（10）矩阵开方：sqrtm(a). (11)求矩阵呢的秩：rank(a). 特殊矩阵的生成： （1）zeros(n):生成 n×n阶0矩阵。 （2）zeros(m,n):生成 m×n阶0矩阵。 （3）zeros(size(a)):生成与a阶数相同的0矩阵。

INSERTROWS - 在特定位置将行插入矩阵C = INSERTROWS(A,B,IND) 将矩阵 B 的行插入到矩阵 A 的位置 IND 中。 矩阵 B 的第 k 行将插入到矩阵 A 中的位置 IND(k) 之后。如果 A 是 N×X 矩阵，B 是 M×X 矩阵，则 C 将是 (N+M)- by-X 矩阵。 IND可以包含非整数。 如果 B 是 1×N 矩阵，则将为 IND 指定的每个插入位置插入 B。 如果 IND 是单个值，则整个矩阵 B 将插入该位置。 如果 B 是单个值，则将 B 扩展为行向量。 在所有其他情况下，IND中的元素数应等于B中的行数，并且矩阵A和B的列数，平面数等应相同。 IND 的值小于 1 将导致相应的行插入到 A 之前。 C = INSERTROWS(A,B) 将简单地将 B 附加到 A。 如果任何输入为空，C 将返回 A。如果 A 是稀疏的，C 也将

很有用的动态矩阵控制 仿真代码，修改一下既可以用

试写一个算法，在以邻接矩阵方式储存的有向图G中求顶点i到顶点j的不含回路的长度为k的路径数

基于遗传算法的线性二次调节器参数优化器对Q和R矩阵的参数进行了优化

输入矩阵是 3x3。 它仅适用于“ZYX”序列。 函数“dcm2angle”在 Airspace 工具箱中的 Matlab 2012b 中可用，它也启用其他序列。 但是，如果您没有访问该工具箱的权限，那么……这才是开始:-)。 包括一个例子。

先进的化学过程工程工具，如模型预测控制或软传感器解决方案，需要适当的过程模型。 这些模型的参数识别需要具有高信息量的输入输出数据。 当无法应用基于模型的优化实验设计技术时，从历史数据中提取信息片段也可以支持系统识别。 我们开发了一种面向目标的基于 Fisher 信息的时间序列分割算法，旨在从历史过程数据中选择信息片段。 所使用的标准自下而上算法广泛用于过程数据的离线分析。 不同的段可以支持参数集的识别。 因此，我们建议使用从序列获得的 Fisher 信息矩阵的特征向量之间的 Krzanowski 相似系数，而不是使用 D 或 E 最优性作为比较两个输入序列（相邻段）的信息内容的标准。 两个应用示例证明了所提出方法的效率。 该算法能够从历史过程数据中提取具有参数集特定信息内容的段。 它也在： L. Dobos, J. Abonyi, 基于时间序列分割的 Fisher 信息矩阵过程数据分析

下面是通过初等行变换求解逆矩阵的，非用伴随矩阵! 比如求： 1 2 3 2 2 1 3 4 3 则把下面矩阵： 1 2 3 1 0 0 2 2 1 0 1 0 3 4 3 0 0 1 通过初等行变换变为： 1 0 0 x x x 0 1 0 x x x 0 0 1 x x x 则x矩阵就是要求的逆矩阵了 C#版代码如下,已经测试通过.

本文给大家分享了一个msp430矩阵式4×4键盘源代码。

C#代码实现求矩阵的逆矩阵、矩阵对应行列式的值以及两个矩阵相乘的结果