在数据科学和工程计算领域，MATLAB 以其强大的矩阵运算能力独树一帜。无论你是刚接触编程的新手，还是熟悉 Java、C++ 等传统语言的开发者，掌握 MATLAB 的矩阵操作都是提升数据处理效率的关键一步。本文将为你系统梳理矩阵创建与属性查看的核心知识，帮你快速建立清晰的认知框架。

为什么矩阵是 MATLAB 的核心？

不同于 Java 或 Python 中以对象和列表为核心的数据组织方式，MATLAB 的一切数据本质都是矩阵。这种设计哲学让它在数值计算领域拥有无与伦比的效率优势。即使是一个简单的数字，在 MATLAB 中也被视为 1×1 的矩阵；而一列数据则是 N×1 的列向量，一行数据是 1×N 的行向量。

核心概念：理解矩阵维度是掌握 MATLAB 的第一步。矩阵的维度描述为“行数 × 列数”，这个概念贯穿于所有矩阵操作中。例如，一个 3×4 矩阵代表有 3 行、4 列的数据结构。

对于有线性代数基础的读者，这部分内容会非常直观；如果你对矩阵概念还比较陌生，建议先补充一些线性代数的基础知识，这会让后续学习事半功倍。

矩阵创建：多种方法一网打尽

MATLAB 提供了极其灵活的矩阵创建方式，远比 C++ 或 Go 中手动管理数组要简洁高效。下面表格汇总了最常见的创建方法，建议你在命令行窗口中逐一尝试，亲手感受每种语法的差异。

语法功能示例

[a,b,c;d,e,f]

[a b c;d e f]

创建自定义矩阵

分隔符可以是逗号、分号

A=[1,2,3;4,5,6]

表示2×3矩阵

zeros（m,n)全0矩阵

zeros（3，4）

表示3×4全零矩阵

ones (m,n)全1矩阵

ones （3，4）

表示3×4的全1矩阵

eye （n）n 阶单位矩阵（对角线为 1）

eye（3）

表示 3×3 单位矩阵

rand （m,n)0~1 均匀分布的随机矩阵

rand （2，2）

表示2×2 随机矩阵

randn（m,n)标准正态分布随机矩阵

randn(3,1)

表示3×1 随机列向量

linspace（a,b,n)生成 a 到 b 的 n 个等间距行向量

linspace(0,10,5)

表示[0 2.5 5 7.5 10]

diag(v)以向量 v 为对角线创建对角矩阵

diag([1 2 3])

表示以向量 [1 2 3] 为对角线创建的3×3对角矩阵

实战建议：创建矩阵时，最常用的是方括号 [] 直接输入法。同行元素用空格或逗号分隔，不同行用分号分隔。例如：A = [1 2 3; 4 5 6] 会创建一个 2×3 矩阵。

⚠️ 常见误区：初学者经常混淆行向量和列向量的创建方式。行向量使用空格分隔元素，列向量则使用分号。在后续的矩阵乘法中，这种区别至关重要。

此外，MATLAB 还提供了大量内置函数用于生成特殊矩阵，如 zeros() 创建全零矩阵、ones() 创建全一矩阵、eye() 创建单位矩阵等。这些函数在初始化数据时非常实用，可以大幅提升编码效率。

[AFFILIATE_SLOT_1]

矩阵属性查看：知己知彼，百战不殆

创建矩阵只是开始，更重要的是能够快速了解矩阵的各种属性。在调试和验证代码时，查看矩阵的大小、维度、数据类型等信息至关重要。这与在 TypeScript 中使用类型检查、在 Python 中使用 shape 属性有异曲同工之妙，但 MATLAB 的查看方式更加直观。

语法功能示例
size(A)返回矩阵的维度[行数，列数]

size([1 2;3 4])

返回[2 2]

size(A,dim)查看指定维度的长度

size(A,dim)

示例见本小节最后一个代码

numel(A)矩阵元素总数

numel([1 2;3 4])

返回4

length(A)矩阵最大维度的长度

✅ 最常用命令：size() 函数返回矩阵的行数和列数，whos 命令则显示当前工作区中所有变量的详细信息，包括名称、大小、字节数和数据类型。

调试技巧：在命令行窗口输入变量名并回车，即可直接查看矩阵的内容。对于大型矩阵，可以使用 disp() 函数或分号抑制输出，避免命令行被大量数据刷屏。

在大型项目中，合理利用这些属性查询命令，可以帮助你快速定位数据维度不匹配等常见错误，大大提高调试效率。

高效学习路径：从理论到实战

掌握了上述基础操作后，最重要的是通过实战来巩固。以下是一条高效的学习路径建议：

  • 动手实践：打开 MATLAB，在命令行窗口中逐条输入表格中的命令，观察输出结果。
  • 组合运用：尝试创建不同维度的矩阵，并使用 size()、length() 等函数查看属性。
  • 对比学习：如果你熟悉 Python 的 NumPy 库，可以对比两者在矩阵操作上的异同，加深理解。
  • 项目驱动：尝试解决一个简单的线性代数问题，如矩阵乘法、转置或求逆，将所学知识应用到实际场景中。

⚠️ 避坑指南：不要在理论学习上花费过多时间。矩阵创建和属性查看属于基础操作，投入 30 分钟熟悉即可，把更多精力放在实际应用中。遇到问题时，善用 help 命令查询函数文档。

[AFFILIATE_SLOT_2]

在工程实践中，MATLAB 常与其他语言协同工作。例如，通过 MATLAB 引擎 API 可以在 Java 或 Python 中调用 MATLAB 函数，实现算法原型与工程部署的无缝衔接。掌握矩阵基础，是这一切的起点。

总结与行动清单

本文系统梳理了 MATLAB 矩阵创建与属性查看的核心知识点。从矩阵的基本概念，到多种创建方法，再到属性查看技巧，这些构成了 MATLAB 矩阵运算的基石。记住，动手实践是掌握这些知识的最佳途径——建议你立即打开 MATLAB，逐一尝试本文提到的命令。

熟练掌握矩阵基础操作后，下一步就可以深入探索矩阵运算的更多高级功能，如矩阵分解、特征值计算等。这些强大的工具将为你打开科学计算和数据分析的大门。