BakaikinKV/it-labs
1
0
Форкнуть 0
ответвлено от main/it-labs
Код Задачи Запросы на слияние Пакеты Проекты Релизы Вики Активность

Сравнить коммиты

Основа: BakaikinKV:5e9045b8e63a456f21aa5deb91f0f1b9aacffee5
Ветки Теги
BakaikinKV:main main:main
..
сравнить: main:main
Ветки Теги
main:main BakaikinKV:main

1 Коммитов
5e9045b8e6 ... main

Автор SHA1 Сообщение Дата
Дмитрий Козлюк
eb4b78d4a5 doc: актуализировано описание работы с Git 
* Убрана  синхронизация с апстримом, так как не требуется для CI,
  однако путает студентов, которые не понимают, когда её делать.

* Добавлена настройка Git, отключающая Windows credential helper.

* Добавлена настройка авторства коммитов.

* Добавлены примечания для компьютерных классов.
 2026-02-18 13:48:51 +00:00
23 изменённых файлов: 28 добавлений и 3099 удалений
Показать все файлы Свернуть все файлы

37
README.md
Просмотреть файл

@@ -2,42 +2,53 @@
[Репозиторий с методическими указаниями и заданиями.](http://uit.mpei.ru/git/main/it) [Репозиторий с методическими указаниями и заданиями.](http://uit.mpei.ru/git/main/it)
## Работа с Git
**Работы проверяются только после того, как закоммичены по правилам ниже.** **Работы проверяются только после того, как закоммичены по правилам ниже.**
## Работа с Git
[Лабораторная работа про Git второго семестра][gitlab] [Лабораторная работа про Git второго семестра][gitlab]
поможет вспомнить, как работать с Git. поможет вспомнить, как работать с Git.
[gitlab]: http://uit.mpei.ru/git/main/cs/src/branch/main/labs/lab02 [gitlab]: http://uit.mpei.ru/git/main/cs/src/branch/main/labs/lab02
1. В начале семестра 1. Один раз в начале семестра
создать на сервере копию этого репозитория («форкнуть» его), нажав *Fork*. создать на сервере копию этого репозитория («форкнуть» его), нажав *Fork*.
Получится репозиторий-форк `http://uit.mpei.ru/git/IvanovII/it-labs`, Получится репозиторий-форк `http://uit.mpei.ru/git/IvanovII/it-labs`,
где `IvanovII` — ваше имя пользователя. где `IvanovII` — ваше имя пользователя.
2. В начале каждого занятия: 2. В начале каждого занятия:
Клонировать свой форк на рабочий стол 1. Настроить Git, чтобы не было проблем с вводом пароля:
```sh
git config --global credential.helper ""
git config --global core.askpass ""
```
2. Клонировать свой форк на рабочий стол
(`IvanovII` заменить на свое имя пользователя): (`IvanovII` заменить на свое имя пользователя):
```sh ```sh
git clone http://uit.mpei.ru/git/IvanovII/it-labs.git git clone http://uit.mpei.ru/git/IvanovII/it-labs.git
``` ```
Перебазировать свой форк на исходный репозиторий ("апстрим"): Не клонируйте на диск L (students) в компьютерном классе —
не будет работать Git.
Не клонируйте в папку, в пути к которой есть русские буквы и пробелы —
не будет работать Octave.
3. Перейти в клонированную папку и настроить имя пользователя и почту,
чтобы у коммитов был правильный автор:
```sh ```sh
# Первую команду нужно запускать только один раз, cd it-labs
# иначе будет ошибка "error: remote upstream already exists". git config user.name "Иванов И. И."
git remote add upstream http://uit.mpei.ru/git/main/it-labs.git git config user.email "IvanovII@mpei.ru"
git fetch upstream
git stash push
git rebase upstream/main
git stash pop
``` ```
Перебазировать нужно, чтобы подтянуть из исходного репозитория обновления. Если вы работаете со своего компьютера, а не с лабораторного,
то все эти шаги нужно сделать один раз, а не каждое занятие.
3. После того, как отчет написан, закоммитить его как `TEMAn/report.md`. 3. После того, как отчет написан, закоммитить его как `TEMAn/report.md`.

346
ТЕМА1/Perem
Просмотреть файл

@@ -1,346 +0,0 @@
# Created by Octave 10.3.0, Wed Feb 11 17:32:18 2026 UTC <unknown@DESKTOP-7NQ75O4>
# name: A
# type: matrix
# rows: 4
# columns: 6
-2.4768373846762071 0.2022424292672908 1.7213593265114695 0.56066204149552512 -0.65101654748907489 -0.57757389331175413
-1.833978171104192 -1.103007288562684 -0.3086927153971098 -0.47631398696533422 0.23475485607949262 -0.10192258453176552
0.12507222560182019 -0.63015998120244898 1.4213194216059777 0.51739070911189877 -0.68453163829416586 0.82192423117509672
0.73360191857893964 -0.4126226278399413 0.84494156531258413 -1.2094578724432639 0.52736142070578329 -0.30049223849787182
# name: B
# type: matrix
# rows: 4
# columns: 7
0.050805040296663662 0.61420955922529741 0.72905812125037994 0.88880452145338895 0.99263277810635697 0.96668584850998096 0.64955792205364071
0.95590103366676171 0.74273486734529148 0.52334680082239915 0.25204612991319986 0.36938751192961961 0.46490962708974326 0.23779102219799708
0.2690367190564632 0.60605009575511726 0.6916365392766991 0.90965014838540226 0.52168391935774971 0.067134930053068587 0.76744432550984687
0.35581901383742198 0.23349372844596328 0.058284730333129753 0.71135477494748245 0.71417393364888415 0.71730764538090497 0.25257216699041174
# name: B1
# type: matrix
# rows: 4
# columns: 7
0.22539973446449235 0.7837152283995108 0.85384900377665129 0.94276429793103056 0.99630957945126519 0.98320183508269599 0.80595156309398686
0.97770191452546606 0.86182067006152241 0.72342712198423909 0.50204196031128701 0.60777258241024623 0.68184281699651517 0.48763820830406335
0.51868749652990787 0.77849219376633272 0.83164688376539897 0.95375581171775947 0.72227689936599093 0.2591040911546334 0.87603899771063098
0.5965056695769303 0.4832118877324556 0.24142230703298681 0.84341850521996642 0.84508812182451376 0.84694016635232561 0.50256558476522417
# name: B1D
# type: matrix
# rows: 4
# columns: 1
0.22539973446449235
0.86182067006152241
0.83164688376539897
0.84341850521996642
# name: B2
# type: matrix
# rows: 4
# columns: 7
-2.9797597108812637 -0.48741910739529504 -0.31600182278476019 -0.11787795352587933 -0.0073944939013718533 -0.033881708586369547 -0.43146326739640078
-0.045100892558509881 -0.29741613866683919 -0.64751093558346839 -1.3781431530121639 -0.99590901815114274 -0.76591224262789448 -1.4363630490209951
-1.3129074066272211 -0.5007926300669201 -0.36869469360635326 -0.094695205715716324 -0.65069339297159057 -2.7010508033427394 -0.26468934220425844
-1.0333330655002804 -1.4546000611376895 -2.8424151353152238 -0.34058399339257817 -0.33662874175906532 -0.33225045735238196 -1.376058261239564
# name: B3
# type: matrix
# rows: 4
# columns: 7
0.050783187194255855 0.57631273107564385 0.66616747537127519 0.77631874384796262 0.83746765811983104 0.82300769838129884 0.6048344155200408
0.81683385394541719 0.67630500099088142 0.49978176757244525 0.24938596066408558 0.36104432479529197 0.4483420223584168 0.23555638420283118
0.26580293094260471 0.56962546847421058 0.6377985036480005 0.78928897143680998 0.49834077019618001 0.067084510789155005 0.69429822124738105
0.34835819401992008 0.23137785123478527 0.058251735999893271 0.65286058218526666 0.65499343595762605 0.65735815692577471 0.24989534263699065
# name: BS1
# type: matrix
# rows: 4
# columns: 7
0.050805040296663662 0.23349372844596328 0.058284730333129753 0.25204612991319986 0.36938751192961961 0.067134930053068587 0.23779102219799708
0.2690367190564632 0.60605009575511726 0.52334680082239915 0.71135477494748245 0.52168391935774971 0.46490962708974326 0.25257216699041174
0.35581901383742198 0.61420955922529741 0.6916365392766991 0.88880452145338895 0.71417393364888415 0.71730764538090497 0.64955792205364071
0.95590103366676171 0.74273486734529148 0.72905812125037994 0.90965014838540226 0.99263277810635697 0.96668584850998096 0.76744432550984687
# name: BS2
# type: matrix
# rows: 4
# columns: 7
0.35581901383742198 0.23349372844596328 0.058284730333129753 0.71135477494748245 0.71417393364888415 0.71730764538090497 0.25257216699041174
0.2690367190564632 0.60605009575511726 0.6916365392766991 0.90965014838540226 0.52168391935774971 0.067134930053068587 0.76744432550984687
0.050805040296663662 0.61420955922529741 0.72905812125037994 0.88880452145338895 0.99263277810635697 0.96668584850998096 0.64955792205364071
0.95590103366676171 0.74273486734529148 0.52334680082239915 0.25204612991319986 0.36938751192961961 0.46490962708974326 0.23779102219799708
# name: C
# type: double_range
# base, limit, increment
4 27 1
# name: D
# type: matrix
# rows: 4
# columns: 6
4 8 12 16 20 24
5 9 13 17 21 25
6 10 14 18 22 26
7 11 15 19 23 27
# name: D1
# type: scalar
22
# name: D2
# type: matrix
# rows: 1
# columns: 3
18 22 26
# name: D3
# type: matrix
# rows: 2
# columns: 3
13 17 21
14 18 22
# name: D4
# type: matrix
# rows: 1
# columns: 5
19 20 21 22 23
# name: D5
# type: matrix
# rows: 2
# columns: 3
6 14 26
7 15 27
# name: DB
# type: diagonal matrix
# rows: 4
# columns: 4
0.22539973446449235
0.86182067006152241
0.83164688376539897
0.84341850521996642
# name: DDD
# type: matrix
# rows: 4
# columns: 6
64 512 1728 4096 8000 13824
125 729 2197 4913 9261 15625
216 1000 2744 5832 10648 17576
343 1331 3375 6859 12167 19683
# name: DL
# type: bool matrix
# rows: 4
# columns: 6
0 0 0 0 1 1
0 0 0 0 1 1
0 0 0 0 1 1
0 0 0 0 1 1
# name: DP1
# type: matrix
# rows: 1
# columns: 6
840 7920 32760 93024 212520 421200
# name: DS1
# type: matrix
# rows: 1
# columns: 6
22 38 54 70 86 102
# name: DS2
# type: matrix
# rows: 4
# columns: 1
84
90
96
102
# name: Dstolb
# type: matrix
# rows: 24
# columns: 1
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
# name: Dsum
# type: scalar
22.547300573537278
# name: Dsum2
# type: scalar
-0.057010896737607175
# name: E
# type: matrix
# rows: 7
# columns: 6
-1.5842589201785295 -1.3604460228588247 0.47540743265482988 -0.71797558348001611 0.19480856225012719 -0.012564622331665307
-2.6363652504775468 -1.1732760515788847 1.8866778381507485 0.021752840222891839 -0.51722485036920762 -0.0024886578615648208
-2.6363027076691159 -0.8897001174168756 2.1257012887908293 0.44683120692329509 -0.79448067324982174 0.076532925622173634
-2.0280481705077484 -0.96500092975846152 3.3461037880047546 -0.011443236893100195 -0.7670006396027419 -0.005132570671041236
-2.5468710708475943 -0.83011330760092661 2.9395651842284614 -0.21326179209055274 -0.53998621963625837 -0.39678677785383049
-2.7123427764656074 -0.65557692472899465 2.2220027105901297 -0.51227728635058412 -0.1878642957108885 -0.76608285418325561
-1.7636794927499191 -0.7187467515332433 2.3489104778768057 0.34251244885332949 -0.75919346324246728 0.15548113784028003
# name: F
# type: matrix
# rows: 4
# columns: 13
-2.4768373846762071 0.2022424292672908 1.7213593265114695 0.56066204149552512 -0.65101654748907489 -0.57757389331175413 0.050805040296663662 0.61420955922529741 0.72905812125037994 0.88880452145338895 0.99263277810635697 0.96668584850998096 0.64955792205364071
-1.833978171104192 -1.103007288562684 -0.3086927153971098 -0.47631398696533422 0.23475485607949262 -0.10192258453176552 0.95590103366676171 0.74273486734529148 0.52334680082239915 0.25204612991319986 0.36938751192961961 0.46490962708974326 0.23779102219799708
0.12507222560182019 -0.63015998120244898 1.4213194216059777 0.51739070911189877 -0.68453163829416586 0.82192423117509672 0.2690367190564632 0.60605009575511726 0.6916365392766991 0.90965014838540226 0.52168391935774971 0.067134930053068587 0.76744432550984687
0.73360191857893964 -0.4126226278399413 0.84494156531258413 -1.2094578724432639 0.52736142070578329 -0.30049223849787182 0.35581901383742198 0.23349372844596328 0.058284730333129753 0.71135477494748245 0.71417393364888415 0.71730764538090497 0.25257216699041174
# name: FF
# type: matrix
# rows: 2
# columns: 4
1 1 1 1
1 1 1 1
# name: G
# type: matrix
# rows: 4
# columns: 6
-9.9073495387048283 1.6179394341383264 20.656311918137632 8.9705926639284019 -13.020330949781497 -13.8617734394821
-9.1698908555209595 -9.927065597064157 -4.0130053001624271 -8.0973377784106813 4.9298519776693448 -2.5480646132941378
0.75043335361092112 -6.3015998120244898 19.898471902483688 9.3130327640141779 -15.059696042471648 21.370030010552515
5.1352134300525778 -4.5388489062393544 12.674123479688761 -22.979699576422014 12.129312676233015 -8.1132904394425385
# name: GG
# type: matrix
# rows: 5
# columns: 5
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
# name: H
# type: sq_string
# elements: 1
# length: 24
This is a symbols vector
# name: L
# type: complex matrix
# rows: 1
# columns: 2
(-2,23.100000000000001) (3,-5.5999999999999996)
# name: M
# type: matrix
# rows: 4
# columns: 6
-2.2016332308232953 0.35954209647518365 4.5902915373639184 1.9934650364285338 -2.8934068777292214 -3.0803940976626887
-2.0377535234491022 -2.2060145771253681 -0.89177895559165044 -1.7994083952023736 1.0955226617042988 -0.56623658073203065
0.16676296746909358 -1.40035551378322 4.4218826449963755 2.0695628364475951 -3.3465991205492553 4.7488955579005587
1.1411585400116839 -1.0086330902754121 2.8164718843752805 -5.1065999058715583 2.6954028169406699 -1.8029534309872308
# name: NN
# type: matrix
# rows: 1
# columns: 20
11.5 12.689473684210526 13.878947368421052 15.06842105263158 16.257894736842104 17.44736842105263 18.63684210526316 19.826315789473686 21.015789473684212 22.205263157894738 23.394736842105264 24.58421052631579 25.773684210526316 26.963157894736842 28.152631578947371 29.342105263157897 30.531578947368423 31.721052631578949 32.910526315789475 34.100000000000001
# name: dinv
# type: matrix
# rows: 4
# columns: 4
0.17746269747125529 -0.12856008405084191 -0.12580805918232896 0.066287693698875036
-0.12856008405084191 0.2986185627903491 0.11391846734383333 -0.023690145445859543
-0.12580805918232896 0.11391846734383333 0.35394287019638826 -0.070003729876254542
0.066287693698875036 -0.023690145445859543 -0.070003729876254542 0.33751833051407898
# name: dt
# type: scalar
340.24279896201296
# name: elem
# type: scalar
28
# name: i
# type: scalar
19
# name: k
# type: scalar
7
# name: nm
# type: matrix
# rows: 1
# columns: 2
4 7

5
ТЕМА1/Prog1.m
Просмотреть файл

@@ -1,5 +0,0 @@
D1=D(3,5)
D2=D(3,4:end)
D3=D(2:3,3:5)
D4=D(16:20)
D5=D(3:4,[1,3,6])

Двоичные данные
ТЕМА1/assets/figure0.PNG
Просмотреть файл

Двоичный файл не отображается.
Режим "рядом"

До

Ширина:  |  Высота:  |  Размер: 1.7 KiB

Двоичные данные
ТЕМА1/assets/figure1.PNG
Просмотреть файл

Двоичный файл не отображается.
Режим "рядом"

До

Ширина:  |  Высота:  |  Размер: 7.0 KiB

Двоичные данные
ТЕМА1/assets/figure2.PNG
Просмотреть файл

Двоичный файл не отображается.
Режим "рядом"

До

Ширина:  |  Высота:  |  Размер: 33 KiB

Двоичные данные
ТЕМА1/assets/figure3.PNG
Просмотреть файл

Двоичный файл не отображается.
Режим "рядом"

До

Ширина:  |  Высота:  |  Размер: 25 KiB

Двоичные данные
ТЕМА1/assets/figure4.PNG
Просмотреть файл

Двоичный файл не отображается.
Режим "рядом"

До

Ширина:  |  Высота:  |  Размер: 15 KiB

Двоичные данные
ТЕМА1/assets/figure5.PNG
Просмотреть файл

Двоичный файл не отображается.
Режим "рядом"

До

Ширина:  |  Высота:  |  Размер: 41 KiB

Двоичные данные
ТЕМА1/assets/figure6.PNG
Просмотреть файл

Двоичный файл не отображается.
Режим "рядом"

До

Ширина:  |  Высота:  |  Размер: 18 KiB

Двоичные данные
ТЕМА1/assets/figure7.PNG
Просмотреть файл

Двоичный файл не отображается.
Режим "рядом"

До

Ширина:  |  Высота:  |  Размер: 12 KiB

Двоичные данные
ТЕМА1/assets/figure8.png
Просмотреть файл

Двоичный файл не отображается.
Режим "рядом"

До

Ширина:  |  Высота:  |  Размер: 6.4 KiB

Двоичные данные
ТЕМА1/assets/figure9.png
Просмотреть файл

Двоичный файл не отображается.
Режим "рядом"

До

Ширина:  |  Высота:  |  Размер: 31 KiB

635
ТЕМА1/report.md
Просмотреть файл

@@ -1,635 +0,0 @@
# Отчет по теме 1
Бакайкин Константин, А-03-24
## 1 Изучение среды GNU Octave
## 2 Настройка текущего каталога
Нажал на окно рядом с *Текущая папка:* и установил путь к папке ТЕМА1:
![Скриншот выбора текущей папки](assets/figure0.PNG)
## 3 Настройка отображения
Нажал в главном меню предложение *Окно* и отметил соответствующие закладки галочками:
![Скриншот предложения "Окно"](assets/figure1.PNG)
## 4 Настройка пути
Установил путь к папкам ТЕМА1 и ТЕМА2. отобразил список файлов размещенных в текущей папке:
![Скриншот списка файлов текущей папки](assets/figure2.PNG)
## 5 Изучение работы системы помощи
3 способа взаимодействия с системой помощи:
В главном меню выберите предложения «Справка» + « Документация» + « На диске»
Ввод в командную строк help randn
В главном меню выберите предложения «Справка» + «Пакеты Octave»
## 6 Создание матриц и векторов
Сделали матрицу А с нормально распределенными числами (4x6)
```matlab
>> A=randn(4,6)
A =
-2.4768 0.2022 1.7214 0.5607 -0.6510 -0.5776
-1.8340 -1.1030 -0.3087 -0.4763 0.2348 -0.1019
0.1251 -0.6302 1.4213 0.5174 -0.6845 0.8219
0.7336 -0.4126 0.8449 -1.2095 0.5274 -0.3005
```
Сделали матрицу B с равномерно распределенными числами (4x7) с диапозоном от 0 до 1
```matlab
>> B=rand(4,7)
B =
0.050805 0.614210 0.729058 0.888805 0.992633 0.966686 0.649558
0.955901 0.742735 0.523347 0.252046 0.369388 0.464910 0.237791
0.269037 0.606050 0.691637 0.909650 0.521684 0.067135 0.767444
0.355819 0.233494 0.058285 0.711355 0.714174 0.717308 0.252572
```
Сделали вектор С с целыми числами от 4 до 27
```matlab
>> C=4:27
C =
4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27
```
Сделали символьный вектор H
```matlab
>> H='This is a symbols vector'
H = This is a symbols vector
```
Сделали вектор-строку L с 2 комплексными элементами
```matlab
>> L=[-2+23.1j, 3-5.6j]
L =
-2.0000 + 23.1000i 3.0000 - 5.6000i
```
## 7 Операции с матрицами и векторами
преобразовали матрицу С в матрицу с 6 столбцами (D)
```matlab
>> D=reshape(C,[],6)
D =
4 8 12 16 20 24
5 9 13 17 21 25
6 10 14 18 22 26
7 11 15 19 23 27
```
Перемножили матрицу B и матрицу A с транспонированием матрицы В (Создали новую матрицу E)
```matlab
>> E=B'*A
E =
-1.5843e+00 -1.3604e+00 4.7541e-01 -7.1798e-01 1.9481e-01 -1.2565e-02
-2.6364e+00 -1.1733e+00 1.8867e+00 2.1753e-02 -5.1722e-01 -2.4887e-03
-2.6363e+00 -8.8970e-01 2.1257e+00 4.4683e-01 -7.9448e-01 7.6533e-02
-2.0280e+00 -9.6500e-01 3.3461e+00 -1.1443e-02 -7.6700e-01 -5.1326e-03
-2.5469e+00 -8.3011e-01 2.9396e+00 -2.1326e-01 -5.3999e-01 -3.9679e-01
-2.7123e+00 -6.5558e-01 2.2220e+00 -5.1228e-01 -1.8786e-01 -7.6608e-01
-1.7637e+00 -7.1875e-01 2.3489e+00 3.4251e-01 -7.5919e-01 1.5548e-01
```
Создали матрицу путем «горизонтального» соединения матриц А и В (Создали матрицу F)
```matlab
>> F=[A,B]
F =
-2.476837 0.202242 1.721359 0.560662 -0.651017 -0.577574 0.050805 0.614210 0.729058 0.888805 0.992633 0.966686 0.649558
-1.833978 -1.103007 -0.308693 -0.476314 0.234755 -0.101923 0.955901 0.742735 0.523347 0.252046 0.369388 0.464910 0.237791
0.125072 -0.630160 1.421319 0.517391 -0.684532 0.821924 0.269037 0.606050 0.691637 0.909650 0.521684 0.067135 0.767444
0.733602 -0.412623 0.844942 -1.209458 0.527361 -0.300492 0.355819 0.233494 0.058285 0.711355 0.714174 0.717308 0.252572
```
Поэлементно перемножили матрицы A и D (Создали матрицу G)
```matlab
>> G=A.*D
G =
-9.9073 1.6179 20.6563 8.9706 -13.0203 -13.8618
-9.1699 -9.9271 -4.0130 -8.0973 4.9299 -2.5481
0.7504 -6.3016 19.8985 9.3130 -15.0597 21.3700
5.1352 -4.5388 12.6741 -22.9797 12.1293 -8.1133
```
Поэлементно поделили элементы матрицы G на 4.5 (Создали матрицу М)
```matlab
>> M=G./4.5
M =
-2.2016 0.3595 4.5903 1.9935 -2.8934 -3.0804
-2.0378 -2.2060 -0.8918 -1.7994 1.0955 -0.5662
0.1668 -1.4004 4.4219 2.0696 -3.3466 4.7489
1.1412 -1.0086 2.8165 -5.1066 2.6954 -1.8030
```
Поэлементно возвели в степень элементы матрицы D (Создали матрицу DDD)
```matlab
>> DDD=D.^3
DDD =
64 512 1728 4096 8000 13824
125 729 2197 4913 9261 15625
216 1000 2744 5832 10648 17576
343 1331 3375 6859 12167 19683
```
Создали логическую матрицу, совпадающую по размерам с матрицей D и с элементами которые меньше или равны 20 (Создали матрицу DL)
```matlab
>> DL=D>=20
DL =
0 0 0 0 1 1
0 0 0 0 1 1
0 0 0 0 1 1
0 0 0 0 1 1
```
Превратили матрицу D в вектор-столбец
```matlab
>> Dstolb=D(:)
Dstolb =
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
```
## 8 Изучение стандартных функций
Математические функции (корень, натуральный логарифм, синус матрицы B)
```matlab
>> B1=sqrt(B)
B1 =
0.2254 0.7837 0.8538 0.9428 0.9963 0.9832 0.8060
0.9777 0.8618 0.7234 0.5020 0.6078 0.6818 0.4876
0.5187 0.7785 0.8316 0.9538 0.7223 0.2591 0.8760
0.5965 0.4832 0.2414 0.8434 0.8451 0.8469 0.5026
>> B2=log(B)
B2 =
-2.9798e+00 -4.8742e-01 -3.1600e-01 -1.1788e-01 -7.3945e-03 -3.3882e-02 -4.3146e-01
-4.5101e-02 -2.9742e-01 -6.4751e-01 -1.3781e+00 -9.9591e-01 -7.6591e-01 -1.4364e+00
-1.3129e+00 -5.0079e-01 -3.6869e-01 -9.4695e-02 -6.5069e-01 -2.7011e+00 -2.6469e-01
-1.0333e+00 -1.4546e+00 -2.8424e+00 -3.4058e-01 -3.3663e-01 -3.3225e-01 -1.3761e+00
>> B3=sin(B)
B3 =
0.050783 0.576313 0.666167 0.776319 0.837468 0.823008 0.604834
0.816834 0.676305 0.499782 0.249386 0.361044 0.448342 0.235556
0.265803 0.569625 0.637799 0.789289 0.498341 0.067085 0.694298
0.348358 0.231378 0.058252 0.652861 0.654993 0.657358 0.249895
```
Операции с матрицами
- длина матрицы(кол-во столбцов)
```matlab
>> k=length(B1)
k = 7
```
- размер матрицы (строкиXстолбцы)
```matlab
>> nm=size(B1)
nm =
4 7
```
- количество элементов матрицы
```matlab
>> elem=numel(B1)
elem = 28
```
- создание вектор-строки от 11.5 до 34.1 с 20 значениями
```matlab
>> NN=linspace(11.5,34.1,20)
NN =
Columns 1 through 18:
11.500 12.689 13.879 15.068 16.258 17.447 18.637 19.826 21.016 22.205 23.395 24.584 25.774 26.963 28.153 29.342 30.532 31.721
Columns 19 and 20:
32.911 34.100
```
- создание единичной матрицы (2x4)
```matlab
>> FF=ones(2,4)
FF =
1 1 1 1
1 1 1 1
```
- создание нулевой матрицы (5х5)
```matlab
>> GG=zeros(5)
GG =
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
```
- извлечение из матрицы B1 главной диагонали (матрица -> вектор)
```matlab
>> B1D=diag(B1)
B1D =
0.2254
0.8618
0.8316
0.8434
```
- создание матрицы по главной диагонали матрицы B1D(вектор -> матрица)
```matlab
>> DB=diag(B1D)
DB =
Diagonal Matrix
0.2254 0 0 0
0 0.8618 0 0
0 0 0.8316 0
0 0 0 0.8434
```
- сортировка матрицы B по возрастанию (каждый столбец)
```matlab
>> BS1=sort(B)
BS1 =
0.050805 0.233494 0.058285 0.252046 0.369388 0.067135 0.237791
0.269037 0.606050 0.523347 0.711355 0.521684 0.464910 0.252572
0.355819 0.614210 0.691637 0.888805 0.714174 0.717308 0.649558
0.955901 0.742735 0.729058 0.909650 0.992633 0.966686 0.767444
```
- сортировка матрицы B по второму столбцу (в порядке возрастания)
```matlab
>> BS2 = sortrows(B,2)
BS2 =
0.355819 0.233494 0.058285 0.711355 0.714174 0.717308 0.252572
0.269037 0.606050 0.691637 0.909650 0.521684 0.067135 0.767444
0.050805 0.614210 0.729058 0.888805 0.992633 0.966686 0.649558
0.955901 0.742735 0.523347 0.252046 0.369388 0.464910 0.237791
```
- cуммирование матрицы D по столбцам
```matlab
>> DS1=sum(D)
DS1 =
22 38 54 70 86 102
```
- cуммирование матрицы D по строкам
```matlab
>> DS2=sum(D,2)
DS2 =
84
90
96
102
```
- произведение матрицы D по столбцам
```matlab
>> DP1=prod(D)
DP1 =
840 7920 32760 93024 212520 421200
```
- определитель произведения матрицы A на её транспонированную матрицу
```matlab
>> dt=det(A*A')
dt = 340.24
```
- обратная матрица для произведения матрицы A на её транспонированную матрицу
```matlab
>> dinv=inv(A*A')
dinv =
0.177463 -0.128560 -0.125808 0.066288
-0.128560 0.298619 0.113918 -0.023690
-0.125808 0.113918 0.353943 -0.070004
0.066288 -0.023690 -0.070004 0.337518
```
## 9 Изучили работу с индексацией элементов матриц
- извлечение элемента, находящегося на пересечении 3-й строки и 5-го столбца матрицы D
```matlab
>> D1=D(3,5)
D1 = 22
```
- извлечение части 3-й строки матрицы D — с 4-го столбца и до конца
```matlab
>> D2=D(3,4:end)
D2 =
18 22 26
```
- извлечение подматрицы из матрицы D — строки со 2 по 3 и столбцы с 3 по 5
```matlab
>> D3=D(2:3,3:5)
D3 =
13 17 21
14 18 22
```
- извлечение элементов с 16-го по 20-й включительно из матрицы D как одномерный массив (вектор)
```matlab
>> D4=D(16:20)
D4 =
19 20 21 22 23
```
- извлечение подматрицы из D: строки 3–4 и столбцы 1, 3 и 6
```matlab
>> D5=D(3:4,[1,3,6])
D5 =
6 14 26
7 15 27
```
## 10 Изучение некоторых управляющих конструкций
Цикл по перечислению (С 1-го по 6-й столбец)
```matlab
>> Dsum=0
Dsum = 0
>> for i=1:6
Dsum=Dsum+sqrt(D(2,i))
endfor
Dsum = 2.2361
Dsum = 5.2361
Dsum = 8.8416
Dsum = 12.965
Dsum = 17.547
Dsum = 22.547
```
Цикл пока выполняется условие (он продолжается, пока значение первого элемента матрицы D меньше 22)
```matlab
>> Dsum2=0;i=1
i = 1
>> while (D(i)<22)
Dsum2=Dsum2+sin(D(i))
i=i+1
endwhile
Dsum2 = -0.7568
i = 2
Dsum2 = -1.7157
i = 3
Dsum2 = -1.9951
i = 4
Dsum2 = -1.3382
i = 5
Dsum2 = -0.3488
i = 6
Dsum2 = 0.063321
i = 7
Dsum2 = -0.4807
i = 8
Dsum2 = -1.4807
i = 9
Dsum2 = -2.0173
i = 10
Dsum2 = -1.5971
i = 11
Dsum2 = -0.6065
i = 12
Dsum2 = 0.043799
i = 13
Dsum2 = -0.2441
i = 14
Dsum2 = -1.2055
i = 15
Dsum2 = -1.9565
i = 16
Dsum2 = -1.8066
i = 17
Dsum2 = -0.8937
i = 18
Dsum2 = -0.057011
i = 19
```
Условие if (проверка условия, что значение в матрице D в 3-й строке и 5-м столбце >=20)
```matlab
>> if (D(3,5)>=20)
printf('D(3,5)>=20')
else
printf('D(3,5)<20')
endif
D(3,5)>=20>>
```
## 11 Использование графических функций
Функция построения графиков
```matlab
>>plot(D(1,:),B([2,4],1:6))
```
По оси X — вся первая строка матрицы D
По оси Y — данные из матрицы B: строки 2 и 4, столбцы с 1 по 6
![Скриншот графиков](assets/figure3.PNG)
Функция расчета и построения гистограммы
```matlab
>> hist(A(:),6)
```
![Скриншот гистограммы](assets/figure4.PNG)
Функция графика "Пирог"
```matlab
>> pie(C)
```
![Скриншот графика "Пирог"](assets/figure5.PNG)
Функция столбчатой диаграммы
```matlab
>> bar(C)
```
![Скриншот столбчатой диаграммы](assets/figure6.PNG)
## 12 Изучение работы с текстовым редактором среды
Создал файл и занес в него команды из 9 пункта:
![Скриншот файла Prog1.m](assets/figure7.PNG)
```matlab
>> Prog1
D1 = 22
D2 =
18 22 26
D3 =
13 17 21
14 18 22
D4 =
19 20 21 22 23
D5 =
6 14 26
7 15 27
```
Проверка запуска файла из командного окна:
![Скриншот запуска файла](assets/figure8.png)
## 13 Файлы переменных
Создали файл переменных (Perem),перезапустили IDE, загрузили область переменных:
![Скриншот сохранённого файла Perem](assets/figure9.png)

288
ТЕМА1/task.md
Просмотреть файл

@@ -1,288 +0,0 @@
\# Общее контрольное задание по теме 1
Бакайкин Константин, А-03-24
\## Задание 1
Создайте переменную ММ – матрицу 5х7 со случайными нормально распределенными элементами с математическим ожиданием 10 и стан-дартным отклонением 8.
\## Решение 1
```matlab
type ‘pkg load statistics’ from the Octave prompt.
>> pkg load statistics
>> MM = normrnd(10, 8, \[5, 7])%матрица 5x7 c нормальным законом распределения с мат. ожиданием 10 и стандарт. отклонением 8
MM =
&nbsp; 6.2123 11.5390 4.9818 10.5996 -10.4581 12.4230 17.4780
&nbsp; 13.6807 4.7491 10.0626 10.2753 10.1129 13.5258 -8.8423
&nbsp; 17.2013 18.5296 10.6960 0.7084 16.7562 13.5162 1.6565
&nbsp; 11.6338 -3.1684 8.8374 19.0090 -17.1580 5.0793 -1.6553
&nbsp; -3.8405 14.1019 3.3335 3.6932 -0.6659 15.1892 26.3863
```
\## Задание 2
Рассчитайте среднее значение SR по всем элементам матрицы ММ.
\## Решение 2
```matlab
SR = mean(MM, 'all')%ср.знач по всем эл-там матрицы
SR = 7.6051
```
\## Задание 3
Замените в ММ все значения, превышающие SR+8, на значение SR+8, а значения, меньшие, чем SR-8, - на SR-8.
\## Решение 3
```matlab
>> lower\_border = SR - 8%нижняя граница
lower\_border = -0.3949
>> upper\_border = SR + 8%верхняя граница
upper\_border = 15.605
>> MM(MM > upper\_border) = upper\_border%проверка выполнения условия верхней границы
>> MM(MM < lower\_border) = lower\_border%проверка выполнения условия нижней границы
>> MM%вывод матрицы
MM =
&nbsp; 6.2123 11.5390 4.9818 10.5996 -0.3949 12.4230 15.6051
&nbsp; 13.6807 4.7491 10.0626 10.2753 10.1129 13.5258 -0.3949
&nbsp; 15.6051 15.6051 10.6960 0.7084 15.6051 13.5162 1.6565
&nbsp; 11.6338 -0.3949 8.8374 15.6051 -0.3949 5.0793 -0.3949
&nbsp; -0.3949 14.1019 3.3335 3.6932 -0.3949 15.1892 15.6051
```
\## Задание 4
Превратите ММ в вектор – столбец ММС. Упорядочьте его элементы по возрастанию. Определите значение медианы, в качестве которого возь-мите серединное по порядку индексов значение в упорядоченном векторе.
\## Решение 4
```matlab
>> MMC = MM(:)%создание вектор-столбца
>> MMC = sort(MMC, 'ascend')%сортировка по возрастанию
MMC =
&nbsp; -0.3949
&nbsp; -0.3949
&nbsp; -0.3949
&nbsp; -0.3949
&nbsp; -0.3949
&nbsp; -0.3949
&nbsp; -0.3949
&nbsp; 0.7084
&nbsp; 1.6565
&nbsp; 3.3335
&nbsp; 3.6932
&nbsp; 4.7491
&nbsp; 4.9818
&nbsp; 5.0793
&nbsp; 6.2123
&nbsp; 8.8374
&nbsp; 10.0626
&nbsp; 10.1129
&nbsp; 10.2753
&nbsp; 10.5996
&nbsp; 10.6960
&nbsp; 11.5390
&nbsp; 11.6338
&nbsp; 12.4230
&nbsp; 13.5162
&nbsp; 13.5258
&nbsp; 13.6807
&nbsp; 14.1019
&nbsp; 15.1892
&nbsp; 15.6051
&nbsp; 15.6051
&nbsp; 15.6051
&nbsp; 15.6051
&nbsp; 15.6051
&nbsp; 15.6051
>> n = length(MMC)%длина матрицы MMC
n = 35
>> if (mod(n,2) == 0)%условие кратности
med = (MMC(n/2) + MMC(n/2 + 1)) / 2 %медиана для четного знач.
else
med = MMC((n+1)/2) %медиана для нечетного знач.
med
end
med = 10.113
med = 10.113
```
\## Задание 5
Рассчитайте матрицу ММ1 с элементами, равными натуральным логарифмам от значений соответствующих элементов из матрицы ММ.
\## Решение 5
```matlab
>> MM1 = log(MM)% создание матрицы MM1 с логарифм. эл-тами от значений матрицы MM
MM1 =
&nbsp;Columns 1 through 5:
&nbsp; 1.8265 + 0i 2.4457 + 0i 1.6058 + 0i 2.3608 + 0i -0.9292 + 3.1416i
&nbsp; 2.6160 + 0i 1.5579 + 0i 2.3088 + 0i 2.3297 + 0i 2.3138 + 0i
&nbsp; 2.7476 + 0i 2.7476 + 0i 2.3699 + 0i -0.3448 + 0i 2.7476 + 0i
&nbsp; 2.4539 + 0i -0.9292 + 3.1416i 2.1790 + 0i 2.7476 + 0i -0.9292 + 3.1416i
&nbsp; -0.9292 + 3.1416i 2.6463 + 0i 1.2040 + 0i 1.3065 + 0i -0.9292 + 3.1416i
&nbsp;Columns 6 and 7:
&nbsp; 2.5196 + 0i 2.7476 + 0i
&nbsp; 2.6046 + 0i -0.9292 + 3.1416i
&nbsp; 2.6039 + 0i 0.5047 + 0i
&nbsp; 1.6252 + 0i -0.9292 + 3.1416i
&nbsp; 2.7206 + 0i 2.7476 + 0i
```

Двоичные данные
ТЕМА2/Hist.jpg
Просмотреть файл

Двоичный файл не отображается.
Режим "рядом"

До

Ширина:  |  Высота:  |  Размер: 18 KiB

996
ТЕМА2/Perem.saving_in_progress
Просмотреть файл

@@ -1,996 +0,0 @@
# Created by Octave 10.3.0, Thu Feb 12 08:10:10 2026 UTC <unknown@DESKTOP-7NQ75O4>
# name: CorFin
# type: scalar
0.84371049545386234
# name: Delt
# type: scalar
95.272650848977406
# name: GlComp
# type: matrix
# rows: 11
# columns: 1
0.035305594804226799
0.046771921092627407
0.048953291513389285
0.61556249852100786
0.24277452925483725
0.73685129246517744
0.095893176429320173
0.00016944863048108023
0.017910770099051343
0.059523328215483368
0.017425168262079013
# name: R
# type: matrix
# rows: 11
# columns: 11
1 0.44319816765218456 0.45229490451462478 0.44778574398701232 0.38123438492617567 0.4651599672427158 0.31487196949956203 0.065579059715437885 0.29153208678640524 0.4881140144965917 0.39815406859904823
0.44319816765218456 1 0.85318875701780228 0.85331179766303833 0.86239869432518734 0.85436143444131907 0.55145031641699338 0.025082284774045557 0.42348171611485469 0.82169935265535254 0.2618317999665129
0.45229490451462478 0.85318875701780228 0.99999999999999978 0.84659512986297814 0.8865064653318605 0.90334579269862103 0.55090747255786898 0.0038839917339619479 0.44396331197981753 0.78358259317862711 0.26408264752557581
0.44778574398701232 0.85331179766303833 0.84659512986297814 1 0.87038370623264694 0.93848577636557884 0.70923538858295176 0.049499763146299385 0.45872542676611011 0.85183168318991098 0.3441983559900394
0.38123438492617567 0.86239869432518734 0.8865064653318605 0.87038370623264694 1 0.93604557290623114 0.57668068139456197 0.037561879571732772 0.38321833210304446 0.77266304851662071 0.18750522316731613
0.4651599672427158 0.85436143444131907 0.90334579269862103 0.93848577636557884 0.93604557290623114 1 0.63033410580578286 0.047121160752318127 0.47592088638606911 0.83810082277586506 0.33118231321427244
0.31487196949956203 0.55145031641699338 0.55090747255786898 0.70923538858295176 0.57668068139456197 0.63033410580578286 1 0.079447597461020994 0.41877952801291851 0.62936148090762145 0.28287321604210425
0.065579059715437885 0.025082284774045557 0.0038839917339619479 0.049499763146299385 0.037561879571732772 0.047121160752318127 0.079447597461020994 1 0.047985426997945384 0.056461830989043282 0.13662419273378601
0.29153208678640524 0.42348171611485469 0.44396331197981753 0.45872542676611011 0.38321833210304446 0.47592088638606911 0.41877952801291851 0.047985426997945384 1 0.62615652475059591 0.45536892800717216
0.4881140144965917 0.82169935265535254 0.78358259317862711 0.85183168318991098 0.77266304851662071 0.83810082277586506 0.62936148090762145 0.056461830989043282 0.62615652475059591 1 0.38799411442531911
0.39815406859904823 0.2618317999665129 0.26408264752557581 0.3441983559900394 0.18750522316731613 0.33118231321427244 0.28287321604210425 0.13662419273378601 0.45536892800717216 0.38799411442531911 0.99999999999999989
# name: Res
# type: matrix
# rows: 290
# columns: 1
92.541635925649885
73.432512677749884
5.8854681503252992
35.300392959417628
70.208099521539395
28.096190894059131
87.136298062438087
79.776498700722399
36.243011497897889
18.249808135292135
49.666520314815003
45.067094755847478
81.785391761649961
5.5558615905749287
105.36136555107358
4.5754600060262574
381.20402121272565
26.712747149757448
8.0376180755773294
119.62779472296826
10.06148497862204
63.762946666358673
9.0876581455392991
41.684104549565895
35.907417465940696
76.139589080861612
23.752549518721604
142.21616913333906
67.755800865314043
20.597788392627461
76.818770640491934
104.28492270336446
18.541600534711172
4.4739830311089568
3.5808784384807688
224.75859668657887
26.863645462460585
212.91132427414971
50.921549147641429
33.628253908937573
42.168327293333697
103.70112905168192
136.06080944761766
713.71176432907782
34.027234533508654
4.102288981228857
27.086729953652533
2.6675413674902764
2.4975555888882583
103.82922101584855
7.4607153391308039
34.755449129294185
4.3597361717953751
5.7411866590168907
15.989431601973395
45.399798388742134
2.4622499940840314
6.4243896391024853
66.503024074945202
73.935542056408934
11.130529772793466
3.6842564623258873
9.9704863085961808
28.031418638438371
1.3524137909861853
40.905329773450568
11.722703327978145
30.793454814223296
42.716264445127791
10.023429271629679
32.260490843368721
25.49526889091814
36.870098268919158
42.948416145711199
87.96323778017063
228.66898137140348
99.146097396150893
28.749899047688331
9.6221604955623636
1.3599744340314974
54.213639662041018
107.54774204621562
116.10642668163958
299.10289009945325
14.333164188053129
20.479492937168736
144.90879356232861
14.952534926853554
25.976099063048714
268.14942888153365
12.353605117127266
4.5261194600205448
104.66465531746012
91.264814279144389
209.32993996980608
196.45292601547956
4.8121245133353883
1.3877193857904122
50.73295384781192
118.63317892161925
212.52867877725836
37.744725076258682
30.102472737076351
320.66995990736956
0
41.450043800049173
141.12302634351909
405.34735889630434
12.875246596248051
117.61215004335881
8.9898863462835923
74.655249731139747
89.566395079601406
37.992597924131275
40.599701405736667
37.339464563403745
142.92878024339254
9.1226071328207912
53.463842507936683
93.289531857664812
57.155318977104969
19.139209149164483
5.4914743629280256
85.213352051896436
170.64296869048252
90.453986416823028
57.810668949068294
7.3729608696990407
9.6149436361989054
1.8466874955630237
17.64693716866045
153.91067046004989
119.83595362890676
5.0102103823876138
2.6919592875787401
379.30088960385865
13.497202921837419
2.4622499940840314
19.718181528500676
200.66778335500251
93.618235424454852
25.650544306551783
26.344823475312069
65.285854317045064
21.514761065342284
176.51000251353727
1898.8845228215932
91.241365337039696
304.55239441211813
6.3559762863091498
3.4394367369243457
158.85958764031832
187.80205916049377
26.561371443740288
8.6579066833738381
110.31670325702858
21.286646917799413
8.0284995467771694
76.976886653483717
148.32017025573094
97.178360581603542
6.713123162675382
88.63128542826874
333.40462890608825
27.838269247385263
11.662868510778285
0
71.250153770621353
0.36975704518481473
10.360736100849866
3.8550893718829404
81.568715379615327
54.636551996442634
23.50193141065802
90.446620330135346
57.162094674663763
162.85019570045199
305.87456481270846
6.3232992646325012
59.415850608608714
46.966205174184388
56.660854548950432
815.67531191412843
47.723187876178507
277.02147094885464
328.08621453649846
113.5904544628054
11.709047267226467
33.969900421808468
0.9133792664863114
122.67191216842356
59.978743777996485
7.4910570826031089
12.504247793778788
24.20852933478119
400.11096439619735
263.57636182691419
25.93088924437469
36.89525907988147
254.78377397653873
6.8701380642967935
12.625935148701481
23.783568443866553
3.1598900085018937
5.1518266443375174
0
106.76571062683557
15.783444916417174
30.701284496283392
64.989933394312914
43.08795848002741
31.124284815657514
5.1717605260252641
48.085148256051745
5.3478896982160551
2.1245706782555898
0.082077515896854206
21.635602717292954
52.057076188881254
25.625191640930652
9.750228323865425
36.202865201875305
4.6266525709075736
3.1905735818485432
9.578291001074497
6.3748960235107095
3.6844534036923848
5.7848289442560175
8.236759929716996
6.872598217925125
41.304826089961807
1.9884740618811827
7.5713162902258881
1.2311249970420157
5.0810943769164583
21.547440258598357
30.299927046128129
45.503739922824799
9.0939116262706285
10.369657688283528
7.125935336763435
14.133227984399358
26.102416496930385
5.0719758481162991
12.085285661455657
0.71346908154778643
0.6750858267364912
4.0925469677627824
7.4541019651006666
184.6639911359178
10.45536808250308
7.4481290123664046
6.2425209403306843
8.8601797622620566
39.991950776061756
6.8910255886512708
5.1607089278752651
15.489599256935451
5.5904672861043947
27.378151462601366
10.801195295658482
23.750967784033811
11.426263577471977
8.4732357558467353
6.8983712423289942
3.4162832569226991
208.74688268456569
12.158393969884505
3.5631646097482159
4.1588660385137732
0
1.8478728267852373
8.4788202961086387
1.2778969181346431
0.035305594804226799
0.070611189608453598
0.035305594804226799
3.0392790323529586
0
4.2057148363157948
30.094936226602613
20.128054590289533
5.7737184871437481
31.539990348561215
147.38714838130397
18.314164375337818
32.846011301205287
14.51106666616824
19.235467348665235
0
# name: SobMax
# type: scalar
7494628.7953938553
# name: Sobst
# type: matrix
# rows: 11
# columns: 1
22.94658541218822
1931.6654643260272
2593.9795924914984
3457.3395622408125
5625.1514737105399
8672.0659466661746
18914.627989173339
47522.678184880278
57483.68126743551
225653.06853980487
7494628.7953938553
# name: X
# type: matrix
# rows: 290
# columns: 11
8 4 2 53 7 76 13 0 1 5 5
4 5 6 71 5 36 13 0 4 0 0
1 0 1 5 5 2 0 0 2 0 0
3 1 1 28 0 24 0 0 0 3 0
7 10 6 54 7 46 2 0 3 2 0
0 2 2 22 7 17 0 0 0 2 1
0 6 11 30 8 88 0 0 11 14 2
5 2 0 78 3 40 6 0 10 9 0
7 0 0 20 0 30 12 0 6 1 15
1 1 1 12 3 13 3 0 1 2 0
8 4 3 33 1 37 8 0 3 6 3
9 5 6 24 8 36 5 0 1 4 14
5 5 4 57 7 56 25 0 0 12 1
1 4 0 7 0 1 3 0 0 0 0
2 8 0 83 6 70 4 0 6 5 0
1 0 0 0 0 6 0 0 0 2 0
2 28 8 326 76 213 21 0 1 22 1
1 1 1 42 2 0 1 0 0 1 5
1 0 0 13 0 0 0 0 0 0 0
3 2 2 76 8 92 21 0 0 12 5
0 1 0 7 1 7 2 0 3 1 0
7 2 1 70 0 23 27 0 5 9 7
3 0 0 11 0 3 0 0 0 0 0
10 9 4 23 0 35 0 0 0 12 3
22 3 7 46 0 7 11 0 0 2 0
13 16 8 64 20 38 10 0 0 20 8
8 0 0 19 0 15 0 0 12 5 12
8 7 7 63 42 121 23 1 12 11 3
6 1 4 33 23 55 4 0 0 8 1
4 2 0 19 0 11 1 0 3 4 10
7 6 0 64 11 45 7 0 0 4 9
4 2 0 72 6 73 41 0 5 6 6
1 1 0 11 1 14 8 0 5 4 2
0 0 0 7 0 0 0 0 2 1 4
0 0 0 1 0 4 0 0 1 0 0
5 3 2 138 19 181 3 0 22 12 1
6 1 0 21 11 14 3 0 4 5 2
16 7 1 147 24 154 14 0 4 12 3
1 9 7 52 0 23 0 0 0 19 2
1 2 5 14 2 31 10 0 0 5 3
0 0 6 31 11 26 6 0 1 3 11
4 8 0 49 13 91 19 0 12 11 7
2 1 0 40 6 148 2 0 6 8 2
0 23 35 492 139 485 156 0 7 31 1
3 1 0 21 6 26 0 0 1 5 1
2 1 1 4 0 2 0 0 0 0 0
0 6 3 25 1 13 12 0 0 5 0
0 1 0 2 0 1 6 0 1 1 0
1 0 0 4 0 0 0 0 0 0 0
0 10 0 113 17 24 123 0 1 3 0
0 5 1 6 0 3 10 0 0 5 1
0 0 1 31 2 20 4 0 1 0 0
0 0 0 5 2 1 0 0 0 1 0
1 1 0 9 0 0 0 0 0 2 0
1 5 2 14 1 7 13 0 0 6 0
1 4 1 34 5 30 8 0 2 1 1
0 0 0 4 0 0 0 0 0 0 0
1 0 0 2 0 7 0 0 0 0 0
1 2 4 38 4 56 0 0 7 6 4
7 1 1 46 3 60 1 0 1 2 6
0 0 0 12 0 5 0 0 0 1 0
0 0 0 0 0 5 0 0 0 0 0
1 0 3 6 3 7 1 0 2 1 1
0 1 0 28 1 14 0 0 3 2 1
0 0 0 1 0 1 0 0 0 0 0
7 1 1 23 8 32 5 0 3 5 3
2 3 1 6 0 10 3 0 3 1 0
0 1 2 28 4 16 6 0 0 1 1
17 1 0 37 1 24 8 0 2 8 5
3 0 0 12 1 3 0 0 1 1 0
7 4 2 35 4 12 2 0 0 3 0
6 0 0 18 0 18 9 0 0 1 1
4 2 1 14 0 37 5 0 4 2 2
28 4 5 41 1 21 4 0 2 2 2
4 3 2 55 1 71 5 0 8 8 4
58 18 9 151 24 169 5 0 3 22 11
3 11 8 68 5 73 6 0 2 7 14
4 3 7 26 7 13 7 0 0 2 3
3 0 1 11 2 3 0 0 0 0 0
1 2 0 2 0 0 0 0 0 0 0
9 7 10 60 13 17 0 0 2 6 4
19 22 2 82 2 72 1 0 6 19 23
22 3 2 56 17 102 10 0 1 6 0
43 5 19 160 40 247 37 0 8 36 22
0 1 0 9 2 11 1 0 0 1 0
2 1 4 30 7 0 0 0 0 0 0
65 8 14 103 10 98 31 0 2 7 5
2 2 2 13 4 7 2 0 0 5 4
1 0 0 40 2 1 1 0 0 0 0
21 11 14 128 49 236 9 0 2 11 4
13 0 0 6 0 11 1 0 0 0 0
0 0 0 6 0 1 1 0 0 0 0
9 9 1 87 21 60 4 0 3 5 16
1 6 1 51 27 71 6 0 0 1 0
23 5 1 154 52 131 31 3 5 15 19
8 3 15 113 23 157 27 0 15 25 7
2 0 0 2 2 4 0 0 1 1 0
1 0 0 1 0 1 0 0 0 0 0
18 9 2 45 8 25 7 0 9 10 5
2 6 7 61 15 102 10 0 1 10 1
42 9 9 96 65 179 31 0 8 5 0
18 8 0 56 5 0 0 0 0 15 9
7 1 1 36 0 10 0 0 0 3 3
26 12 37 200 44 244 20 0 8 25 14
0 0 0 0 0 0 0 0 0 0 0
1 0 0 32 4 28 1 0 1 0 0
14 6 6 75 9 123 0 0 5 15 5
21 7 7 273 87 275 105 0 3 32 6
1 0 0 3 2 14 2 0 0 0 0
7 7 4 110 15 59 12 0 5 13 0
4 0 1 9 0 4 1 0 0 1 9
3 5 8 64 7 41 18 0 6 12 4
7 0 2 58 36 59 12 0 0 2 2
3 1 1 34 8 19 6 0 3 4 3
3 3 1 25 4 32 3 0 1 1 0
1 3 1 25 0 29 0 0 0 6 0
6 26 12 127 5 75 45 0 21 24 8
0 0 0 3 1 9 4 0 1 0 0
5 2 5 23 3 50 9 0 0 6 0
3 10 0 115 15 21 20 0 0 15 0
3 2 2 55 6 29 0 0 5 0 5
3 3 1 16 2 11 0 0 4 5 2
0 1 0 6 1 2 0 0 0 0 2
17 2 2 56 1 62 35 0 3 10 1
34 15 8 129 22 105 47 0 17 18 20
7 5 0 94 10 39 7 0 2 4 0
10 6 2 47 17 31 9 0 0 5 1
5 0 0 3 0 7 2 0 0 0 0
8 2 1 6 1 7 1 0 0 0 0
0 0 0 3 0 0 0 0 0 0 0
0 0 1 16 0 10 1 0 3 3 3
5 6 6 138 36 78 9 0 2 17 5
12 3 9 68 21 96 5 0 0 9 7
1 0 0 2 0 5 0 0 0 1 0
1 0 0 2 0 1 7 0 0 0 1
11 21 9 271 106 243 41 0 4 31 2
7 1 1 8 2 10 3 0 2 0 3
0 0 0 4 0 0 0 0 0 0 0
5 2 1 14 1 13 10 3 0 0 0
18 11 10 108 13 171 18 0 3 25 7
14 1 2 30 30 88 19 0 2 8 3
7 3 1 33 0 6 5 0 0 0 0
7 1 4 22 6 14 1 0 0 6 5
24 1 3 54 11 37 6 0 6 3 12
12 2 0 7 13 18 2 0 1 1 0
13 10 14 98 43 137 21 0 5 17 4
43 101 111 1025 615 1482 97 0 14 89 5
10 3 0 76 25 50 3 0 7 9 6
10 10 26 162 43 258 4 0 23 17 22
1 1 0 2 0 6 4 0 0 4 0
0 0 0 3 0 2 0 0 0 2 0
14 2 5 102 26 115 35 0 0 14 0
2 7 7 109 11 156 9 2 6 19 14
3 0 1 22 2 16 0 0 2 9 1
0 0 1 10 1 3 0 0 0 0 0
8 5 6 131 3 31 54 0 0 2 0
9 2 0 17 0 11 18 0 0 3 23
1 0 0 7 0 5 0 0 0 0 0
12 6 7 64 26 40 0 0 6 9 6
7 3 1 81 3 130 8 0 5 10 3
4 1 1 87 2 55 19 0 0 9 1
0 1 3 7 0 3 0 0 0 0 0
30 6 2 60 12 62 12 0 0 8 2
4 29 11 219 79 231 51 0 15 32 6
0 13 0 32 0 7 8 0 0 27 0
0 1 1 9 2 7 4 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0
1 2 3 66 2 40 1 0 3 4 0
1 1 0 0 0 0 3 0 0 0 0
1 0 0 10 2 5 0 0 0 0 0
0 0 1 5 3 0 0 0 0 0 0
11 7 5 70 13 44 2 0 15 24 3
8 4 7 52 0 28 7 0 2 8 0
1 4 3 13 0 19 9 0 3 3 2
10 3 1 79 14 49 5 0 6 7 44
0 4 1 24 0 56 5 0 0 6 3
2 2 10 113 5 121 23 0 0 1 0
14 15 9 241 42 194 11 0 9 23 9
0 1 0 5 0 4 2 0 0 1 0
0 0 1 59 7 27 14 0 0 1 3
4 3 1 40 4 27 9 0 2 3 4
1 2 4 24 6 50 30 0 4 5 1
8 14 22 610 130 537 78 0 13 48 20
0 1 0 57 11 13 0 0 9 3 0
4 10 6 188 61 193 25 0 3 14 5
8 8 10 134 37 314 22 0 19 21 23
9 13 4 100 3 66 8 0 2 12 2
3 1 0 10 1 7 0 0 0 0 0
0 7 5 29 0 19 7 0 8 12 1
5 0 0 0 0 1 0 0 0 0 0
14 7 2 77 25 89 22 0 0 10 0
1 3 0 48 7 38 4 0 3 2 0
0 2 3 11 0 0 5 0 0 0 0
8 0 1 6 0 9 15 0 0 6 3
1 1 1 26 1 8 20 0 0 0 1
10 19 23 298 40 264 84 0 18 19 32
8 5 3 103 88 231 75 0 2 6 20
2 4 0 14 2 21 10 0 1 2 0
1 0 0 9 1 41 6 0 1 4 2
8 15 21 127 131 178 82 0 39 51 2
6 0 0 2 0 7 2 0 1 1 0
1 0 0 8 0 10 0 0 0 5 0
0 0 1 28 4 7 1 0 2 4 0
1 1 0 5 0 0 0 0 0 0 0
5 0 0 6 2 1 0 0 0 1 0
0 0 0 0 0 0 0 0 0 0 0
6 5 3 97 5 59 12 0 4 9 1
3 2 0 9 1 12 10 0 0 0 0
3 3 3 26 9 13 24 0 0 4 0
0 11 7 58 13 27 52 1 1 6 1
0 0 4 27 2 34 4 0 0 5 3
0 1 0 24 2 21 0 0 4 4 2
3 0 0 8 0 0 0 0 4 0 4
5 4 0 48 5 21 8 0 5 10 2
0 0 0 5 0 3 0 0 0 1 0
1 0 0 1 0 2 0 0 0 0 0
1 1 0 0 0 0 0 0 0 0 0
0 2 0 32 0 2 2 0 0 3 0
0 0 2 30 0 45 1 0 0 4 0
7 5 8 27 0 10 3 0 0 8 0
0 4 6 11 0 3 3 0 0 0 0
0 3 2 32 1 19 18 0 0 5 0
1 0 0 2 4 3 0 0 0 3 0
0 0 0 4 3 0 0 0 0 0 0
0 2 0 15 0 0 2 0 0 1 0
0 1 1 8 4 0 4 0 0 0 0
0 0 0 2 1 3 0 0 0 0 0
0 0 5 9 0 0 0 0 0 0 0
1 0 0 2 1 9 1 0 0 0 0
0 0 1 2 1 7 2 0 0 0 0
1 0 2 60 1 5 2 0 0 2 0
1 0 0 0 0 2 5 0 0 0 0
0 2 0 10 0 1 3 0 0 5 0
0 0 0 2 0 0 0 0 0 0 0
1 0 0 7 0 1 0 0 0 0 0
0 1 0 20 0 12 3 0 0 1 0
5 1 4 28 0 15 15 0 0 2 2
0 8 3 39 2 27 0 0 0 10 0
0 0 0 4 0 9 0 0 0 0 0
1 0 0 14 1 2 0 0 0 0 0
0 0 0 2 0 8 0 0 0 0 0
0 1 3 12 0 8 5 0 0 3 0
2 10 7 26 2 11 2 0 0 7 1
1 0 0 1 0 6 0 0 0 0 0
0 0 0 10 0 8 0 0 0 0 2
0 0 2 1 0 0 0 0 0 0 0
0 0 0 1 0 0 0 0 0 1 0
1 0 0 3 0 3 0 0 0 0 0
1 4 0 11 0 0 4 0 0 1 1
21 9 12 189 6 84 28 0 0 9 0
2 0 0 8 1 7 0 0 0 1 0
0 0 0 7 0 4 2 0 0 0 0
0 3 0 9 0 0 4 0 0 3 0
2 0 0 7 0 6 0 0 0 1 0
0 4 1 47 29 4 5 0 0 6 0
1 0 0 6 0 4 1 0 0 2 0
0 3 0 8 0 0 1 0 0 0 0
2 0 0 8 0 14 0 0 0 3 0
0 0 0 3 0 5 0 0 0 1 0
0 1 5 39 2 3 4 0 0 0 0
0 0 1 17 0 0 3 0 0 0 0
3 1 0 19 0 15 7 0 0 3 0
1 0 0 18 0 0 2 0 0 2 0
0 1 0 13 0 0 3 0 0 2 1
1 5 4 9 0 0 6 0 0 3 8
0 0 0 3 0 2 1 0 0 0 0
9 11 2 161 9 139 34 0 0 13 4
0 2 3 8 3 8 2 0 0 3 0
0 0 0 3 1 2 0 0 0 0 0
5 1 0 0 0 5 2 0 0 1 0
0 0 0 0 0 0 0 0 0 0 0
1 0 0 2 2 0 1 0 0 0 0
2 4 2 8 0 4 2 0 0 1 0
0 1 0 2 0 0 0 0 0 0 0
1 0 0 0 0 0 0 0 0 0 0
2 0 0 0 0 0 0 0 0 0 0
1 0 0 0 0 0 0 0 0 0 0
0 1 0 2 0 2 3 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0
1 0 0 5 1 0 7 0 0 3 0
0 6 7 45 0 2 0 0 0 5 0
0 2 0 11 0 18 0 0 0 0 0
0 0 0 3 1 5 0 0 0 0 0
8 4 0 24 5 20 0 0 1 2 12
1 13 7 134 23 76 15 0 0 15 0
2 2 1 14 2 12 1 0 0 1 0
1 7 2 26 3 21 0 0 0 3 0
1 1 1 10 0 11 0 0 0 2 0
1 2 6 19 2 9 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0
# name: XX
# type: matrix
# rows: 290
# columns: 15
197 1371712 8 4 2 53 7 76 13 0 1 5 5 87 96
198 738196 4 5 6 71 5 36 13 0 4 0 0 40 33
199 241668 1 0 1 5 5 2 0 0 2 0 0 11 6
200 619902 3 1 1 28 0 24 0 0 0 3 0 16 14
201 1755285 7 10 6 54 7 46 2 0 3 2 0 168 41
202 572153 0 2 2 22 7 17 0 0 0 2 1 18 10
203 1432218 0 6 11 30 8 88 0 0 11 14 2 87 101
204 1327737 5 2 0 78 3 40 6 0 10 9 0 53 33
205 490799 7 0 0 20 0 30 12 0 6 1 15 20 27
206 634718 1 1 1 12 3 13 3 0 1 2 0 41 11
207 741570 8 4 3 33 1 37 8 0 3 6 3 65 44
208 1287379 9 5 6 24 8 36 5 0 1 4 14 94 42
209 824966 5 5 4 57 7 56 25 0 0 12 1 49 32
210 210602 1 4 0 7 0 1 3 0 0 0 0 8 0
211 3175504 2 8 0 83 6 70 4 0 6 5 0 121 70
212 129579 1 0 0 0 0 6 0 0 0 2 0 0 5
213 5232215 2 28 8 326 76 213 21 0 1 22 1 194 129
214 248566 1 1 1 42 2 0 1 0 0 1 5 10 20
216 143651 1 0 0 13 0 0 0 0 0 0 0 7 15
217 2243345 3 2 2 76 8 92 21 0 0 12 5 43 45
218 133241 0 1 0 7 1 7 2 0 3 1 0 13 1
219 1415682 7 2 1 70 0 23 27 0 5 9 7 88 38
220 287597 3 0 0 11 0 3 0 0 0 0 0 14 10
221 3009664 10 9 4 23 0 35 0 0 0 12 3 76 31
222 4287692 22 3 7 46 0 7 11 0 0 2 0 42 24
223 2551213 13 16 8 64 20 38 10 0 0 20 8 68 46
224 2737399 8 0 0 19 0 15 0 0 12 5 12 29 41
225 3980955 8 7 7 63 42 121 23 1 12 11 3 117 111
226 2897848 6 1 4 33 23 55 4 0 0 8 1 58 53
227 3914044 4 2 0 19 0 11 1 0 3 4 10 57 58
228 3035127 7 6 0 64 11 45 7 0 0 4 9 73 60
229 1142702 4 2 0 72 6 73 41 0 5 6 6 20 25
230 1054901 1 1 0 11 1 14 8 0 5 4 2 30 28
231 141172 0 0 0 7 0 0 0 0 2 1 4 12 29
232 161553 0 0 0 1 0 4 0 0 1 0 0 2 0
233 3334110 5 3 2 138 19 181 3 0 22 12 1 88 109
234 1321197 6 1 0 21 11 14 3 0 4 5 2 49 69
235 4578201 16 7 1 147 24 154 14 0 4 12 3 79 201
236 565962 1 9 7 52 0 23 0 0 0 19 2 25 6
237 602713 1 2 5 14 2 31 10 0 0 5 3 26 23
238 1484908 0 0 6 31 11 26 6 0 1 3 11 46 40
239 1751217 4 8 0 49 13 91 19 0 12 11 7 153 68
240 1775700 2 1 0 40 6 148 2 0 6 8 2 90 55
241 11198204 0 23 35 492 139 485 156 0 7 31 1 333 256
242 495785 3 1 0 21 6 26 0 0 1 5 1 32 7
245 159257 2 1 1 4 0 2 0 0 0 0 0 6 1
246 707081 0 6 3 25 1 13 12 0 0 5 0 35 15
247 292173 0 1 0 2 0 1 6 0 1 1 0 7 2
248 51146 1 0 0 4 0 0 0 0 0 0 0 3 2
252 2758049 0 10 0 113 17 24 123 0 1 3 0 107 126
253 98919 0 5 1 6 0 3 10 0 0 5 1 7 5
256 860583 0 0 1 31 2 20 4 0 1 0 0 24 9
257 637159 0 0 0 5 2 1 0 0 0 1 0 25 0
258 214040 1 1 0 9 0 0 0 0 0 2 0 10 7
259 523257 1 5 2 14 1 7 13 0 0 6 0 17 17
261 2131837 1 4 1 34 5 30 8 0 2 1 1 60 54
264 110663 0 0 0 4 0 0 0 0 0 0 0 4 1
267 198423 1 0 0 2 0 7 0 0 0 0 0 5 10
268 1017492 1 2 4 38 4 56 0 0 7 6 4 37 40
273 2852939 7 1 1 46 3 60 1 0 1 2 6 42 14
275 76889 0 0 0 12 0 5 0 0 0 1 0 0 8
296 176531 0 0 0 0 0 5 0 0 0 0 0 7 2
304 320147 1 0 3 6 3 7 1 0 2 1 1 15 17
305 661531 0 1 0 28 1 14 0 0 3 2 1 33 25
311 86120 0 0 0 1 0 1 0 0 0 0 0 4 0
318 689689 7 1 1 23 8 32 5 0 3 5 3 23 31
322 537726 2 3 1 6 0 10 3 0 3 1 0 14 0
325 1323408 0 1 2 28 4 16 6 0 0 1 1 38 5
326 2567000 17 1 0 37 1 24 8 0 2 8 5 136 45
329 624671 3 0 0 12 1 3 0 0 1 1 0 20 11
330 1059839 7 4 2 35 4 12 2 0 0 3 0 26 29
334 591387 6 0 0 18 0 18 9 0 0 1 1 18 14
335 3796540 4 2 1 14 0 37 5 0 4 2 2 44 79
336 5984681 28 4 5 41 1 21 4 0 2 2 2 119 46
339 1868271 4 3 2 55 1 71 5 0 8 8 4 79 95
340 15285000 58 18 9 151 24 169 5 0 3 22 11 293 125
341 1893406 3 11 8 68 5 73 6 0 2 7 14 99 59
342 4576672 4 3 7 26 7 13 7 0 0 2 3 75 30
343 300922 3 0 1 11 2 3 0 0 0 0 0 5 11
346 94560 1 2 0 2 0 0 0 0 0 0 0 5 1
347 2468647 9 7 10 60 13 17 0 0 2 6 4 120 53
348 7543881 19 22 2 82 2 72 1 0 6 19 23 220 71
349 5728117 22 3 2 56 17 102 10 0 1 6 0 164 93
352 11007125 43 5 19 160 40 247 37 0 8 36 22 210 212
356 2984217 0 1 0 9 2 11 1 0 0 1 0 62 13
357 743980 2 1 4 30 7 0 0 0 0 0 0 20 11
362 21092691 65 8 14 103 10 98 31 0 2 7 5 457 163
365 1130876 2 2 2 13 4 7 2 0 0 5 4 32 37
366 2251091 1 0 0 40 2 1 1 0 0 0 0 53 22
371 12010036 21 11 14 128 49 236 9 0 2 11 4 252 303
372 2057017 13 0 0 6 0 11 1 0 0 0 0 75 12
373 198381 0 0 0 6 0 1 1 0 0 0 0 5 3
376 7864853 9 9 1 87 21 60 4 0 3 5 16 146 94
377 6028430 1 6 1 51 27 71 6 0 0 1 0 86 87
379 9483684 23 5 1 154 52 131 31 3 5 15 19 283 166
381 3228776 8 3 15 113 23 157 27 0 15 25 7 174 197
383 892834 2 0 0 2 2 4 0 0 1 1 0 15 8
387 711119 1 0 0 1 0 1 0 0 0 0 0 1 0
388 3011004 18 9 2 45 8 25 7 0 9 10 5 90 89
389 7793747 2 6 7 61 15 102 10 0 1 10 1 99 44
391 8286271 42 9 9 96 65 179 31 0 8 5 0 254 104
392 785170 18 8 0 56 5 0 0 0 0 15 9 47 0
393 1634901 7 1 1 36 0 10 0 0 0 3 3 17 16
394 16897379 26 12 37 200 44 244 20 0 8 25 14 334 252
395 971100 0 0 0 0 0 0 0 0 0 0 0 0 0
399 1493706 1 0 0 32 4 28 1 0 1 0 0 59 21
410 2465291 14 6 6 75 9 123 0 0 5 15 5 144 90
412 11807167 21 7 7 273 87 275 105 0 3 32 6 222 252
413 1000000 1 0 0 3 2 14 2 0 0 0 0 3 2
414 2592948 7 7 4 110 15 59 12 0 5 13 0 104 61
441 341880 4 0 1 9 0 4 1 0 0 1 9 5 9
446 2132880 3 5 8 64 7 41 18 0 6 12 4 103 94
448 2450081 7 0 2 58 36 59 12 0 0 2 2 76 58
451 1099241 3 1 1 34 8 19 6 0 3 4 3 40 11
456 2245633 3 3 1 25 4 32 3 0 1 1 0 27 24
465 62302 1 3 1 25 0 29 0 0 0 6 0 15 2
466 2197989 6 26 12 127 5 75 45 0 21 24 8 157 94
467 134495 0 0 0 3 1 9 4 0 1 0 0 34 28
472 3380567 5 2 5 23 3 50 9 0 0 6 0 59 52
476 688452 3 10 0 115 15 21 20 0 0 15 0 54 31
477 1110085 3 2 2 55 6 29 0 0 5 0 5 55 51
484 536474 3 3 1 16 2 11 0 0 4 5 2 21 11
1001 175751 0 1 0 6 1 2 0 0 0 0 2 8 7
1002 2146592 17 2 2 56 1 62 35 0 3 10 1 66 33
1004 4743641 34 15 8 129 22 105 47 0 17 18 20 161 138
1017 1800656 7 5 0 94 10 39 7 0 2 4 0 59 57
1030 2497501 10 6 2 47 17 31 9 0 0 5 1 50 33
1034 1196952 5 0 0 3 0 7 2 0 0 0 0 15 14
1035 2410906 8 2 1 6 1 7 1 0 0 0 0 42 33
1037 667178 0 0 0 3 0 0 0 0 0 0 0 16 0
1038 632720 0 0 1 16 0 10 1 0 3 3 3 12 16
1039 8455933 5 6 6 138 36 78 9 0 2 17 5 205 82
1041 6651020 12 3 9 68 21 96 5 0 0 9 7 110 81
1044 126519 1 0 0 2 0 5 0 0 0 1 0 7 1
1 135525 1 0 0 2 0 1 7 0 0 0 1 6 13
2 16949495 11 21 9 271 106 243 41 0 4 31 2 173 176
3 722529 7 1 1 8 2 10 3 0 2 0 3 22 24
4 203116 0 0 0 4 0 0 0 0 0 0 0 5 2
6 1304816 5 2 1 14 1 13 10 3 0 0 0 22 37
7 5865578 18 11 10 108 13 171 18 0 3 25 7 188 113
8 1781942 14 1 2 30 30 88 19 0 2 8 3 88 59
9 1587342 7 3 1 33 0 6 5 0 0 0 0 54 6
10 1337423 7 1 4 22 6 14 1 0 0 6 5 135 15
11 10016498 24 1 3 54 11 37 6 0 6 3 12 65 55
12 839898 12 2 0 7 13 18 2 0 1 1 0 40 22
13 10471711 13 10 14 98 43 137 21 0 5 17 4 176 150
14 39213066 43 101 111 1025 615 1482 97 0 14 89 5 1061 887
15 2632303 10 3 0 76 25 50 3 0 7 9 6 93 35
16 6865706 10 10 26 162 43 258 4 0 23 17 22 297 159
17 251064 1 1 0 2 0 6 4 0 0 4 0 6 5
18 152837 0 0 0 3 0 2 0 0 0 2 0 0 6
19 6560198 14 2 5 102 26 115 35 0 0 14 0 146 190
20 3663138 2 7 7 109 11 156 9 2 6 19 14 143 132
21 795723 3 0 1 22 2 16 0 0 2 9 1 15 5
22 471773 0 0 1 10 1 3 0 0 0 0 0 13 8
23 4913203 8 5 6 131 3 31 54 0 0 2 0 116 59
26 264785 9 2 0 17 0 11 18 0 0 3 23 24 63
28 162597 1 0 0 7 0 5 0 0 0 0 0 4 2
29 4604156 12 6 7 64 26 40 0 0 6 9 6 97 51
33 4250016 7 3 1 81 3 130 8 0 5 10 3 125 129
34 1079712 4 1 1 87 2 55 19 0 0 9 1 48 40
35 60347 0 1 3 7 0 3 0 0 0 0 0 3 1
36 1859152 30 6 2 60 12 62 12 0 0 8 2 118 158
37 5409103 4 29 11 219 79 231 51 0 15 32 6 254 171
38 876190 0 13 0 32 0 7 8 0 0 27 0 23 18
40 834957 0 1 1 9 2 7 4 0 0 0 0 12 0
41 450000 0 0 0 0 0 0 0 0 0 0 0 2 2
42 1395064 1 2 3 66 2 40 1 0 3 4 0 57 48
43 1190526 1 1 0 0 0 0 3 0 0 0 0 22 4
44 1273253 1 0 0 10 2 5 0 0 0 0 0 16 47
45 108240 0 0 1 5 3 0 0 0 0 0 0 8 0
51 2807918 11 7 5 70 13 44 2 0 15 24 3 81 60
52 773587 8 4 7 52 0 28 7 0 2 8 0 22 17
53 776914 1 4 3 13 0 19 9 0 3 3 2 35 66
54 1910451 10 3 1 79 14 49 5 0 6 7 44 80 65
55 1903549 0 4 1 24 0 56 5 0 0 6 3 47 48
56 611092 2 2 10 113 5 121 23 0 0 1 0 56 42
57 5227534 14 15 9 241 42 194 11 0 9 23 9 175 190
58 532151 0 1 0 5 0 4 2 0 0 1 0 11 1
59 2196976 0 0 1 59 7 27 14 0 0 1 3 47 16
60 746895 4 3 1 40 4 27 9 0 2 3 4 55 70
62 1342348 1 2 4 24 6 50 30 0 4 5 1 33 42
63 19967480 8 14 22 610 130 537 78 0 13 48 20 368 354
64 1707116 0 1 0 57 11 13 0 0 9 3 0 55 36
65 3018069 4 10 6 188 61 193 25 0 3 14 5 83 124
66 17026733 8 8 10 134 37 314 22 0 19 21 23 246 388
67 1861938 9 13 4 100 3 66 8 0 2 12 2 64 48
68 442320 3 1 0 10 1 7 0 0 0 0 0 10 6
69 1006925 0 7 5 29 0 19 7 0 8 12 1 39 36
71 110943 5 0 0 0 0 1 0 0 0 0 0 16 0
72 3228483 14 7 2 77 25 89 22 0 0 10 0 71 87
73 694093 1 3 0 48 7 38 4 0 3 2 0 19 35
74 334602 0 2 3 11 0 0 5 0 0 0 0 3 0
75 373907 8 0 1 6 0 9 15 0 0 6 3 8 15
76 3329922 1 1 1 26 1 8 20 0 0 0 1 108 71
77 8277533 10 19 23 298 40 264 84 0 18 19 32 381 281
78 5503679 8 5 3 103 88 231 75 0 2 6 20 118 186
79 431787 2 4 0 14 2 21 10 0 1 2 0 11 10
80 760800 1 0 0 9 1 41 6 0 1 4 2 25 27
81 2526108 8 15 21 127 131 178 82 0 39 51 2 143 118
82 1405297 6 0 0 2 0 7 2 0 1 1 0 17 16
84 166145 1 0 0 8 0 10 0 0 0 5 0 6 6
85 1642765 0 0 1 28 4 7 1 0 2 4 0 71 47
86 800356 1 1 0 5 0 0 0 0 0 0 0 10 0
87 1703477 5 0 0 6 2 1 0 0 0 1 0 12 12
88 2090000 0 0 0 0 0 0 0 0 0 0 0 19 0
89 2066322 6 5 3 97 5 59 12 0 4 9 1 79 105
90 481594 3 2 0 9 1 12 10 0 0 0 0 22 10
91 1797378 3 3 3 26 9 13 24 0 0 4 0 57 36
92 1086029 0 11 7 58 13 27 52 1 1 6 1 66 54
93 1940821 0 0 4 27 2 34 4 0 0 5 3 46 52
94 1434497 0 1 0 24 2 21 0 0 4 4 2 59 47
95 1144668 3 0 0 8 0 0 0 0 4 0 4 17 6
96 1538784 5 4 0 48 5 21 8 0 5 10 2 56 24
97 186414 0 0 0 5 0 3 0 0 0 1 0 9 0
99 490000 1 0 0 1 0 2 0 0 0 0 0 2 15
100 400000 1 1 0 0 0 0 0 0 0 0 0 8 0
101 230641 0 2 0 32 0 2 2 0 0 3 0 18 46
102 1523428 0 0 2 30 0 45 1 0 0 4 0 31 10
103 1202696 7 5 8 27 0 10 3 0 0 8 0 27 9
104 400000 0 4 6 11 0 3 3 0 0 0 0 3 0
105 718698 0 3 2 32 1 19 18 0 0 5 0 12 26
107 541299 1 0 0 2 4 3 0 0 0 3 0 9 0
108 115000 0 0 0 4 3 0 0 0 0 0 0 3 16
109 57500 0 2 0 15 0 0 2 0 0 1 0 9 0
110 95170 0 1 1 8 4 0 4 0 0 0 0 0 1
111 116162 0 0 0 2 1 3 0 0 0 0 0 4 2
112 94129 0 0 5 9 0 0 0 0 0 0 0 3 0
113 119805 1 0 0 2 1 9 1 0 0 0 0 6 3
114 162150 0 0 1 2 1 7 2 0 0 0 0 7 7
115 650719 1 0 2 60 1 5 2 0 0 2 0 33 4
116 155276 1 0 0 0 0 2 5 0 0 0 0 4 2
118 493349 0 2 0 10 0 1 3 0 0 5 0 15 3
119 215224 0 0 0 2 0 0 0 0 0 0 0 5 10
120 162219 1 0 0 7 0 1 0 0 0 0 0 5 0
121 151336 0 1 0 20 0 12 3 0 0 1 0 4 1
122 151666 5 1 4 28 0 15 15 0 0 2 2 8 20
123 782215 0 8 3 39 2 27 0 0 0 10 0 25 6
124 69000 0 0 0 4 0 9 0 0 0 0 0 8 12
132 306831 1 0 0 14 1 2 0 0 0 0 0 10 0
133 90000 0 0 0 2 0 8 0 0 0 0 0 4 2
134 149793 0 1 3 12 0 8 5 0 0 3 0 8 3
135 1693052 2 10 7 26 2 11 2 0 0 7 1 54 16
136 70725 1 0 0 1 0 6 0 0 0 0 0 7 10
137 471801 0 0 0 10 0 8 0 0 0 0 2 16 4
138 176110 0 0 2 1 0 0 0 0 0 0 0 4 5
139 100000 0 0 0 1 0 0 0 0 0 1 0 3 2
140 68945 1 0 0 3 0 3 0 0 0 0 0 7 0
141 237258 1 4 0 11 0 0 4 0 0 1 1 12 8
142 8734312 21 9 12 189 6 84 28 0 0 9 0 182 110
143 347218 2 0 0 8 1 7 0 0 0 1 0 9 6
144 258221 0 0 0 7 0 4 2 0 0 0 0 10 0
146 399670 0 3 0 9 0 0 4 0 0 3 0 18 0
147 194522 2 0 0 7 0 6 0 0 0 1 0 9 20
148 1049001 0 4 1 47 29 4 5 0 0 6 0 62 9
149 150222 1 0 0 6 0 4 1 0 0 2 0 5 5
150 187170 0 3 0 8 0 0 1 0 0 0 0 6 0
151 277057 2 0 0 8 0 14 0 0 0 3 0 11 2
152 263638 0 0 0 3 0 5 0 0 0 1 0 4 2
153 539572 0 1 5 39 2 3 4 0 0 0 0 9 0
154 183366 0 0 1 17 0 0 3 0 0 0 0 13 0
162 322640 3 1 0 19 0 15 7 0 0 3 0 11 6
166 196662 1 0 0 18 0 0 2 0 0 2 0 14 15
167 163194 0 1 0 13 0 0 3 0 0 2 1 10 15
168 69685 1 5 4 9 0 0 6 0 0 3 8 6 8
170 130280 0 0 0 3 0 2 1 0 0 0 0 3 0
171 1892476 9 11 2 161 9 139 34 0 0 13 4 69 67
172 351024 0 2 3 8 3 8 2 0 0 3 0 9 1
173 500000 0 0 0 3 1 2 0 0 0 0 0 14 3
174 593558 5 1 0 0 0 5 2 0 0 1 0 6 5
175 1000000 0 0 0 0 0 0 0 0 0 0 0 11 0
176 87835 1 0 0 2 2 0 1 0 0 0 0 4 1
177 435995 2 4 2 8 0 4 2 0 0 1 0 21 11
178 2000000 0 1 0 2 0 0 0 0 0 0 0 2 1
179 200000 1 0 0 0 0 0 0 0 0 0 0 0 0
180 500000 2 0 0 0 0 0 0 0 0 0 0 2 0
181 1000000 1 0 0 0 0 0 0 0 0 0 0 8 0
182 350000 0 1 0 2 0 2 3 0 0 0 0 5 7
183 400000 0 0 0 0 0 0 0 0 0 0 0 4 5
184 187751 1 0 0 5 1 0 7 0 0 3 0 10 3
185 253915 0 6 7 45 0 2 0 0 0 5 0 58 220
186 300401 0 2 0 11 0 18 0 0 0 0 0 8 0
187 325786 0 0 0 3 1 5 0 0 0 0 0 11 5
188 5621997 8 4 0 24 5 20 0 0 1 2 12 58 37
189 2120690 1 13 7 134 23 76 15 0 0 15 0 67 260
190 585116 2 2 1 14 2 12 1 0 0 1 0 22 5
191 2001772 1 7 2 26 3 21 0 0 0 3 0 54 3
192 1061772 1 1 1 10 0 11 0 0 0 2 0 25 12
193 135386 1 2 6 19 2 9 0 0 0 0 0 3 0
194 500000 0 0 0 0 0 0 0 0 0 0 0 0 1
# name: ans
# type: matrix
# rows: 1
# columns: 2
290 15
# name: lambda
# type: diagonal matrix
# rows: 11
# columns: 11
22.94658541218822
1931.6654643260272
2593.9795924914984
3457.3395622408125
5625.1514737105399
8672.0659466661746
18914.627989173339
47522.678184880278
57483.68126743551
225653.06853980487
7494628.7953938553
# name: vect
# type: matrix
# rows: 11
# columns: 11
0.0013928104225500667 0.037187381347897674 -0.065276210391415762 0.11401592699695108 -0.057482252273079432 -0.43368899391330729 -0.86173706957930796 0.01807750839351397 -0.20942328673520114 0.044068347817298945 0.035305594804226799
-0.00080997965313172346 0.6090880083157213 0.38180665310538375 -0.56588395885250664 -0.26231179752896111 0.22396195139662903 -0.18893568701613381 -0.026534997984713593 0.073598520540500964 0.006211058349064962 0.046771921092627407
-0.0075395729093802226 -0.45899544783225743 -0.52153166154860986 -0.67232668906119619 -0.19752213456250098 0.094376523806041349 -0.11098036666249927 -0.0037696616615506499 0.02960247765131898 -0.041501535314358316 0.048953291513389285
-0.00015197372585525626 -0.002386841329910573 -0.039383896728819874 0.020470931032585321 0.029084893240714768 -0.04287850578244104 0.039810057651136599 -0.25705259607885095 0.17314674927410739 0.72026506792286293 0.61556249852100786
0.0010984696390634325 -0.02129581880435279 -0.017772378560481979 0.10189231032683865 0.15146937545312075 0.029246114632305177 -0.22268033972340898 0.093731562137033986 0.84202992189556869 -0.37245546490671311 0.24277452925483725
4.634115630513795e-05 0.024446209810110472 0.034513808847541849 0.0068265924193094086 -0.028772508722247195 -0.036347064631509114 0.12359571477171957 0.055570948693305582 -0.40806017173503317 -0.5178693338430661 0.73685129246517744
0.0011860028016073729 0.004255846403057038 0.023495928427697807 -0.04818514838005869 -0.015672782378198954 -0.058141787313935968 0.058107909891642134 0.95701402990701101 0.0052365196161991293 0.25496118410044011 0.095893176429320173
-0.99993653486432266 0.00056339645552664903 0.0065197820100859252 0.0040469824741198104 0.0075475146800724731 0.0012607778742423381 -0.0023724195455070473 0.0014644786043862374 -0.0010271031675549145 0.00055851484167304601 0.00016944863048108023
-0.0016282256896650144 0.4682585527215718 -0.65977518401476565 0.26872055666440892 0.028869079286205537 0.4953462714285547 -0.12024546216318031 0.058770979212281492 -0.091452392782730957 0.020458697705750883 0.017910770099051343
0.001700173169476263 -0.42580867393324445 0.33001193867689432 0.28074347877203143 -0.39003516978157005 0.62609930707433481 -0.27487428930117375 0.036415769623520312 -0.059675610198022838 0.053341708222997372 0.059523328215483368
0.0077009678970584002 -0.12368395587834405 0.17350369137341293 -0.22480882401876962 0.84320406749775956 0.32875923427757242 -0.22260190597673843 0.018627387946444102 -0.1799676456458352 0.048312774840991661 0.017425168262079013

22
ТЕМА2/Prog1.m
Просмотреть файл

@@ -1,22 +0,0 @@
XX=load('dan_vuz.txt')
size(XX)
X=XX(:,3:13)
R=corr(X)
[vect,lambda]=eig(X'*X)
Sobst=diag(lambda);
fprintf('Eigenvalues:\n %f \n',Sobst)
fprintf('\n')
SobMax=Sobst(end)
GlComp=vect(:,end)
Delt=100*SobMax/sum(Sobst)
fprintf('Delta= %d \n ',round(Delt))
Res=X*GlComp
fprintf(' Results \n ')
fprintf('%d %f \n ',[XX(:,1),Res] ')
save res.mat Res -mat
hist(Res,20)
xlabel('Results ')
ylabel('Number of Unis ')
saveas(gcf, 'Hist.jpg ', 'jpg ')
CorFin=corr(Res,XX(:,2))
fprintf('Correlation of Results and Money = %f \n',CorFin)

Двоичные данные
ТЕМА2/assets/figure0.png
Просмотреть файл

Двоичный файл не отображается.
Режим "рядом"

До

Ширина:  |  Высота:  |  Размер: 12 KiB

Двоичные данные
ТЕМА2/assets/figure1.png
Просмотреть файл

Двоичный файл не отображается.
Режим "рядом"

До

Ширина:  |  Высота:  |  Размер: 18 KiB

Двоичные данные
ТЕМА2/assets/figure2.png
Просмотреть файл

Двоичный файл не отображается.
Режим "рядом"

До

Ширина:  |  Высота:  |  Размер: 4.7 KiB

790
ТЕМА2/report.md
Просмотреть файл

@@ -1,790 +0,0 @@
\# Отчет по теме 2
Бакайкин Константин, А-03-24
\## 1 Настройка текущего каталога:
Нажал на окно рядом с \*Текущая папка:\* и установил путь к папке ТЕМА2:
!\[Скриншот выбора текущей папки](assets/figure0.png)
\## 2 Изучение и работа с файлом dan\_vuz.txt
* Изучили файл и проанализировали его
* Прочитали данные из файла:
```matlab
>> XX=load('dan\_vuz.txt')
XX =
&nbsp;Columns 1 through 9:
&nbsp; 1.9700e+02 1.3717e+06 8.0000e+00 4.0000e+00 2.0000e+00 5.3000e+01 7.0000e+00 7.6000e+01 1.3000e+01
&nbsp; 1.9800e+02 7.3820e+05 4.0000e+00 5.0000e+00 6.0000e+00 7.1000e+01 5.0000e+00 3.6000e+01 1.3000e+01
&nbsp; 1.9900e+02 2.4167e+05 1.0000e+00 0 1.0000e+00 5.0000e+00 5.0000e+00 2.0000e+00 0
&nbsp; 2.0000e+02 6.1990e+05 3.0000e+00 1.0000e+00 1.0000e+00 2.8000e+01 0 2.4000e+01 0
&nbsp; 2.0100e+02 1.7553e+06 7.0000e+00 1.0000e+01 6.0000e+00 5.4000e+01 7.0000e+00 4.6000e+01 2.0000e+00
&nbsp; 2.0200e+02 5.7215e+05 0 2.0000e+00 2.0000e+00 2.2000e+01 7.0000e+00 1.7000e+01 0
&nbsp; 2.0300e+02 1.4322e+06 0 6.0000e+00 1.1000e+01 3.0000e+01 8.0000e+00 8.8000e+01 0
&nbsp; 2.0400e+02 1.3277e+06 5.0000e+00 2.0000e+00 0 7.8000e+01 3.0000e+00 4.0000e+01 6.0000e+00
&nbsp; 2.0500e+02 4.9080e+05 7.0000e+00 0 0 2.0000e+01 0 3.0000e+01 1.2000e+01
&nbsp; ...
Columns 10 through 15:
&nbsp; 0 1.0000e+00 5.0000e+00 5.0000e+00 8.7000e+01 9.6000e+01
&nbsp; 0 4.0000e+00 0 0 4.0000e+01 3.3000e+01
&nbsp; 0 2.0000e+00 0 0 1.1000e+01 6.0000e+00
&nbsp; 0 0 3.0000e+00 0 1.6000e+01 1.4000e+01
&nbsp; 0 3.0000e+00 2.0000e+00 0 1.6800e+02 4.1000e+01
&nbsp; 0 0 2.0000e+00 1.0000e+00 1.8000e+01 1.0000e+01
&nbsp; ...
```
* Проверили размерность матрицы XX:
```matlab
>> size(XX)
ans =
&nbsp; 290 15
```
Так как строк 290, то данные представлены о 290 вузах
* Выделили отдельную матрицу под данные о результативности:
```matlab
>> X=XX(:,3:13)
X =
&nbsp; 8 4 2 53 7 76 13 0 1 5 5
&nbsp; 4 5 6 71 5 36 13 0 4 0 0
&nbsp; 1 0 1 5 5 2 0 0 2 0 0
&nbsp; 3 1 1 28 0 24 0 0 0 3 0
&nbsp; 7 10 6 54 7 46 2 0 3 2 0
&nbsp; 0 2 2 22 7 17 0 0 0 2 1
&nbsp; 0 6 11 30 8 88 0 0 11 14 2
&nbsp; 5 2 0 78 3 40 6 0 10 9 0
&nbsp; 7 0 0 20 0 30 12 0 6 1 15
&nbsp; 1 1 1 12 3 13 3 0 1 2 0
&nbsp; 8 4 3 33 1 37 8 0 3 6 3
&nbsp; 9 5 6 24 8 36 5 0 1 4 14
&nbsp; 5 5 4 57 7 56 25 0 0 12 1
&nbsp; 1 4 0 7 0 1 3 0 0 0 0
&nbsp; 2 8 0 83 6 70 4 0 6 5 0
&nbsp; 1 0 0 0 0 6 0 0 0 2 0
&nbsp; 2 28 8 326 76 213 21 0 1 22 1
&nbsp; 1 1 1 42 2 0 1 0 0 1 5
&nbsp; 1 0 0 13 0 0 0 0 0 0 0
&nbsp; 3 2 2 76 8 92 21 0 0 12 5
&nbsp; 0 1 0 7 1 7 2 0 3 1 0
&nbsp; 7 2 1 70 0 23 27 0 5 9 7
&nbsp; 3 0 0 11 0 3 0 0 0 0 0
&nbsp; 10 9 4 23 0 35 0 0 0 12 3
&nbsp; 22 3 7 46 0 7 11 0 0 2 0
&nbsp; ...
```
* Составили матрицу корреляций между показателями результативности
```matlab
>> R=corr(X)
R =
&nbsp;Columns 1 through 9:
&nbsp; 1.0000e+00 4.4320e-01 4.5229e-01 4.4779e-01 3.8123e-01 4.6516e-01 3.1487e-01 6.5579e-02 2.9153e-01
&nbsp; 4.4320e-01 1.0000e+00 8.5319e-01 8.5331e-01 8.6240e-01 8.5436e-01 5.5145e-01 2.5082e-02 4.2348e-01
&nbsp; 4.5229e-01 8.5319e-01 1.0000e+00 8.4660e-01 8.8651e-01 9.0335e-01 5.5091e-01 3.8840e-03 4.4396e-01
&nbsp; 4.4779e-01 8.5331e-01 8.4660e-01 1.0000e+00 8.7038e-01 9.3849e-01 7.0924e-01 4.9500e-02 4.5873e-01
&nbsp; 3.8123e-01 8.6240e-01 8.8651e-01 8.7038e-01 1.0000e+00 9.3605e-01 5.7668e-01 3.7562e-02 3.8322e-01
&nbsp; 4.6516e-01 8.5436e-01 9.0335e-01 9.3849e-01 9.3605e-01 1.0000e+00 6.3033e-01 4.7121e-02 4.7592e-01
&nbsp; 3.1487e-01 5.5145e-01 5.5091e-01 7.0924e-01 5.7668e-01 6.3033e-01 1.0000e+00 7.9448e-02 4.1878e-01
&nbsp; 6.5579e-02 2.5082e-02 3.8840e-03 4.9500e-02 3.7562e-02 4.7121e-02 7.9448e-02 1.0000e+00 4.7985e-02
&nbsp; 2.9153e-01 4.2348e-01 4.4396e-01 4.5873e-01 3.8322e-01 4.7592e-01 4.1878e-01 4.7985e-02 1.0000e+00
&nbsp; 4.8811e-01 8.2170e-01 7.8358e-01 8.5183e-01 7.7266e-01 8.3810e-01 6.2936e-01 5.6462e-02 6.2616e-01
&nbsp; 3.9815e-01 2.6183e-01 2.6408e-01 3.4420e-01 1.8751e-01 3.3118e-01 2.8287e-01 1.3662e-01 4.5537e-01
&nbsp;Columns 10 and 11:
&nbsp; 4.8811e-01 3.9815e-01
&nbsp; 8.2170e-01 2.6183e-01
&nbsp; 7.8358e-01 2.6408e-01
&nbsp; 8.5183e-01 3.4420e-01
&nbsp; 7.7266e-01 1.8751e-01
&nbsp; 8.3810e-01 3.3118e-01
&nbsp; 6.2936e-01 2.8287e-01
&nbsp; 5.6462e-02 1.3662e-01
&nbsp; 6.2616e-01 4.5537e-01
&nbsp; 1.0000e+00 3.8799e-01
&nbsp; 3.8799e-01 1.0000e+00
```
Используем метод главных компонентов:
* получаем собственные значения и собственные векторы от квадратичной фор-мы
```matlab
>> \[vect,lambda]=eig(X'\*X)
vect =
&nbsp;Columns 1 through 9:
&nbsp; 1.3928e-03 3.7187e-02 -6.5276e-02 1.1402e-01 -5.7482e-02 -4.3369e-01 -8.6174e-01 1.8078e-02 -2.0942e-01
&nbsp; -8.0998e-04 6.0909e-01 3.8181e-01 -5.6588e-01 -2.6231e-01 2.2396e-01 -1.8894e-01 -2.6535e-02 7.3599e-02
&nbsp; -7.5396e-03 -4.5900e-01 -5.2153e-01 -6.7233e-01 -1.9752e-01 9.4377e-02 -1.1098e-01 -3.7697e-03 2.9602e-02
&nbsp; -1.5197e-04 -2.3868e-03 -3.9384e-02 2.0471e-02 2.9085e-02 -4.2879e-02 3.9810e-02 -2.5705e-01 1.7315e-01
&nbsp; 1.0985e-03 -2.1296e-02 -1.7772e-02 1.0189e-01 1.5147e-01 2.9246e-02 -2.2268e-01 9.3732e-02 8.4203e-01
&nbsp; 4.6341e-05 2.4446e-02 3.4514e-02 6.8266e-03 -2.8773e-02 -3.6347e-02 1.2360e-01 5.5571e-02 -4.0806e-01
&nbsp; 1.1860e-03 4.2558e-03 2.3496e-02 -4.8185e-02 -1.5673e-02 -5.8142e-02 5.8108e-02 9.5701e-01 5.2365e-03
&nbsp; -9.9994e-01 5.6340e-04 6.5198e-03 4.0470e-03 7.5475e-03 1.2608e-03 -2.3724e-03 1.4645e-03 -1.0271e-03
&nbsp; -1.6282e-03 4.6826e-01 -6.5978e-01 2.6872e-01 2.8869e-02 4.9535e-01 -1.2025e-01 5.8771e-02 -9.1452e-02
&nbsp; 1.7002e-03 -4.2581e-01 3.3001e-01 2.8074e-01 -3.9004e-01 6.2610e-01 -2.7487e-01 3.6416e-02 -5.9676e-02
&nbsp; 7.7010e-03 -1.2368e-01 1.7350e-01 -2.2481e-01 8.4320e-01 3.2876e-01 -2.2260e-01 1.8627e-02 -1.7997e-01
&nbsp;Columns 10 and 11:
&nbsp; 4.4068e-02 3.5306e-02
&nbsp; 6.2111e-03 4.6772e-02
&nbsp; -4.1502e-02 4.8953e-02
&nbsp; 7.2027e-01 6.1556e-01
&nbsp; -3.7246e-01 2.4277e-01
&nbsp; -5.1787e-01 7.3685e-01
&nbsp; 2.5496e-01 9.5893e-02
&nbsp; 5.5851e-04 1.6945e-04
&nbsp; 2.0459e-02 1.7911e-02
&nbsp; 5.3342e-02 5.9523e-02
&nbsp; 4.8313e-02 1.7425e-02
lambda =
Diagonal Matrix
&nbsp;Columns 1 through 9:
&nbsp; 2.2947e+01 0 0 0 0 0 0 0 0
&nbsp; 0 1.9317e+03 0 0 0 0 0 0 0
&nbsp; 0 0 2.5940e+03 0 0 0 0 0 0
&nbsp; 0 0 0 3.4573e+03 0 0 0 0 0
&nbsp; 0 0 0 0 5.6252e+03 0 0 0 0
&nbsp; 0 0 0 0 0 8.6721e+03 0 0 0
&nbsp; 0 0 0 0 0 0 1.8915e+04 0 0
&nbsp; 0 0 0 0 0 0 0 4.7523e+04 0
&nbsp; 0 0 0 0 0 0 0 0 5.7484e+04
&nbsp; 0 0 0 0 0 0 0 0 0
&nbsp; 0 0 0 0 0 0 0 0 0
&nbsp;Columns 10 and 11:
&nbsp; 0 0
&nbsp; 0 0
&nbsp; 0 0
&nbsp; 0 0
&nbsp; 0 0
&nbsp; 0 0
&nbsp; 0 0
&nbsp; 0 0
&nbsp; 0 0
&nbsp; 2.2565e+05 0
&nbsp; 0 7.4946e+06
```
* Выделяем данные из гл. диагонали матрицы lambda в отдельный вектор и представляем их на экране с заголовком
```matlab
>> Sobst=diag(lambda);
>> fprintf('Eigenvalues:\\n %f \\n',Sobst)
Eigenvalues:
&nbsp;22.946585
Eigenvalues:
&nbsp;1931.665464
Eigenvalues:
&nbsp;2593.979592
Eigenvalues:
&nbsp;3457.339562
Eigenvalues:
&nbsp;5625.151474
Eigenvalues:
&nbsp;8672.065947
Eigenvalues:
&nbsp;18914.627989
Eigenvalues:
&nbsp;47522.678185
Eigenvalues:
&nbsp;57483.681267
Eigenvalues:
&nbsp;225653.068540
Eigenvalues:
&nbsp;7494628.795394
>> fprintf('\\n')
```
* Выделяем наиб. собственное знач. и соответствующий ему собственный вектор
```matlab
SobMax=Sobst(end)
SobMax = 7.4946e+06
>> GlComp=vect(:,end)
GlComp =
&nbsp; 3.5306e-02
&nbsp; 4.6772e-02
&nbsp; 4.8953e-02
&nbsp; 6.1556e-01
&nbsp; 2.4277e-01
&nbsp; 7.3685e-01
&nbsp; 9.5893e-02
&nbsp; 1.6945e-04
&nbsp; 1.7911e-02
&nbsp; 5.9523e-02
&nbsp; 1.7425e-02
```
* ю
```matlab
>> Delt=100\*SobMax/sum(Sobst)
Delt = 95.273
>> fprintf('Delta= %d \\n ',round(Delt))
Delta= 95
```
* ю
```matlab
>> Res=X\*GlComp
Res =
&nbsp; 9.2542e+01
&nbsp; 7.3433e+01
&nbsp; 5.8855e+00
&nbsp; 3.5300e+01
&nbsp; 7.0208e+01
&nbsp; 2.8096e+01
&nbsp; 8.7136e+01
&nbsp; 7.9776e+01
&nbsp; 3.6243e+01
&nbsp; 1.8250e+01
&nbsp; 4.9667e+01
&nbsp; 4.5067e+01
&nbsp; 8.1785e+01
&nbsp; 5.5559e+00
&nbsp; 1.0536e+02
&nbsp; 4.5755e+00
&nbsp; 3.8120e+02
&nbsp; 2.6713e+01
&nbsp; 8.0376e+00
&nbsp; 1.1963e+02
&nbsp; 1.0061e+01
&nbsp; 6.3763e+01
&nbsp; 9.0877e+00
&nbsp; 4.1684e+01
&nbsp; 3.5907e+01
&nbsp; 7.6140e+01
&nbsp; 2.3753e+01
&nbsp; 1.4222e+02
&nbsp; 6.7756e+01
&nbsp; 2.0598e+01
&nbsp; 7.6819e+01
&nbsp; 1.0428e+02
&nbsp; 1.8542e+01
&nbsp; 4.4740e+00
&nbsp; 3.5809e+00
&nbsp; 2.2476e+02
&nbsp; 2.6864e+01
&nbsp; 2.1291e+02
&nbsp; 5.0922e+01
&nbsp; 3.3628e+01
&nbsp; 4.2168e+01
&nbsp; 1.0370e+02
&nbsp; 1.3606e+02
&nbsp; ...
fprintf(' Results \\n ')
&nbsp;Results
&nbsp;>> fprintf('%d %f \\n ',\[XX(:,1),Res] ')
197 92.541636
&nbsp;198 73.432513
&nbsp;199 5.885468
&nbsp;200 35.300393
&nbsp;201 70.208100
&nbsp;202 28.096191
&nbsp;203 87.136298
&nbsp;204 79.776499
&nbsp;205 36.243011
&nbsp;206 18.249808
&nbsp;207 49.666520
&nbsp;208 45.067095
&nbsp;209 81.785392
&nbsp;210 5.555862
&nbsp;211 105.361366
&nbsp;212 4.575460
&nbsp;213 381.204021
&nbsp;214 26.712747
&nbsp;216 8.037618
&nbsp;217 119.627795
&nbsp;218 10.061485
&nbsp;219 63.762947
&nbsp;220 9.087658
&nbsp;221 41.684105
&nbsp;222 35.907417
&nbsp;223 76.139589
&nbsp;224 23.752550
&nbsp;225 142.216169
&nbsp;226 67.755801
&nbsp;227 20.597788
&nbsp;228 76.818771
&nbsp;229 104.284923
&nbsp;230 18.541601
&nbsp;231 4.473983
&nbsp;232 3.580878
&nbsp;233 224.758597
&nbsp;234 26.863645
&nbsp;235 212.911324
&nbsp;236 50.921549
&nbsp;237 33.628254
&nbsp;238 42.168327
&nbsp;239 103.701129
&nbsp;240 136.060809
&nbsp;241 713.711764
&nbsp;242 34.027235
&nbsp;245 4.102289
&nbsp;246 27.086730
&nbsp;247 2.667541
&nbsp;248 2.497556
&nbsp;252 103.829221
&nbsp;253 7.460715
&nbsp; ...
```
* ю
```matlab
>> save res.mat Res -mat
```
* ю
```matlab
>> hist(Res,20)
>> xlabel('Results ')
>> ylabel('Number of Unis ')
```
!\[текст](Hist.jpg)
* ю
```matlab
saveas(gcf, 'Hist.jpg', 'jpg ')
```
!\[текст](assets/figure2.png)
* ю
```matlab
>> CorFin=corr(Res,XX(:,2))
CorFin = 0.8437
>> fprintf('Correlation of Results and Money = %f \\n',CorFin)
Correlation of Results and Money = 0.843710
```

Двоичные данные
ТЕМА2/res.mat
Просмотреть файл

Двоичный файл не отображается.