Сгенерируйте матрицу 5 на 5 равномерно распределенных случайных чисел между 0 и 1.

r = rand(5)

r = 5×5

    0.8147    0.0975    0.1576    0.1419    0.6557
    0.9058    0.2785    0.9706    0.4218    0.0357
    0.1270    0.5469    0.9572    0.9157    0.8491
    0.9134    0.9575    0.4854    0.7922    0.9340
    0.6324    0.9649    0.8003    0.9595    0.6787

Сгенерируйте вектор-столбец равномерно распределенных чисел в интервале (-5,5).

r = -5 + (5+5)*rand(10,1)

r = 10×1

    3.1472
    4.0579
   -3.7301
    4.1338
    1.3236
   -4.0246
   -2.2150
    0.4688
    4.5751
    4.6489

В целом можно сгенерировать N случайные числа в интервале (a, b) с формулой r = a + (b-a).*rand(N,1).

Используйте randi функция (вместо rand), чтобы сгенерировать 5 равномерно распределенные случайные числа между 10 и 50.

r = randi([10 50],1,5)

r = 1×5

    43    47    15    47    35

Сгенерируйте одно случайное комплексное число с вещественными и мнимыми частями в интервале (0,1).

a = rand + 1i*rand

a = 0.8147 + 0.9058i

Сохраните текущее состояние генератора случайных чисел и создайте вектор случайных чисел 1 на 5.

s = rng;
r = rand(1,5)

r = 1×5

    0.8147    0.9058    0.1270    0.9134    0.6324

Восстановите состояние генератора случайных чисел в s, а затем создайте новый вектор 1 на 5 случайных чисел. Значения те же, что и прежде.

rng(s);
r1 = rand(1,5)

r1 = 1×5

    0.8147    0.9058    0.1270    0.9134    0.6324

Всегда используйте rng функция (а не rand или randn functions), чтобы задать настройки генератора случайных чисел. Для получения дополнительной информации смотрите Заменить обескураженные синтаксисы rand и randn.

Создайте массив случайных чисел 3 на 2 на 3.

X = rand([3,2,3])

X = 
X(:,:,1) =

    0.8147    0.9134
    0.9058    0.6324
    0.1270    0.0975


X(:,:,2) =

    0.2785    0.9649
    0.5469    0.1576
    0.9575    0.9706


X(:,:,3) =

    0.9572    0.1419
    0.4854    0.4218
    0.8003    0.9157

Создайте вектор 1 на 4 случайных чисел, элементы которого являются одинарной точностью.

r = rand(1,4,'single')

r = 1x4 single row vector

    0.8147    0.9058    0.1270    0.9134

class(r)

ans = 
'single'

Создайте матрицу случайных чисел с таким же размером, как и существующий массив.

A = [3 2; -2 1];
sz = size(A);
X = rand(sz)

X = 2×2

    0.8147    0.1270
    0.9058    0.9134

Обычным шаблоном является объединение двух предыдущих строк кода в одну линию:

X = rand(size(A));

Создайте матрицу 2 на 2 с одной точностью случайных чисел.

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

Создайте массив случайных чисел того же размера и данных типа, что и p.

X = rand(size(p),'like',p)

X = 2x2 single matrix

    0.8147    0.1270
    0.9058    0.9134

class(X)

ans = 
'single'

Если у вас есть Parallel Computing Toolbox™, создайте распределенный массив случайных чисел 1000 на 1000 с базовым типом данных single. Для distributed тип данных, 'like' синтаксис клонирует базовый тип данных в дополнение к типу первичных данных.

p = rand(1000,'single','distributed');

Starting parallel pool (parpool) using the 'local' profile ...
connected to 6 workers.

X = rand(size(p),'like',p);

class(X)

ans =

    'distributed'

underlyingType(X)

ans =

    'single'