1、点击查看协方差矩阵是什么鬼！ 还不懂？ 看这的解释更牛逼！
2、matlab 命令
axis(limits)， set axis limits and appearance
就是设置轴的，看个例子
axis([0 2*pi -1.5 1.5])
就是把x、y轴分别限定到0~2pi, -1.5~1.5
mean 平均值命令
mean(A) = 每列的平均值 if A 是一个矩阵或者数组
mean(A, 2) = 每行的平均值 就是第二维度
bsxfun 将函数作用于两个值（点我看bsxfun的作用）
std function 计算标准差的
std(X) = (xi - mean(X))^2/n n是x的个数
svd~命令
改变这个默认的设置，
比如用[u,d,v]=svds(A,10)将得到最大的10个特征值及其对应的最大特征行向量和特征列向量，
[u,d,v]=svds(A,10，0)将得到最小的10个特征值及其对应的特征行向量和特征列向量，
[u,d,v]=svds(A,10，2)将得到与2最接近的10个特征值及其对应的特征行向量和特征列向量。
总之，相比svd，svds的可定制性更强。
Matlab取整函数有: fix, floor, ceil, round.具体应用方法如下：
fix朝零方向取整，如fix(-1.3)=-1; fix(1.3)=1;
floor，顾名思义，就是地板，所以是取比它小的整数，即朝负无穷方向取整，如floor(-1.3)=-2; floor(1.3)=1;floor(-1.8)=-2，floor(1.8)=1
ceil，与floor相反，它的意思是天花板，也就是取比它大的最小整数，即朝正无穷方向取整，如ceil(-1.3)=-1; ceil(1.3)=2;ceil(-1.8)=-1，ceil(1.8)=2
round四舍五入到最近的整数，如round(-1.3)=-1;round(-1.52)=-2;round(1.3)=1;round(1.52)=2。
var 函数，var（X）返回X中的每一列，就是每一个特征的方差。
det(A) 求矩阵对应的行列式
rref(A) 将A化成阶梯状， 显然在A的特征值为0的情况下，阶梯状的最后一行全部为0
diag
直接上例子
h>> D = diag(v)
D =
2 0 0 0 0
0 1 0 0 0
0 0 -1 0 0
0 0 0 -2 0
0 0 0 0 -5
>> D1 = diag(v,1)
D1 =
0 2 0 0 0 0
0 0 1 0 0 0
0 0 0 -1 0 0
0 0 0 0 -2 0
0 0 0 0 0 -5
0 0 0 0 0 0
>> D1 = diag(v,2)
D1 =
0 0 2 0 0 0 0
0 0 0 1 0 0 0
0 0 0 0 -1 0 0
0 0 0 0 0 -2 0
0 0 0 0 0 0 -5
0 0 0 0 0 0 0
0 0 0 0 0 0 0
isinf array elements that are infinite
matlab图像处理之image和imagesc函数
找了好久，就是这个介绍了matlab 如何查看某段程序运行的时间
1、在待检测的程序块前面加上tic，结束处加上toc即可得到对应的运行时间；
2、开始时记录cputime为t1，运行结束后记录cputime为t2，那么对应的运行时间为t2-t1；
norm 命令
n = norm(X, p) %求p-范数，即 ，所以norm(X,2) = norm(X)。
命令 矩阵的范数
函数 norm
格式 n = norm(A) %A为矩阵，求欧几里德范数 ，等于A的最大奇异值。
n = norm(A,1) %求A的列范数 ，等于A的列向量的1-范数的最大值。
n = norm(A,2) %求A的欧几里德范数 ，和norm(A)相同。
n = norm(A,inf) %求行范数 ，等于A的行向量的1-范数的最大值
即：max(sum(abs(A')))。
n = norm(A, 'fro' ) %求矩阵A的Frobenius范数 ，
矩阵元p阶范数估计需要自己编程求，计算公式如下
举个例子吧
a=magic(3)
sum(sum(abs(a)^4))^(1/4)
a =
8 1 6
3 5 7
4 9 2
ans =
19.7411