本书是写给没有学过任何计算机语言的读者的，例如大学生。本书主要讲授MATLAB的基本知识，从如何打开MATLAB的指令窗口，输入最简单的指令开始，利用MATLAB提供的交互式环境，用简明的实例向读者示范如何调用MATLAB的内部函数实现数值计算、符号运算和平面曲线、空间曲线与曲面图等图形输出，以及机器学习和线性代数与微积分的应用。本书的应用篇介绍了MATLAB在机器学习中的应用，讨论了如何应用线性代数与函数求极值的基础知识以及MATLAB的内置函数来编程实现常用的机器学习算法，例如，（广义）线性最小二乘法与梯度下降法、线性支持向量机等，也讲解与用到了各种控制程序流程的语句，这可以帮助读者编制出更复杂的算法。书中所设计的范例全部在MATLAB 2020a中运行过，“输出结果”中的数字和显示的图形均为运行结果。
本书采用图学思维方式、二维表述形式，运用典型范例，简单明了、易于理解，可帮助读者更快、更直观地理解和运用MATLAB工作平台，为读者的科学论文、研究报告提供计算和图形支持。

第1篇 基本篇
第1章 导论
1.1 MATLAB是什么
1.2 为什么用MATLAB
1.2.1 MATLAB的特点
1.2.2 MATLAB的应用
1.2.3 MATLAB与Python的比较
1.3 使用MATLAB的准备工作
1.3.1 MATLAB的启动
1.3.2 运行环境设定
1.3.3 命令行窗口
1.3.4 退出命令行窗口
1.4 应用实例
1.4.1 数字运算
1.4.2 数据可视化运算
第2章 基本操作
2.1 变量赋值
2.1.1 变量名
2.1.2 结果的显示
2.1.3 指令窗口中的数值显示格式
2.1.4 显示格式与运算精度的设置
2.2 向量的输入
2.2.1 一般行向量的输入
2.2.2 等差数列的输入与产生
2.3 矩阵的输入
2.3.1 一般矩阵的输入
2.3.2 矩阵的大小和向量的长度
2.3.3 一些特殊矩阵的输入
2.4 字符串的输入
2.5 若干操作指令
习题
第3章 数值计算
3.1 基本运算
3.1.1 基本运算的条件
3.1.2 算术运算(符)
3.1.3 点乘、点乘方与点除运算
3.1.4 数值的字符表达和分数表达
3.2 矩阵的一元运算
3.2.1 矩阵的转置
3.2.2 数乘矩阵
3.2.3 方阵的行列式
3.2.4 方阵的逆
3.2.5 与矩阵相关的其他数值
3.3 向量的内积与外积
3.3.1 向量的内积
3.3.2 向量的外积
3.4 内置函数与函数值计算
3.4.1 两个重要搜索指令
3.4.2 取整的内置函数
3.5 随机数的产生
3.5.1 一致分布的随机数
3.5.2 正态分布的随机数
3.6 创建和运行M文件
3.6.1 创建函数子程序文件
3.6.2 运行M文件
3.6.3 创建调用函数的M文件与输入数据
习题
第4章 分块矩阵
4.1 矩阵的分块
4.2 分块矩阵的运算
4.2.1 分块矩阵的加法、数乘与转置
4.2.2 分块矩阵的乘法
4.3 矩阵的分块表达式与子块的抽取
4.3.1 一般子块的抽取
4.3.2 行或(与)列序号连续的子块的抽取
4.3.3 一行或一列的抽取
4.3.4 分块矩阵的形成
4.3.5 删去矩阵的某些行或列
4.4 应用分块行向量的一种输出方法
4.5 求和式的内积与矩阵表达
4.5.1 一重求和式
4.5.2 矩阵的按行按列分块
4.5.3 二重求和式
习题
第5章 数据可视化
5.1 二维作图
5.1.1 用内置函数plot作图
5.1.2 辅助作图的内置函数与参数
5.1.3 用矩阵作为plot的参数作图
5.2 三维作图
5.2.1 空间曲线作图
5.2.2 曲面作图
5.2.3 用矩阵作为plot3的参数
5.3 几种三维作图内置函数
5.3.1 曲面简易绘制函数ezmesh
5.3.2 圆柱面与椭圆柱面的作图
5.3.3 单位球面与椭球面的作图
习题
第6章 符号数学
6.1 符号常量
6.1.1 符号常量的创建
6.1.2 符号常量与数值常量的区别
6.2 符号变量与符号表达式
6.2.1 符号变量的创建
6.2.2 符号表达式
6.3 符号矩阵
6.3.1 符号矩阵的创建
6.3.2 符号矩阵的分块
6.4 符号算术运算
6.4.1 按某变量的幂次降幂排列且合并同类项
6.4.2 乘积展开
6.4.3 因式分解
6.4.4 化简
6.4.5 通分
6.5 符号微分
6.5.1 符号极限
6.5.2 符号微分
6.6 符号积分
习题
第7章 控制结构
7.1 if语句
7.1.1 if条件语句的一般结构
7.1.2 逻辑表达式
7.1.3 逻辑运算符
7.2 循环语句
7.2.1 for循环语句
7.2.2 while循环语句
7.2.3 switch—case语句
习题
第2篇 机器学习应用篇
第8章 线性回归与梯度下降法
8.1 回归与分类
8.1.1 回归问题
8.1.2 分类问题
8.2 线性回归
8.2.1 数学符号与术语
8.2.2 线性回归模型
8.3 线性最小二乘法
8.3.1 矛盾方程组的“解”
8.3.2 线性最小二乘法
8.4 广义逆矩阵解
8.4.1 矩阵的广义逆
8.4.2 最小二乘问题的广义逆解
8.4.3 预报值与误差
8.5 两个广义线性回归模型：Logistic与Probit
8.5.1 广义线性模型与链接函数
8.5.2 Logistic模型
8.5.3 Probit模型
8.6 梯度下降法
8.6.1 梯度的定义及其性质
8.6.2 最速下降法
8.6.3 梯度下降法的缺点与改进设想
8.7 数据线性化
习题
第9章 线性支持向量机
9.1 什么是支持向量机
9.2 分类支持向量机
9.2.1 简化的心脏病诊断问题
9.2.2 分类模型与内置函数sign
9.2.3 线性可分问题与凸壳
9.2.4 平分最近点分类法
9.2.5 最大间隔分类法
9.2.6 关于名词“支持向量机”
9.3 支持向量回归机
9.3.1