eye

单位矩阵

全页折叠

语法

I = eye

I = eye(n)

I = eye(n,m)

I = eye(sz)

I = eye(___,typename)

I = eye(___,like=p)

说明

I = eye 返回标量 1。

I = eye(n) 返回一个主对角线元素为 1 且其他位置元素为 0 的 n×n 单位矩阵。

示例

I = eye(n,m) 返回一个主对角线元素为 1 且其他位置元素为 0 的 n×m 矩阵。

示例

I = eye(sz) 返回一个主对角线元素为 1 且其他位置元素为 0 的数组。大小向量 sz 定义 size(I)。例如，eye([2,3]) 返回一个主对角线元素为 1 且其他位置元素为 0 的 2×3 数组。

示例

I = eye(___,typename) 在上述语法的基础上进一步指定 I 的数据类型（类）。例如，eye(5,"int8") 返回由 8 位整数组成的 5×5 单位矩阵。

示例

I = eye(___,like=p) 指定 I 具有与数值变量 p 相同的数据类型、稀疏性和复/实性（实数或复数）。

示例

全部折叠

单位方阵

打开实时脚本

创建一个 4×4 单位矩阵。

I = eye(4)

I = 4×4

     1     0     0     0
     0     1     0     0
     0     0     1     0
     0     0     0     1

矩形矩阵

打开实时脚本

创建一个 2×3 单位矩阵。

I = eye(2,3)

I = 2×3

     1     0     0
     0     1     0

单位向量

打开实时脚本

创建一个 3×1 单位向量。

sz = [3,1];
I = eye(sz)

非默认的数值数据类型

打开实时脚本

创建一个元素为 32 位无符号整数的 3×3 单位矩阵。

I = eye(3,"uint32")

I = 3×3 uint32 matrix

   1   0   0
   0   1   0
   0   0   1

class(I)

ans = 
'uint32'

单位复矩阵

打开实时脚本

创建一个元素值不是实数，而是与现有数组类似的复数的 2×2 单位矩阵。

定义一个复数向量。

p = [1+2i 3i];

创建一个与 p 类似的单位复矩阵。

I = eye(2,like=p)

I = 2×2 complex

   1.0000 + 0.0000i   0.0000 + 0.0000i
   0.0000 + 0.0000i   1.0000 + 0.0000i

稀疏单位矩阵

打开实时脚本

定义一个 5×5 稀疏矩阵。

p = sparse(5,5,pi);

创建一个与 P 类似的 5×5 单位稀疏矩阵。

I = eye(5,like=p)

I = 5×5 sparse double matrix (5 nonzeros)
   (1,1)        1
   (2,2)        1
   (3,3)        1
   (4,4)        1
   (5,5)        1

现有数组定义的大小和数值数据类型

打开实时脚本

定义一个单精度的 2×2 矩阵。

p = single([1 3; 2 4]);

创建一个与 p 具有相同大小和数据类型的单位矩阵。

I = eye(size(p),like=p)

I = 2×2 single matrix

     1     0
     0     1

class(I)

ans = 
'single'

输入参数

全部折叠

`n` — `I` 的第一维度的大小
整数值

I 的第一维度的大小，指定为整数值。

如果 n 为唯一的整数输入参量，则 I 为一个 n×n 单位方阵。
如果 n 为 0，则 I 为一个空矩阵。
如果 n 为负数，则将其视为 0。

`m` — `I` 的第二维度的大小
整数值

I 的第二维度的大小，指定为整数值。

如果 m 为 0，则 I 为一个空矩阵。
如果 m 为负数，则将其视为 0。

`sz` — `I` 的大小
不超过两个整数值的行向量

I 的大小，指定为不超过两个整数值的行向量。

如果 sz 的某个元素为 0，则 I 为一个空矩阵。
如果 sz 的某个元素为负数，则将该元素视为 0。

示例: sz = [2 3] 将 I 定义为 2×3 矩阵。

`typename` — 输出类
`"double"` (默认) | `"single"` | `"logical"` | `"int8"` | `"uint8"` | ...

输出类，指定为 "double"、"single"、"logical"、"int8"、"uint8"、"int16"、"uint16"、"int32"、"uint32"、"int64" 或 "uint64"。

`p` — 原型
数值变量

原型，指定为数值变量。

输出参量

全部折叠

`I` — 单位矩阵
标量 | 矩阵

单位矩阵，以标量或矩阵形式返回。

扩展功能

全部展开

C/C++ 代码生成
使用 MATLAB® Coder™ 生成 C 代码和 C++ 代码。

用法说明和限制：

typename 必须为内置的 MATLAB^® 数值类型。不会为其他类调用静态 eye 方法。例如，eye(m, n, 'myclass') 不会调用 myclass.eye(m,n)。
大小参量必须具有固定大小。

GPU 代码生成
使用 GPU Coder™ 为 NVIDIA® GPU 生成 CUDA® 代码。

用法说明和限制：

typename 必须为内置的 MATLAB 数值类型。不会为其他类调用静态 eye 方法。例如，eye(m, n, 'myclass') 不会调用 myclass.eye(m,n)。
大小参量必须具有固定大小。

基于线程的环境
使用 MATLAB® `backgroundPool` 在后台运行代码或使用 Parallel Computing Toolbox™ `ThreadPool` 加快代码运行速度。

此函数完全支持基于线程的环境。有关详细信息，请参阅在基于线程的环境中运行 MATLAB 函数。

GPU 数组
通过使用 Parallel Computing Toolbox™ 在图形处理单元 (GPU) 上运行来加快代码执行。

eye 函数支持 GPU 数组输入，但有以下用法说明和限制：

您可以将 typename 指定为 'gpuArray'。如果将 typename 指定为 'gpuArray'，则数组的默认基础类型是 double。
要创建基础类型 datatype 的 GPU 数组，请在 typename 之前将该基础类型指定为附加参量。例如，I = eye(3,datatype,'gpuArray') 创建一个基础类型 datatype 的 3×3 GPU 单位矩阵。
您可以将基础类型 datatype 指定为以下选项之一：
- 'double'
- 'single'
- 'logical'
- 'int8'
- 'uint8'
- 'int16'
- 'uint16'
- 'int32'
- 'uint32'
- 'int64'
- 'uint64'
您也可以将数值变量 p 指定为 gpuArray。
如果将 p 指定为 gpuArray，则返回的数组的基础类型与 p 相同。

有关详细信息，请参阅在 GPU 上运行 MATLAB 函数 (Parallel Computing Toolbox)。

分布式数组
使用 Parallel Computing Toolbox™ 在集群的组合内存中对大型数组进行分区。

用法说明和限制：

您可以将 typename 指定为 'codistributed' 或 'distributed'。如果将 typename 指定为 'codistributed' 或 'distributed'，则返回的数组的默认基础类型为 double。
要创建基础类型 datatype 的分布式或共存分布式数组，请在 typename 之前将该基础类型指定为附加参量。例如，I = eye(3,datatype,'distributed') 创建一个基础类型 datatype 的 3×3 分布式单位矩阵。
您可以将基础类型 datatype 指定为以下选项之一：
- 'double'
- 'single'
- 'logical'
- 'int8'
- 'uint8'
- 'int16'
- 'uint16'
- 'int32'
- 'uint32'
- 'int64'
- 'uint64'
您也可以将 p 指定为 codistributed 或 distributed 数组。
如果将 p 指定为 codistributed 或 distributed 数组，则返回的数组的基础类型与 p 相同。
有关其他 codistributed 语法，请参阅 eye (codistributed) (Parallel Computing Toolbox)。

有关详细信息，请参阅使用分布式数组运行 MATLAB 函数 (Parallel Computing Toolbox)。

版本历史记录

在 R2006a 之前推出

另请参阅

speye | ones | zeros

主题

Class Support for Array-Creation Functions

eye

语法

说明

示例

单位方阵

矩形矩阵

单位向量

非默认的数值数据类型

单位复矩阵

稀疏单位矩阵

现有数组定义的大小和数值数据类型

输入参数

n — I 的第一维度的大小 整数值

m — I 的第二维度的大小 整数值

sz — I 的大小 不超过两个整数值的行向量

typename — 输出类 "double" (默认) | "single" | "logical" | "int8" | "uint8" | ...

p — 原型 数值变量

输出参量

I — 单位矩阵 标量 | 矩阵

扩展功能

C/C++ 代码生成 使用 MATLAB® Coder™ 生成 C 代码和 C++ 代码。

GPU 代码生成 使用 GPU Coder™ 为 NVIDIA® GPU 生成 CUDA® 代码。

基于线程的环境 使用 MATLAB® backgroundPool 在后台运行代码或使用 Parallel Computing Toolbox™ ThreadPool 加快代码运行速度。

GPU 数组 通过使用 Parallel Computing Toolbox™ 在图形处理单元 (GPU) 上运行来加快代码执行。

分布式数组 使用 Parallel Computing Toolbox™ 在集群的组合内存中对大型数组进行分区。

版本历史记录

另请参阅

主题

`n` — `I` 的第一维度的大小
整数值

`m` — `I` 的第二维度的大小
整数值

`sz` — `I` 的大小
不超过两个整数值的行向量

`typename` — 输出类
`"double"` (默认) | `"single"` | `"logical"` | `"int8"` | `"uint8"` | ...

`p` — 原型
数值变量

`I` — 单位矩阵
标量 | 矩阵

C/C++ 代码生成
使用 MATLAB® Coder™ 生成 C 代码和 C++ 代码。

GPU 代码生成
使用 GPU Coder™ 为 NVIDIA® GPU 生成 CUDA® 代码。

基于线程的环境
使用 MATLAB® `backgroundPool` 在后台运行代码或使用 Parallel Computing Toolbox™ `ThreadPool` 加快代码运行速度。

GPU 数组
通过使用 Parallel Computing Toolbox™ 在图形处理单元 (GPU) 上运行来加快代码执行。

分布式数组
使用 Parallel Computing Toolbox™ 在集群的组合内存中对大型数组进行分区。