MATLAB入门教程：面向C++/OIer的数据可视化与科学计算指南

你好，C++ Coder / OIer！

你习惯于 main 函数、std::vector、#include，以及对性能和内存的极致追求。现在，你遇到了一位新工具：MATLAB。将它视为一个面向科学计算和 数据可视化 的交互式环境与计算工作台即可。这篇 MATLAB入门教程 将结合 C++ 的思维模式，帮助你尽快理解 MATLAB 的核心用法。与编译型工作流不同，它更适合交互式探索与计算。

MATLAB集成开发环境界面截图

第一章：环境与心智模型切换 (From IDE to Interactive Shell)

C++ Coder D-e-v's Note: 把 MATLAB IDE 想象成一个自带 REPL (Read-Eval-Print Loop) 的环境。命令窗口 就是你的 stdin/stdout，工作区 (Workspace) 则是全局变量的实时监视器。这里的编程更像是写 Python 脚本，而非编译 C++ 项目。

1. 环境管理：告别 `system("cls")`

MATLAB 命令	功能描述	对标 C++ 概念
`clc`	清空命令窗口显示	相当于 `system("cls")` 或重启控制台，界面清爽，不影响任何变量。
`clear`	清空工作区（变量）	类似程序重启，销毁所有全局变量。`clear x;` 则像 `delete` 单个指针。
`who` / `whos`	查看工作区变量	变量监视窗口的文本版。`whos` 是 `sizeof` 和 `typeid` 的组合体。
`cd`	切换工作目录	`chdir()`，确保你的 `.m` 文件和数据在当前路径，否则就是 "File Not Found"。

2. 变量：动态类型的世界

C++ Coder D-e-v's Note: MATLAB 是动态强类型语言。你无需声明类型（int a; double b;），解释器会自动推断。但一旦类型确定，运算必须合法。

命名规则：和 C++ 类似，字母开头，可含数字、下划线。
最大陷阱：禁止覆盖内置函数！ 如果你写 sum = 10;，就相当于你 #define sum 10，std::accumulate 瞬间报废。这是 C++ 程序员最常犯的错误。我曾经因为这个坑排查了半天bug，才发现是自己无意中覆盖了内置函数。

3. 数据类型：从底层到应用

% 1. 数值型(默认double) - C++的 double，但也是所有计算的核心
a = 3.14;                 % scalar
b = [1, 2+3i];            % complex vector，原生支持复数，i/j 就像 <complex>

% 2. 逻辑型(logical) - C++的 bool
c = true;                 % 1
d = (5 > 3);              % 关系运算返回 logical 1

% 3. 字符与字符串(char vs. string) - 从 C-style 到 std::string
e = 'Hello';              % char 数组 (单引号)，类似 const char*
f = "World";              % string 对象 (双引号)，类似 std::string，支持 `+` 拼接

第二章：核心武器库 —— 矩阵与向量化运算

C++ Coder D-e-v's Note: 这是 MATLAB 的核心特征，也是与 C++ 思维的主要差异。在 C++ 中，你用 for 循环遍历数组；在 MATLAB 中，你对整个数组直接进行数学运算。这个叫向量化 (Vectorization)。

1. 数组创建与索引：`std::vector` 的超集

**注意：**MATLAB 索引从 1 开始，arr[0] 会报错。

% --- 创建 ---
% 行向量 (1xN 矩阵)
row_vec = [1 2 3 4];      % 类似 std::vector<int> v = {1, 2, 3, 4};

% 列向量 (Nx1 矩阵)
col_vec = [5; 6; 7];      % 分号换行
col_vec2 = row_vec';    % ' (单引号) 是转置，高效常用

% 二维矩阵
matrix = [1 2 3; 4 5 6]; % 类似 vector<vector<int>> m = {{1,2,3}, {4,5,6}};

% --- 索引与切片 ---
A = [1 2 3; 4 5 6; 7 8 9];
A(2,3)                  % 第2行第3列 -> 6 (不是 A[1][2]!)
A(:, 2)                 % C++ 中较少见的操作：取第2列所有元素 (冒号 : 代表'全部')
A(1:2, end)             % 取1到2行，最后一列 ('end' 关键字，类似 v.size()-1)
A(A > 5)                % 逻辑索引，返回一个扁平化的向量，包含所有 >5 的元素

2. 矩阵运算 (``) vs. 元素级运算 (`.`)：代数与数据的分界

这是 MATLAB 的核心精髓。理解了它，你就超越了 90% 的新手。

矩阵运算 (*, /, ^)** -> 线性代数模式，遵循数学定义，需要维度匹配（A(m×n) * B(n×p)）。这就是你手算矩阵乘法的那个规则。

元素级运算 (.*, ./, .^)** -> 数据处理模式 (C++ for 循环的替代品)。操作符前的 . 告诉 MATLAB：“别管什么线性代数，把这两个同样大小的矩阵对应位置的元素拿出来做运算！”

A = [1 2; 3 4]; B = [5 6; 7 8];

% 矩阵乘法 => A * B，手算结果
C_matrix_mul = A * B;       % -> [19 22; 43 50]

% 元素级乘法 => for(i) for(j) C[i][j] = A[i][j] * B[i][j];
C_element_mul = A .* B;     % -> [5 12; 21 32]

% 几乎所有的 MATLAB 性能优化，本质都是用“元素级运算”代替显式的 for 循环。

3. 向量生成：告别 `for(i=a; i<=b; ++i)`

% 冒号运算符: [start:step:end]
x1 = 1:5;                   % [1, 2, 3, 4, 5]
x2 = 0:0.5:2;               % [0, 0.5, 1, 1.5, 2]

% linspace: 指定点数，常用于绘图
x3 = linspace(0, 100, 5);   % 在 [0, 100] 之间取5个点 -> [0, 25, 50, 75, 100]

% 特殊矩阵
eye(3)      % 单位矩阵
zeros(2,4)  % 全零矩阵，类似 C++ 的 `vector<vector<int>>(2, vector<int>(4, 0));`
ones(3)     % 全1矩阵
rand(2,3)   % 随机矩阵

第三章：从代码片段到工程 —— 脚本与函数

C++ Coder D-e-v's Note: MATLAB 的 .m 文件有两种模式：脚本 (Script) 和函数 (Function)，靠文件第一行有没有 function 关键字区分。

脚本：就是 main 函数体。它直接在全局作用域执行，所有变量都是全局的。适合跑流程、做实验。
函数：就是 C++ 的函数。它有独立的局部作用域，通过 return（输出参数列表）返回值。这是代码复用和模块化的唯一途径。

1. 脚本文件：你的 `main.cpp`

% file: my_script.m
% 解一个线性方程组 Ax=b
clear; clc; % 好习惯：脚本开头清空环境，避免被全局变量污染

A = [2 3; 1 -4];
b = [5; -3];
x = A \ b;  % Pro-Tip: '\'是矩阵左除，解Ax=b的专用运算符，比inv(A)*b更稳定高效

disp(['Solution: ', num2str(x')]); % disp 类似 cout，num2str 是 C++20 的 std::format

2. 函数文件：可复用的工具

结构就是一切：function [返回列表] = 函数名(参数列表)

% file: average.m (文件名必须与函数名一致!)
function avg = average(x)
    % 这是一个计算向量平均值的函数
    % Input: x - 一个数值向量
    % Output: avg - 向量的平均值
    % C++ Coder's Note: 这是函数作用域，变量 n 和 s 都是局部的
    n = length(x);  % length 类似 C++ 的 .size()
    s = sum(x);     % sum 是一个超高效的内置函数
    avg = s / n;
end

% 在命令窗口或脚本中调用:
% >> my_vec = [1, 2, 3, 4];
% >> result = average(my_vec); % result = 2.5

第四章：逻辑控制：熟悉的味道，不同的语法

C++ Coder D-e-v's Note: 这里的逻辑和你早已掌握的一模一样，只是语法糖不同。注意所有控制结构都需要 end 关键字闭合。

1. 条件语句 `if-elseif-else`

score = 85;
if score >= 90
    disp('Excellent');
elseif score >= 80      % 注意，是 elseif
    disp('Good');
else
    disp('Pass');
end                     % 别忘了 end

2. 循环结构：`for` 和 `while`

% for 循环 (计数循环)
% for(int i=2; i<=100; i+=2)
sum_even = 0;
for i = 2:2:100
    sum_even = sum_even + i;
end

% while 循环 (条件循环)
a = 1; b = 1;
while b <= 100
    % disp(b);
    temp = a;
    a = b;
    b = temp + b;
end

% break 和 continue 和 C++ 里完全一样

第五章：数据可视化（核心优势之一）

C++ Coder D-e-v's Note: 这就是你选择 MATLAB 而不是 C++ 来做数据分析的理由。在 C++ 里用 gnuplot 或 Matplotlib-cpp 绘图有多痛苦，在 MATLAB 里就有多快乐。

% 绘制 y = sin(x) 和 y = cos(x)
x = linspace(-2*pi, 2*pi, 200); % x 轴数据点
y1 = sin(x);
y2 = cos(x);

figure; % 创建一个新的图形窗口，像 new 一个窗口对象

plot(x, y1, 'r-o', 'LineWidth', 2); % 红色、实线、圆圈标记
hold on; % 关键命令！不清空当前画布，准备画下一条线
plot(x, y2, 'b--x', 'LineWidth', 2); % 蓝色、虚线、x标记
hold off; % 释放画布

% 添加“UI”元素
grid on;
title('Sine and Cosine Functions');
xlabel('Radian');
ylabel('Value');
legend('sin(x)', 'cos(x)');

第六章：算法实现：从 C++ 思维到 MATLAB 思维

1. 素数检测：循环 vs. 向量化

% C++ 风格：用循环
function is_p = is_prime_loop(n)
    if n <= 1, is_p = false; return; end
    for i = 2:sqrt(n)
        if mod(n, i) == 0
            is_p = false; return;
        end
    end
    is_p = true;
end

% Matlab 风格：用内置函数和向量化
% isprime 是一个高度优化的内置函数
% isprime

平台差异与注意事项（面向 C++ 读者）

索引与内存布局：MATLAB 1-based、列主序；C/C++ 常用 0-based、行主序。跨语言数据交互需注意转置与维度。
值语义与拷贝：数组为值语义，写时复制（copy-on-write）；循环中频繁扩容会触发重复分配，建议预分配 zeros/ones。
向量化边界：并非所有逻辑都应向量化，过度使用隐式扩展与匿名函数会增加开销；热点代码优先 bsxfun/内置函数或 parfor。
JIT 与性能：现代 MATLAB 具 JIT 优化，但复杂控制流/动态类型仍可能抑制优化；必要时使用 mex（C/C++）实现热点路径。
I/O 与绘图：绘图句柄操作较多时注意 hold on/off 与 drawnow 的调用频率，避免 UI 卡顿。
工程化组织：函数优先于脚本；使用 +pkg 命名空间与 classdef 组织大型项目；固定随机种子与版本记录以便复现实验。