rank函数几种常用的表达式：
X = rand()
X = rand 返回一个在区间 (0,1) 内均匀分布的随机数。
>> x = rand
x =
0.8147
X = rand(n)
X = rand(n) 返回一个 n×n 的随机数矩阵。
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
X = rand(sz1,…,szN)
X = rand(sz1,...,szN) 返回由随机数组成的 sz1×...×szN 数组，其中 sz1,...,szN 指示每个维度的大小。
例如：rand(3,4) 返回一个 3×4 的矩阵。
>> x = rand(3,4)
x =
0.9058 0.6324 0.5469 0.1576
0.1270 0.0975 0.9575 0.9706
0.9134 0.2785 0.9649 0.9572
指定区间的随机数：
一般来说，可以使用公式：
r = a + (b-a).*rand(N,1) 生成区间 (a,b) 内的 N 个随机数。
例：生成一个由区间 (-5,5) 内均匀分布的数字组成的 10×1 列向量。
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
可以看到，上面我们生成的都是小数，而不是整数，那么我们也可以使用randi(注意不是rand)命令来生成指定区间的整数。
随机整数
例：使用 randi 函数（而不是 rand）生成在 10 和 50 之间均匀分布的 5 个随机整数。
r = randi([10 50],1,5)
r = 1×5
43 47 15 47 35
随机复数：
例：生成一个实部和虚部位于区间 (0,1) 内的随机复数。
a = rand + 1i*rand
a = 0.8147 + 0.9058i
重置随机数生成器
随机数生成器–类似
C语言中的伪随机数种子，我们让计算机产生的随机数其实并不是那么的“随机”。
当初始的随机数种子是确定的时候，由它生成的一系列的数都是确定的，所以我们又将此称为伪随机数。
只有我们不断重置当前随机数种子的时候(C语言中把时间当成随机数种子)，我们由它产生的一系列数字才可能看起来是随机的。
既然这样我们也可以保存当前的随机数种子，这样做看起来虽然没有任何意义，但不如这样想，当我们想要的数据是通过某个随机数种子生存，下次我们还想要一模一样的数据的时候，我们就无从下手，唯一的做法是保存当前的随机数种子，下次继续调用我们保存的随机数种子即可。
例：保存随机数生成器的当前状态并创建一个由随机数组成的 1×5 向量。
s = rng;
r = rand(1,5)
r = 1×5
0.8147 0.9058 0.1270 0.9134 0.6324
``将随机数生成器的状态恢复为 s，然后创建一个由随机数组成的新 1×5 向量。值与之前相同。
```cpp
rng(s);
r1 = rand(1,5)
r1 = 1×5
0.8147 0.9058 0.1270 0.9134 0.6324
三维数组
例：创建一个由随机数组成的 3×2×3 数组。
>> x =rand(3,2,3)
x(:,:,1) =
0.1869 0.6463
0.4898 0.7094
0.4456 0.7547
x(:,:,2) =
0.2760 0.1626
0.6797 0.1190
0.6551 0.4984
x(:,:,3) =
0.9597 0.2238
0.3404 0.7513
0.5853 0.2551
指定随机数的数据类型
例：创建一个由其元素为单精度值的随机数组成的 1×4 向量。
r = rand(1,4,'single')
r = 1x4 single row vector
0.8147 0.9058 0.1270 0.9134
class(r)
ans =
'single'
