1. 为什么说Matlab的灵魂是矩阵
1.1 矩阵在Matlab里的地位
很多入门教程第一节课都会说“Matlab是矩阵实验室的缩写”，但真把这个信息当回事的人并不多。我见过不少从其他语言转过来的开发者，习惯性地把矩阵当成二维数组，然后处处用for循环去遍历，结果代码又慢又啰嗦。这其实是用写C或Python的思维在写Matlab，相当于拿法拉利去犁地。
在Matlab里，矩阵不是“一种数据结构”，它几乎是全部。你输入一个数字，它是一个1×1的矩阵；你读入一张图片，它本质上是三个二维矩阵叠在一起；你处理一段音频，它就是一列矩阵。万物皆矩阵，这句话在这门语言里不是比喻，而是字面意义上的事实。很多初学者学不下去的根源，就是没有建立这种“矩阵优先”的思维。
比如你想给一组数做平方，如果脑子里只有“循环遍历”，你会写成for i = 1:n这一套，但Matlab的思路是直接把整组数当成一个矩阵，用点运算符.^一次性搞定。同样的结果，第二种写法不仅短了一个量级，运行速度还快得多。后面我会详细展开这些操作，现在你只需要记住两条：第一，Matlab默认一切都是矩阵；第二，优先考虑整块操作，而不是逐个操作。
1.2 这篇能解决什么问题，适合谁看
这篇文章是“从零开始学Matlab”系列的第一篇，聚焦三个最基础也最关键的能力：矩阵的基本操作、数据的输入输出、函数的编写。这个顺序是有讲究的，矩阵操作是根，输入输出是管道，函数是组装方式。掌握这三样，你就能看懂网上大部分入门级别的Matlab代码，也足够支撑你处理课程作业里那些最简单的数值计算任务。
适合看这篇教程的读者有三类：完全没接触过Matlab的纯新手，想快速上手跑通第一个程序；学过其他编程语言但对Matlab的矩阵思维不熟悉的老开发；以及用过Matlab但一直靠到处复制代码、没系统梳理过基础操作的半熟手。这三类人读完这一篇，应该都能挖到一些以前忽略的细节。我的建议是别光看，打开Matlab跟着敲，一篇文章下来，肌肉记忆就建立起来了。
2. 矩阵的基本操作：从创建到修改
2.1 手工输入一个矩阵：第一条命令
在Matlab命令行窗口里输入下面这行，然后回车：
A = [1 2 3; 4 5 6; 7 8 9]你会看到工作区里多了一个叫A的变量，命令行窗口会回显一个3×3的矩阵。这就是手工创建矩阵最直接的方式。这里有几个隐藏规则需要立即搞清楚：方括号[]表示把元素拼成矩阵；空格（或逗号）分隔同一行的不同元素；分号;表示这一行结束、换到下一行。所以[1 2 3; 4 5 6; 7 8 9]就是三行三列，而不是三列三行。
有个细节初学者经常踩坑，就是分号的作用。在Matlab里，分号有两种完全不同的身份：在方括号内部时，它表示矩阵换行；在语句结束时，它表示“执行但不显示结果”。比如你输入A = [1 2 3]; 这个分号让命令行不打印结果，但不影响A这个变量已经赋值。刚开始你可能觉得这样很绕，实际用两天就会习惯，反而会觉得方便——不想看中间过程时加分号，想看时就不加，完全由你控制。
另一个实用技巧是换行输入。如果一个矩阵太大，一行写不下，可以在方括号内直接换行，再补一个分号，比如：
B = [1, 2, 3 4, 5, 6 7, 8, 9];这种方式尤其适合录入系数矩阵，视觉上跟数学课本里的写法几乎一致，不容易错位。我个人在项目里录小矩阵时基本都用这种换行格式，看着舒服，排查问题也快。
2.2 用命令生成特殊矩阵：零矩阵、单位矩阵、随机矩阵
手工输入适合小矩阵，但如果你需要一个100×100的零矩阵，手工敲显然不现实。Matlab内置了一批生成特殊矩阵的命令，这几个是必须背下来的：
zeros(3, 4) % 3行4列的全零矩阵 ones(2, 5) % 2行5列的全1矩阵 eye(3) % 3阶单位矩阵（对角线为1） rand(3, 2) % 3行2列，元素在[0,1]均匀分布的随机矩阵 randn(2, 3) % 2行3列，服从标准正态分布的随机矩阵 magic(3) % 3阶幻方矩阵，每行每列和对角线和相等这些命令的共同特点是第一个参数是行数，第二个是列数。如果只给一个参数，比如eye(3)，那就是方阵。这是Matlab一个贯穿始终的约定，很多初学者搞反行列，就是因为没注意这个参数顺序。
另外还有两个非常常用的生成工具：冒号运算符和linspace。冒号运算符用来生成等差向量，比如1:0.5:3会生成[1 1.5 2 2.5 3]，意思是“从1开始，步长0.5，到3为止”。linspace(0, 1, 5)则是在0到1之间均匀取5个数，结果类似。两者区别在于：冒号严格按步长走，可能恰好停不到终点；linspace永远把首尾和数量算死，均匀分布。做坐标轴、画图横坐标时，linspace用得更多。
2.3 从矩阵里取数据：索引与切片
矩阵创建好了，下一步就是怎么把里面的某个值、某一行、某一列拿出来。Matlab的索引规则跟主流编程语言有一个特别大的差异：下标从1开始，不是从0开始。也就是说A(1,1)才是第一行第一列的元素。很多从C、Python转过来的朋友，第一周总会习惯性写0，然后报错“索引超出范围”，这个坑几乎是必踩的，只能说习惯就好。
常见的索引写法有这些：
A(2, 3) % 取第2行第3列的元素 A(1, :) % 取第1行的所有列，结果是一个行向量 A(:, 2) % 取第2列的所有行，结果是一个列向量 A(2:3, 1:2) % 取第2到3行、第1到2列组成的子矩阵 A(end, end) % 取最后一行、最后一列的元素 A(:) % 把A按列从上到下拉成一个列向量冒号在这里的意思是“全部或一段范围”，这个语义非常灵活。A(2:3, 1:2)里的2:3和1:2就是前一个小节讲的冒号运算符生成的范围向量。end关键字代表“这一维度的末尾”，当你不知道矩阵到底有多大的时候，它可以救你一命。
切片取出来的数据可以直接参与赋值。比如A(:, 3) = [0; 0; 0]就能把第三列整体替换成0。这里要注意，右边的向量元素数量必须跟左边被选中的位置数量完全一致，否则会报错“赋值维度不匹配”。实际项目里，我经常先用size(A)看一眼矩阵尺寸，再动手切片，尤其是从外部文件读进来的数据，尺寸往往跟你预期的不一样。
2.4 修改矩阵：拼接、换形状、整体替换
除了改单个元素，我们还经常需要把两个矩阵拼起来。横向拼接用空格或逗号，纵向拼接用分号，这一点跟创建矩阵的规则一脉相承：
C = [A, B]; % A在左，B在右，横向拼成更宽的矩阵 D = [A; B]; % A在上，B在下，纵向拼成更高的矩阵拼接的前提是尺寸匹配：横向拼接时，两个矩阵行数必须相等；纵向拼接时，列数必须相等。这个匹配检查是Matlab自动做的，不满足会直接报错，倒也不会造成更严重的问题。
reshape命令用来改变矩阵的形状，但不会改变元素总个数，也不会改变元素在内存里的顺序。比如一个3×2的矩阵，里面有6个元素，可以reshape成2×3或者1×6，只要乘积能对上就行。这里容易犯错的是reshape的填充顺序，它是按列逐个填充的，跟前面A(:)的拉直方向一致。如果你想按行填充，可以先对矩阵转置再reshape，或者用reshape(..., 的转置绕一下。
说到转置，A.'表示普通转置，A'表示共轭转置。对于实数矩阵，两者结果完全一样，所以大多数人直接写A'。但如果矩阵里有复数，这两个差别就大了，A'会把虚部变号。这点在做信号分析的时候会用到，现在记住就好。
3. 矩阵运算：加减乘除与点运算
3.1 加减运算和数乘
矩阵加减非常简单，就是要求两个矩阵维度完全一致，对应位置的元素相加减。比如一个3×2矩阵加另一个3×2矩阵，没问题；但如果一个是3×2，一个是2×3，Matlab会直接拒绝，因为维度不匹配。这个规则跟线性代数教材里完全一样，学过线性代数的同学可以无缝对接。
数乘就更简单了，一个标量跟矩阵相乘、相除，结果是矩阵里每个元素都乘以或除以这个标量。比如2 * A就是A的每个元素翻倍，A / 4就是每个元素除以4。这里的乘号不用加点，因为它本质是广播到每个元素的运算。需要注意，在Matlab里，标量与矩阵的加减其实也是支持的，比如A + 1会把1自动加到每个元素上，这在很多传统编程语言里反而没有这么方便。
3.2 真正的矩阵乘法：维度匹配才是关键
矩阵乘法的符号是*，但它跟元素之间的乘法完全不是一回事。两个矩阵A和B相乘，要求A的列数等于B的行数，结果的第i行第j列是“A的第i行”和“B的第j列”对应元素相乘再求和。这是线性代数里的标准定义，Matlab严格执行。
举个例子，A是3×2，B是2×4，那AB的结果是3×4。如果你不小心把A和B反过来，BA因为“4不等于3”直接报错。这个维度规则是矩阵运算里最容易翻车的点，我经常在代码里调试半天，最后发现是因为把两个矩阵的乘除顺序写反了。
一个值得养成的习惯是：拿不准乘法能不能做的时候，先分别size(A)和size(B)，看一眼列数和行数对不对，再动手。这一步十秒钟就能完成，却能为后面省下大量排错时间。
3.3 点运算：逐个元素计算的精髓
点运算是Matlab最迷人的特性，也是区分“会用数组语言”和“只会写循环”的分水岭。所谓点运算，就是在运算符前面加一个小数点：.*，./，.^。它表示“两个矩阵对应位置的元素逐个计算”，而不是线性代数里的矩阵乘法。
我举个例子你就明白了。假设有两个同维矩阵：
A = [1 2; 3 4]; B = [5 6; 7 8];A * B是标准矩阵乘法，结果是一个2×2矩阵。而A .* B是把A(1,1)乘以B(1,1)、A(1,2)乘以B(1,2)，以此类推，结果同样是2×2，但数值完全不同。 .^也是同样道理，A .^ 2是每个元素平方，而A^2是矩阵自己乘自己，也就是A*A，尺寸都不一定一样。
点运算最大的价值在于向量化。假设你有一个包含1000个数据点的列向量x，想计算y = x.^2 - 2*x + 1，一条语句就完成，不需要任何循环。这一点在实际项目里太重要了，因为Matlab的for循环效率相对其他编译型语言要慢，能用点运算解决的绝不写循环，这是Matlab性能优化的第一条铁律。
3.4 转置、逆矩阵、行列式与线性方程组的求解
除了四则运算，矩阵相关的几个“高等操作”也属于基本功。转置用A'或A.'，逆矩阵用inv(A)，行列式用det(A)。这几个命令我在处理线性代数问题时会成套使用。
逆矩阵的作用是解线性方程组。假设方程组是A*x = b，理论解法是x = inv(A) * b，但实际更推荐用左除运算符：x = A \ b。为什么？因为左除在底层会优先尝试高斯消元等数值稳定性更好的方法，速度更快，结果也更稳。inv求逆在某些病态矩阵下可能出现很大的数值误差，而左除能绕开显式求逆这一步。所以我在项目里的习惯是：能不用inv就不用inv，解方程一律用\。
行列式det(A)则常用来判断矩阵是否奇异。如果行列式等于0或者非常接近0，意味着矩阵不可逆，这时候继续求逆或者解方程都会出错。在实操里，我一般先用abs(det(A)) < 1e-10这种阈值做个判断，再决定后续步骤。这样虽然简单粗暴，但至少能在早期拦住一大堆数值灾难。
4. 输入输出：让数据顺畅进出
4.1 命令行交互：input、disp、fprintf
Matlab最直接的输入方式就是用户在命令行里手动输入变量，这在编写交互式小工具时非常常见。你需要input函数：
n = input('请输入一个数字：');这里要注意，如果你的输入是数字，这样写没问题。但如果想输入字符串，需要加一个参数：
name = input('请输入姓名：', 's');未加's'的话，读者输入字符串时会直接被Matlab当作变量名去解析，十有八九报错“未定义函数或变量”。这是个特别典型的新手错误，因为官方文档里写得不算醒目，很多人用到了才发现。
输出方面，最基础的是disp，它只是把内容打印出来，比如disp(A)会显示矩阵内容。想要控制格式，就得用fprintf。fprintf的用法继承自C语言的printf，最大价值在于格式化：可以用%f、%d、%s等占位符把数值、整数、字符串嵌进一段文字里。比如：
fprintf('圆的面积是 %.2f\n', 3.14159 * 2^2);这样会输出“面积是 12.57”，保留两位小数。格式化输出在调试和生成报告时非常有用，特别是跟循环配合，可以按行输出一张表格。
4.2 读取Excel和CSV：readmatrix、readtable、writematrix
在实际项目中，数据很少是在Matlab里手敲的，更多情况是从Excel、CSV文件读进来。这里要分情况选择函数：如果文件里全是数值，clean一点的读法是readmatrix，它直接返回一个矩阵；如果你需要同时读表头和混合类型数据，那就用readtable，它返回一个表格对象。
data = readmatrix('成绩表.xlsx'); % 全部数值时用 tbl = readtable('学生信息.csv'); % 含文本表头时用写入方向则对应writematrix和writetable。这两个函数都是新版Matlab推荐的做法，旧一点的xlswrite、csvwrite现在已经不太建议用了，功能弱还经常出兼容问题。我刚开始用的时候还在用旧函数，后来发现新版文件读取函数对中文路径、特殊字符的处理也更好，索性全部切换过来了。
这里有个细节：readmatrix读取的文件里如果有非数值单元格（比如标题行、文字备注），它会自动处理成NaN或直接忽略，具体行为取决于参数设置。我的建议是，如果文件结构是“第一行是表头，下面全是数”，最好用readtable甚至直接用readmatrix('文件', 'NumHeaderLines', 1)跳过表头，不要让标题影响后面的计算。
4.3 .mat文件：保存和加载工作区变量
.mat是Matlab的原生数据格式，它的好处是能把整个工作区的变量打包保存下来，下次要用时一键加载。使用方式就两条命令：
save('data.mat'); % 保存工作区所有变量 save('data.mat', 'A', 'B');% 只保存A和B load('data.mat'); % 加载所有变量这个机制在长项目里几乎是救命稻草。比如一个模拟计算要跑几十分钟，你不可能每次都从头算，把中间结果保存成.mat，下次load进来接着算就行。load会把变量直接放进工作区，不需要手动赋值，这一点跟readmatrix返回结果给变量的风格不同，初次用可能会愣一下。
还有一个实用操作是load函数的第二种调用方式：
S = load('data.mat');这样不是把变量撒进工作区，而是把所有变量装进结构体S里，通过S.A、S.B访问。当你不确定文件里到底有哪些变量，或者想避免覆盖工作区已有变量时，这种用法更安全。我在处理别人传来的数据文件时，几乎都用这种形式，因为真的遇到过load之后工作区变量被同名覆盖的惨案。
4.4 文件读写的几个雷区
文件读写看着简单，实际项目里坑其实是重灾区。第一个雷区是中文路径和文件名。老版本Matlab对中文路径支持不好，open、readmatrix都可能直接报错或者读到乱码。现在新版基本没问题了，但如果你的同事还在用老版本，最好提醒对方把路径改成英文。
第二个雷区是分隔符。CSV文件的默认分隔符是逗号，但如果数据里某些字段本身含逗号，或者从某些地区来的文件用了分号当分隔符，readmatrix就乱了。这时候需要显式指定：readmatrix('文件.csv', 'Delimiter', ';')。判断文件用的是什么分隔符，拿记事本打开看一眼就行，别盲目跑代码。
第三个雷区是数据维度。读取Excel时，如果你读的区域里面有多余的空行空列，readmatrix会把它们读成NaN，导致后续所有计算出现NaN传染。我的排查习惯是读进来之后立刻用size、ismissing、sum(isnan(data(:)))检查一遍数据健康度，发现问题马上回头清理源文件，而不是在计算结果里追根溯源。
5. 函数：写一次用十次
5.1 脚本与函数的本质区别
Matlab代码有两种基本文件类型：脚本（.m）和函数（.m）。脚本就是一字排开的命令序列，按顺序执行，里面出现的变量全部存放在工作区，执行完就留下来了。函数则是一个“黑箱”，它只负责接收输入参数、执行内部逻辑、返回结果，除了return出来的东西，其他中间变量都不会污染工作区。
用生活类比来说，脚本像是你亲手按菜谱一步步做菜，做完厨房里堆了一堆用过的碗碟；函数像是点外卖，输入菜单点下单，拿到的是成品，厨房保持干净。在项目里，脚本适合写“一次性流程”，函数适合写“会反复调用的逻辑单元”。
还有一个关键区别：函数文件名必须与函数名一致。比如你定义function y = myFunc(x)，文件名就必须是myFunc.m，否则Matlab会找不到这个函数，或者调用时行为诡异。这个规则很死板，但遵守它其实是在帮你建立好习惯，一看文件名就知道函数是干嘛的。
5.2 函数定义、参数和返回值
一个最基础、最标准的函数定义长这样：
function y = myFunc(x) y = x.^2 + 2*x + 1; endfunction关键字开头，后面跟返回变量y、函数名myFunc、输入参数x，end结尾。函数体可以是任意多行计算。如果有多个返回值，用方括号包起来，中间用逗号分隔：
function [sumVal, meanVal] = computeStats(v) sumVal = sum(v); meanVal = mean(v); end调用时就用[a, b] = computeStats(data);来接收两个结果。如果调用时只写computeStats(data)，那么只有第一个返回值sumVal会被接收，第二个会被忽略。这个小细节在写大项目时容易让人困惑：函数明明算出了两个结果，但你怎么调用都拿不到第二个，检查半天才发现原来返回值没有接全。
函数默认是按值传递的，也就是说你在函数内部改输入参数的值，不会影响外部的原变量。想修改外部变量，最标准的做法是把修改后的值作为返回值传回来，而不是在函数内部直接改。这是Matlab跟某些语言的明显差异。
5.3 匿名函数：轻量好用的临时函数
如果你只需要一个简单的数学表达式，不想单独建一个.m文件，匿名函数是最合适的工具。它的语法是：
f = @(x) x.^2 + 1; f(2) % 结果是5@符号后面括号里写参数名，括号后面直接写表达式。匿名函数可以捕获当前工作区里的变量，这是它非常好用的一个特性。比如你有一个常数k = 3，然后定义g = @(x) k * x，那么g(2)算出6。如果你后续修改k，g的函数行为也会跟着变吗？答案是不变。匿名函数在定义那一刻把k的值快照下来，之后改k影响不了它。这个坑我踩过好几次，写代码时要特别注意。
匿名函数还有一个高频用途是作为参数传给其他函数。比如Matlab内置的fzero、integral、fminsearch这些数值求解函数，都要求你传一个函数句柄进去。匿名函数给了你一个不建文件就能传函数对象的途径，非常轻量。
5.4 函数调试与命名心得
编程里最浪费时间的事之一就是调试一个拼写错误。Matlab里的变量名和函数名是区分大小写的，所以MyFunc、myfunc、MYFUNC是三个完全不同的名字。这也是新手最容易卡的坑。我的建议是统一用小写字母和下划线命名，比如compute_mean、load_data，手感统一且不容易出错。
调试函数时，我强烈建议学会用断点。在编辑器的行号旁边点一下，会出现一个红点，运行到这一行时程序会暂停，你可以查看所有变量的当前值。这一步比任何打印语句都好用，尤其是在函数里，你可以看到工作区里被隔离的内部变量长什么样。配合fprintf打印关键变量，基本可以应付入门阶段百分之九十五的调试需求。
6. 常见报错和排查技巧
6.1 索引相关的报错
“索引超出矩阵维度”是我见过出现频率最高的报错之一。典型场景是这样的：你从数据文件读进来一个矩阵，以为它有5列，但实际上文件只有4列，然后你写data(:, 5)，Matlab二话不说就报错。解决办法也很直白：报错之后先不要急着改代码，先看看size(data)到底是不是你想象中的尺寸，很多时候问题出在数据本身，而不是代码逻辑。
另一个高频索引错误是写成了A(0)或者A(0, 1)。因为Matlab索引从1开始，所以任何索引为0的操作都会触发报错“数组索引必须为正整数或逻辑值”。这个报错只要记住规则就能避免。如果你是从其他语言转来的，需要做的不是说“我知道”，而是真的在敲代码时保持警惕，这大概需要一两周的适应期。
6.2 运算符相关的经典错误
点运算忘写，是另一个每天都能在论坛里看到的错误。比如你有两个维度一样的矩阵A和B，你想做元素级相乘，却写了A * B，结果Matlab告诉你维度不对。如果两个矩阵恰好都是方阵，那更麻烦，程序不报错但结果算错了，这种错误最难发现。我的建议是：凡是涉及“逐个元素”的计算，比如图像处理、信号逐点运算、批量数据变换，一律先写上点，再检查一遍。
还有一个小坑是^和.^的混用。标量对矩阵求幂A^2是矩阵自乘，元素平方必须用A.^2。尤其是当A是向量时，A^2一定会报错，因为你没法直接做“向量自乘”。遇到这类问题，去看报错信息里提示的“矩阵维度必须一致”或者“用于矩阵幂的维度不正确”，基本就能定位到是点运算问题了。
6.3 工作区变量被覆盖和clear、clc
脚本执行后，变量全部留在工作区，这本身很自由，但也带来一个麻烦：如果你脚本里用了x = 5，而工作区里早就有一个x是用来做别的，那你的程序里所有使用x的地方都会变成5，而且毫无提示。这个“隐式覆盖”非常让人头疼，尤其当你分段执行代码块的时候。
我的对策是两条：第一，在每个脚本开始时习惯性加一段开头三件套：
clear all; % 清除所有变量 close all; % 关闭所有图形窗口 clc; % 清空命令行第二，给变量起有意义的名字，避免全用a、b、x这种单字母。别小看这件事，命名清晰能帮你避免一半的“看起来代码没错但结果就是不对”的诡异问题。我后来接手过一个没命名规范的项目，里面全是x1、x2、x3这种变量，排查问题像开盲盒，极其痛苦。
6.4 提升排查效率的两个习惯
第一个习惯是“分段运行”。在编辑器中选中一段代码，按F9，只执行选中的这部分；或者用%%分成一个个小节，可以单独运行某一节。这样出错时能快速定位是哪一段的问题，而不是每次从头跑一遍。
第二个习惯是“先小后大”。换到一个新的数据集，或者改写了一段核心逻辑之后，先用一个5×5的小矩阵测试一遍，确认结果与手算一致，再上几百上千行的大矩阵。很多人喜欢直接用真实数据跑，一旦结果不对，很难分清是算法问题还是数据问题。小规模验证能逼出数据层面的错误，让问题暴露在可控范围内。这个方法几乎不需要额外成本，但对新手来说收效极快。
写在后面的一些个人体会
教过不少新手之后我发现，学Matlab最大的障碍其实不是语法，而是心态。很多人一上来就想做出一个看起来很厉害的东西，结果遇到一个“索引超出范围”就卡住，然后开始怀疑自己。实际上，这些报错每一个都是必经之路，我都踩过，甚至到现在偶尔还会踩。矩阵、输入输出、函数这三块东西，你只要敲得足够多，自然就通了，没有捷径。
另一个我真心的建议是学一点线性代数的基础知识。Matlab把矩阵运算做得再方便，你至少要知道矩阵乘法的维度规则、转置是什么意思、逆矩阵存在的前提。不用多深，理解概念就行，因为你在网上看到的每一个Matlab例子里，几乎都在用这些东西。数学概念和代码实现两件事互相加持，你会学得比只盯代码的人快很多。
最后，如果读完这篇你觉得“好像都明白了”，那我还得泼一盆冷水：趁热打铁，把文章里每段代码都亲手敲一遍，然后试着改一改参数，看看输出会怎么变。动手试错的过程，才是真正把知识焊进脑子的过程。下一篇我会接着讲矩阵的高级操作、循环与向量化的取舍，以及如何用Matlab做基础的数据可视化，到时候咱们继续。
