox
提供用于检索 Neo4j 数据的图形化数据库界面
Parallel Computing Toolbox
Statistics and Machine Learning Toolbox
提供不受内存限制的大数据分析算法，包括降维、描述性统计、k-均值聚类、线性递归、逻辑递归和判别分析
提供可以自动调整机器学习算法参数的 Bayesian 优化算法以及可以选择机器学习模型特征的近邻成分分析 (NCA)
Image Processing Toolbox
支持使用三维超像素的立体图像数据进行简单线性迭代聚类 (SLIC) 和三维中值滤波
Computer Vision System Toolbox
使用深度学习的区域卷积神经网络 (R-CNN) 进行对象检测
Risk Management Toolbox
一个新的工具箱用于开发风险模型和执行风险模拟
ThingSpeak
能够从联网的传感器采集数据，并使用由 Statistics and Machine Learning Toolbox、Signal Processing Toolbox、Curve Fitting Toolbox 和 Mapping Toolbox 提供的函数在云端进行 MATLAB 分析
Simulink家族产品系列包括：
Simulink
能够初始化、重置并终止子系统，进行动态启动和关闭行为建模
状态读取器和写入器模块可以从模型中的任何位置完全控制重置状态行为
对 Raspberry Pi 3 和 Google Nexus 的硬件支持
Simulink和Stateflow
简化参数和数据编辑的属性检查器、模型数据编辑器和符号管理器
Simscape
新增了一个模块库，用于模拟理想气体、半理想气体以及实际气体系统
信号处理和通信更新包括：
Signal Processing Toolbox
可用于执行多时序的时域和频域分析的信号分析仪应用程序
Phased Array System Toolbox
针对空气传播和多路径传播对窄频和宽频信号的影响提供建模支持
WLAN System Toolbox
IEEE 802.11ah 支持和多用户 MIMO 接收机功能
Audio System Toolbox
代码生成更新包括：
Embedded Coder
交叉发布代码集成功能使得可以重用由较早版本生成的代码
能够生成可用于任何软件环境的可插入式代码，包括动态启动和关闭行为
支持仿真 AUTOSAR 基础软件，包括 Diagnostic Event Manager (DEM) 和 NVRAM Manager (NvM)
HDL Coder
根据设定的目标时钟频率, 以寄存器插入方式自适应流水化,以及可用于显示和分析转换和状态的逻辑分析仪（搭配使用 DSP System Toolbox）
验证和确认更新包括：
Simulink Verification and Validation
Edit-time checking功能，可帮助在设计时发现并修复标准合规性问题
Simulink Test
用于进行测试评估的自定义标准的定义功能
HDL Verifier
Polyspace Bug Finder
支持 CERT C 编码规范，以用于网络安全漏洞检测
如何定义向量
1、预置（preallocation）是编写程序比较重要的一个因素，在数组比较大的时候，是否进行预置程序运行时间相差几十倍甚至几百几千倍都很常见。所以使用A=zero(1,n);
或者
A=zero(n,1);
进行预置通常很重要（如果n不大倒可以不做）。
2、提高程序效率的另一个要点是向量化（Vectorization）代替显式循环。向量化表达式主要使用点运算操作符。例如，就楼主的问题而言，可以很简单的写成
A=x.^(1:n);
有哪些命令?
一、常用对象操作：除了一般windows窗口的常用功能键外。1、!dir 可以查看当前工作目录的文件。 !dir& 可以在dos状态下查看。
2、who 可以查看当前工作空间变量名， whos 可以查看变量名细节。
3、功能键：
功能键 快捷键 说明
方向上键 Ctrl+P 返回前一行输入
方向下键 Ctrl+N 返回下一行输入
方向左键 Ctrl+B 光标向后移一个字符
方向右键 Ctrl+F 光标向前移一个字符
Ctrl+方向右键 Ctrl+R 光标向右移一个字符
Ctrl+方向左键 Ctrl+L 光标向左移一个字符
home Ctrl+A 光标移到行首
End Ctrl+E 光标移到行尾
Esc Ctrl+U 清除一行
Del Ctrl+D 清除光标所在的字符
Backspace Ctrl+H 删除光标前一个字符
Ctrl+K 删除到行尾
Ctrl+C 中断正在执行的命令
4、clc可以命令窗口显示的内容，但并不清除工作空间。
二、函数及运算
1、运算符：
＋：加， －：减， *：乘， /： 除， ：左除 ^： 幂，‘：复数的共轭转置， （）：制定运算顺序。
2、常用函数表：
sin( ) 正弦（变量为弧度）
Cot( ) 余切（变量为弧度）
sind( ) 正弦（变量为度数）
Cotd( ) 余切（变量为度数）
asin( ) 反正弦（返回弧度）
acot( ) 反余切（返回弧度）
Asind( ) 反正弦（返回度数）
acotd( ) 反余切（返回度数）
cos( ) 余弦（变量为弧度）
exp( ) 指数
cosd( ) 余弦（变量为度数）
log( ) 对数
acos( ) 余正弦（返回弧度）
log10( ) 以10为底对数
acosd( ) 余正弦（返回度数）
sqrt( ) 开方
tan( ) 正切（变量为弧度）
realsqrt( ) 返回非负根
tand( ) 正切（变量为度数）
abs( ) 取绝对值
atan( ) 反正切（返回弧度）
angle( ) 返回复数的相位角
atand( ) 反正切（返回度数）
mod(x,y) 返回x/y的余数
sum( ) 向量元素求和
3、其余函数可以用help elfun和help specfun命令获得。
4、常用常数的值：
pi 3.1415926…….
realmin 最小浮点数，2^-1022
i 虚数单位
realmax 最大浮点数，（2－eps）2^1022
j 虚数单位
Inf 无限值
eps 浮点相对经度＝2^-52
NaN 空值
三、数组和矩阵：
1、构造数组的方法：增量发和linspace(first,last,num)first和last为起始和终止数，num为需要的数组元素个数。
2、构造矩阵的方法：可以直接用[ ]来输入数组，也可以用以下提供的函数来生成矩阵。
ones( ) 创建一个所有元素都为1的矩阵，其中可以制定维数，1，2….个变量
zeros() 创建一个所有元素都为0的矩阵
eye() 创建对角元素为1，其他元素为0的矩阵
diag() 根据向量创建对角矩阵，即以向量的元素为对角元素
magic() 创建魔方矩阵
rand() 创建随机矩阵，服从均匀分布
randn() 创建随机矩阵，服从正态分布
randperm() 创建随机行向量
horcat C=[A,B]，水平聚合矩阵，还可以用cat(1,A,B)
vercat C=[A;B]，垂直聚合矩阵, 还可以用cat(2,A,B)
repmat(M,v,h) 将矩阵M在垂直方向上聚合v次，在水平方向上聚合h次
blkdiag（A，B） 以A，和B为块创建块对角矩阵
length 返回矩阵最长维的的长度
ndims 返回维数
numel 返回矩阵元素个数
size 返回每一维的长度，[rows,cols]=size(A)
reshape 重塑矩阵，reshape(A,2,6),将A变为2×6的矩阵，按列排列。
rot90 旋转矩阵90度，逆时针方向
fliplr 沿垂轴翻转矩阵
flipud 沿水平轴翻转矩阵
transpose 沿主对角线翻转矩阵
ctranspose 转置矩阵，也可用A’或A.’，这仅当矩阵为复数矩阵时才有区别
inv 矩阵的逆
det 矩阵的行列式值
trace 矩阵对角元素的和
norm 矩阵或矢量的范数，norm（a，1），norm（a，Inf）…….
normest 估计矩阵的最大范数矢量
chol 矩阵的cholesky分解
cholinc 不完全cholesky分解
lu LU分解
luinc 不完全LU分解
qr 正交分解
kron（A，B） A为m×n，B为p×q，则生成mp×nq的矩阵，A的每一个元素都会乘上B，并占据p×q大小的空间
rank 求出矩阵的刺
pinv 求伪逆矩阵
A^p 对A进行操作
A.^P 对A中的每一个元素进行操作
四、数值计算
1、线性方程组求解
（1）AX=B的解可以用X＝AB求。XA=B的解可以用X= A/B求。如果A是m×n的矩阵，当m＝n时可以找到唯一解，m
（2）AX=b, A＝L×U，[L,U]=lu(A), X=U(Lb),即用LU分解求解。
（3）QR（正交）分解是将一矩阵表示为一正交矩阵和一上三角矩阵之积，A＝Q×R[Q,R]=chol(A), X=Q(Ub)
（4）cholesky分解类似。
2、特征值
D＝eig（A）返回A的所有特征值组成的矩阵。[V,D]=eig(A),还返回特征向量矩阵。
3、A＝U×S×UT，[U,S]=schur(A).其中S的对角线元素为A的特征值。
4、多项式里面的多项式是以向量来表示的，其具体操作函数如下：
conv 多项式的乘法
deconv 多项式的除法，【a，b】＝deconv（s），返回商和余数
poly 求多项式的系数（由已知根求多项式的系数）
polyeig 求多项式的特征值
Polyfit（x，y，n） 多项式的曲线拟合，x，y为被拟合的向量，n为拟合多项式阶数。
polyder 求多项式的一阶导数，polyder（a，b）返回ab的导数
[a,b]＝polyder（a，b）返回a/b的导数。
polyint 多项式的积分
polyval 求多项式的值
polyvalm 以矩阵为变量求多项式的值
residue 部分分式展开式
roots 求多项式的根（返回所有根组成的向量）
注：用ploy（A）求出矩阵的特征多项式，然后再求其根，即为矩阵的特征值。
5、插值常用的插值函数如下：
griddata 数据网格化合曲面拟合
Griddata3 三维数据网格化合超曲面拟合
interp1 一维插值（yi=interp1(x,y,xi,’method’)Method=nearest/linear/spline/pchip/cubic
Interp2 二维插值zi=interp1(x,y,z,xi,yi’method’),bilinear
Interp3 三维插值
interpft 用快速傅立叶变换进行一维插值，help fft。
mkpp 使用分段多项式
spline 三次样条插值
pchip 分段hermit插值
6、函数最值的求解
fminbnd（‘f’，x1，x2，optiset（,））求f在 x1和x2之间的最小值。Optiset选项可以有‘Display’+‘iter’/’off’/’final’,分别表示显示计算过程/不显示/只显示最后结果。fminsearch求多元函数的最小值。fzero（‘f’，x1）求一元函数的零点。X1为起始点。同样可以用上面的选项。
五、图像绘制：
1、基本绘图函数
plot 绘制二维线性图形和两个坐标轴
plot3 绘制三维线性图形和两个坐标轴
fplot 在制定区间绘制某函数的图像。fplot（‘f’，区域，线型，颜色）
loglog 绘制对数图形及两个坐标轴（两个坐标都为对数坐标）semilogx 绘制半对数坐标图形
semilogy 绘制半对数坐标图形
2、线型： 颜色 线型
y 黄色 . 圆点线 v 向下箭头
g 绿色 -. 组合 > 向右箭头
b 蓝色 + 点为加号形 < 向左箭头
m 红紫色 o 空心圆形 p 五角星形
c 蓝紫色 * 星号 h 六角星形
w 白色 . 实心小点 hold on 添加图形
r 红色 x 叉号形状 grid on 添加网格
k 黑色 s 方形 - 实线
d 菱形 -- 虚线 ^ 向上箭头
3、可以用subplot（3，3，1）表示将绘图区域分为三行三列，目前使用第一区域。此时如要画不同的图形在一个窗口里，需要hold on。
展开全部内容
点击星星用来评分