007_how_to_start_learning_Matlab学习的启动与加速-编程知识

Matlab学习的启动与加速

1. 前言

这个专题的Matlab博文系列，来到了传奇的007，我又准备放下技术工作的写作，来一点务虚和规划的内容。

这个系列的开始，也是一个随机发生的小概率事件，本来Python（PyQt）、JavaFX（Kotlin）和F#三个系列的写到F#的时候已经有点觉得失去了激情，可能还需要一个契机才有可能回到F#的写作，因为那个用F#做的项目已经大概告一段落，本来向着好好写写Domain Driven F#什么的。

接着因为硕士组里有个孩子缺篇EI，其实那孩子的中文期刊文章写得挺好，工作进展也不错，但是学校又那种奇怪的要求，于是就赶工弄一个EI会议的文章。既然是赶工，那就用Matlab吧。

Matlab是一个很很好的工具，M语言不是很好的语言。当年我硕士的时候，还用Matlab编过软件（包含GUI），反正体验不太美妙。

脚本语言的通病，写着写着就不知道变量和参数是什么，注释一堆加上改来改去，有时候注释没更新还不如没注释。当然既然是Matlab，那个规模就不会太大，好好调试怎么也能凑活着出图交账。

我自己没有正经学过Matlab，断断续续用过不少，也帮别人打过好多下手，就是给人家的Simulink模型调试数据、修改别人的Matlab脚本，或这自己要简单出个图（chart）之类的。

这次编一个小模型，弄点Monte Carlo模拟，突然激情上来，有点想把多年Matlab使用的经历和认识到的一些问题和技巧写下来，也算是给自己一个总结，也许对别人也有点帮助。

2. Matlab的学习

Matlab的学习，从计算器开始。

Matlab和所谓的M脚本语言，本质上就不是什么通用编程语言，最初的设计应该是作为一个需要开展数值计算的工程设计人员、科学家用的工具，用时髦的话来说，就是一个Domain Specific Language（DSL）领域特定语言。

但是随着Matlab的功能越来越强大，用户群体也越来越广泛，Matlab也在不断地向通用编程语言靠拢，比如加入了面向对象编程（OOP）的特性，比如加入了对.NET、Python等语言的支持。

在这些发展和进步的过程中，非常庆幸MathWorks公司一直没有忘记初心，这就是一个Matrix Laboratory，一个矩阵计算的实验室，一个大型计算器。

所以，对Matlab的学习，应该首先把它当一个卡西欧函数计算器来看待。有任何数字的问题，打开Matlab，在>>提示符下输入，回车，得到结果。

这就是学习Matlab和别的编程语言不完全一样的地方，不需要什么基础，不需要什么环境配置，不需要学会编程和调试，找一台有Matlab的电脑，双击点开，找到>>，就可以开始学习。

因为错误的代价非常的低，学习的起点也非常低。这就是Matlab的学习的第一步。

我家孩子还在二年级，已经学会在Windows、Linux的电脑上打开Matlab，输入1+1，回车，得到结果2。当然我们也可以输入sin(2 * pi / 3)，回车，得到结果0.8660。

>> sin(2 * pi / 3)ans =0.8660

就这样挺好的。如果出错，Matlab就只会用红色的字体显示错误信息，不会弹出对话框，不会让你重新编译，不会让你重新启动，不会让你重新配置，不会让你重新安装。

>> sin(2 * pi / 3
sin(2 * pi / 3↑
无效表达式。调用函数或对变量进行索引时，请使用圆括号。否则，请检查不匹配的分隔符。是不是想输入:
>> sin(2 * pi / 3)

是不是很好？这就是Matlab的学习的第一步。

3. 从数字到矩阵

当然，一个成熟的工程师或者一个即将成为科学家的后备天才，他们不会满足于标量，他们会使用向量表达更高维度的数据，会用高阶张量来表达协变和逆变的关系，会描述高阶空间的转换和变换。

这就是Matlab的第二步，从数字到张量。

Matlab的张量，就是矩阵。矩阵是一个二维的张量，是一个行列的表格，是一个数字的数组。在Matlab里，矩阵是一个变量，是一个对象，是一个数据类型。

>> A = [1, 2; 3, 4]A =1     23     4

这个时候，线性代数的知识就派上用场了，我们可以用矩阵乘法、矩阵转置、矩阵求逆、矩阵行列式等等一系列的操作。

>> B = [1, 2; 3, 4]B =1     23     4>> A * Bans =7    1015    22>> A'ans =1     32     4>> inv(A)ans =-2.0000    1.00001.5000   -0.5000>> det(A)ans =-2.0000

4. 从计算到绘图

Matlab的第三步，就是从计算到绘图。当开始计算向量、矩阵的时候，我们就会发现一个新的需求，就是把计算的结果可视化。标量的计算，我们可以直接看到结果，但是向量、矩阵的计算，我们就需要把结果绘制成图表才能更直观的理解。

Matlab的绘图功能非常强大，可以绘制各种类型的图表，包括线图、柱状图、饼图、散点图、等高线图、三维图等等。

>> x = 0:0.1:2*pi;
>> y = sin(x);
>> plot(x, y);

Matalb的绘图函数还包括了很多的参数，可以设置线型、颜色、标记、标题、坐标轴等等。

>> plot(x, y, 'r--o');
>> title('sin(x)');
>> xlabel('x');
>> ylabel('y');

在这里插入图片描述

只需要学会使用一个命令help plot或者doc plot，就可以查看更多更多参数、示例和其它相关的函数。

5. 从启动到加速

前面标量计算、矩阵计算、绘图，已经可以解决很多问题，可以看到这个过程中，完全不需要过多的编程知识，连什么文件、脚本、函数这些基本概念都不需要知道，就是算个数，画个图。

但是接下来的路径就会稍微有一点点颠簸。

flowchart TDA[启动Matlab软件，输入命令，计算/绘图] --> B[使用edit命令/菜单按钮新建文件，编辑脚本]B --> C[保存/运行脚本，搜索路径]C --> D[矩阵和矩阵索引的概念和相关约定]D --> E[元组/函数的定义和约定]E --> F[更复杂的图表定制能力]E --> G[数据输入、输出和文件操作]E --> H[学科和任务对应的专门计算：统计、微分方程、优化、信号处理等]

在这里插入图片描述