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

Сравнить коммиты

Основа: MiachinPY:main
Ветки Теги
MiachinPY:main main:main
..
сравнить: main:main
Ветки Теги
main:main MiachinPY:main

1 Коммитов
main ... 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
28 изменённых файлов: 28 добавлений и 3069 удалений
Показать все файлы Свернуть все файлы

45
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:
(`IvanovII` заменить на свое имя пользователя):
```sh ```sh
git clone http://uit.mpei.ru/git/IvanovII/it-labs.git git config --global credential.helper ""
git config --global core.askpass ""
``` ```
Перебазировать свой форк на исходный репозиторий ("апстрим"): 2. Клонировать свой форк на рабочий стол
(`IvanovII` заменить на свое имя пользователя):
```sh ```sh
# Первую команду нужно запускать только один раз, git clone http://uit.mpei.ru/git/IvanovII/it-labs.git
# иначе будет ошибка "error: remote upstream already exists". ```
git remote add upstream http://uit.mpei.ru/git/main/it-labs.git
git fetch upstream
git stash push
git rebase upstream/main
git stash pop
```
Перебазировать нужно, чтобы подтянуть из исходного репозитория обновления. 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
cd it-labs
git config user.name "Иванов И. И."
git config user.email "IvanovII@mpei.ru"
```
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`.

357
ТЕМА1/Perem
Просмотреть файл

@@ -1,357 +0,0 @@
# Created by Octave 8.3.0, Wed Feb 11 12:35:34 2026 GMT <unknown@w10prog-95>
# name: A
# type: matrix
# rows: 4
# columns: 6
-0.40437815379404457 -0.29192501550926941 -1.2963774596941302 -0.92328485083812151 -0.30099317618173071 0.81411085689587337
1.245516030867158 -2.828248615824613 -0.022756236688333664 -0.029905956866107867 0.23396952493087078 0.2522071290481499
-1.1381940335263618 1.1688688180180546 -0.50156630599431817 1.4553966001007257 -0.11478379926238373 -0.95660343166700335
0.72784657335752723 0.42062768466339245 0.19231263786937355 -0.7709335933481295 0.054363953580827594 -0.42162996178456436
# name: B
# type: matrix
# rows: 4
# columns: 7
0.011269466012866158 0.31233259088879628 0.37816112363313803 0.50534042221943543 0.61024413444953296 0.098825549345334163 0.47079335331909644
0.51926658465296949 0.56261654608661427 0.98013045499865925 0.011636634279332814 0.48368117702448488 0.29806450638624693 0.26783517775205246
0.10192653469097457 0.75956118592292132 0.73135293863561468 0.45464626337978076 0.50035725041924672 0.71748339618150303 0.27350974402414041
0.75075623239790146 0.81413443471865221 0.60693206715352876 0.17223485216898671 0.17848373501821446 0.71091297917748619 0.38861356380351975
# name: B1
# type: matrix
# rows: 4
# columns: 7
0.84129687267562026 0.23032800107727022 0.99515632733942172 0.70065114978003917 0.9855067988907189 0.89112535009324634 0.84477476653073102
0.3890868357596276 0.32289475312892341 0.665935068164766 0.68786206388067506 0.94474609685698685 0.62169666969252879 0.71424067078599462
0.65242302831154531 0.47239323706235731 0.82028649515655694 0.61721065014999554 0.83881716555353225 0.36356776461461832 0.58383069891246397
0.96383083699604943 0.93958052974191397 0.95711505287464005 0.92164114022124155 0.8499223906280009 0.58355909967125008 0.36649381809795023
# name: B1D
# type: matrix
# rows: 4
# columns: 1
0.84129687267562026
0.32289475312892341
0.82028649515655694
0.92164114022124155
# name: B2
# type: matrix
# rows: 4
# columns: 7
-0.3456213633692034 -2.9365017886431746 -0.0097108825210850697 -0.71149032469629436 -0.029198506976052616 -0.23054035335564912 -0.33737047127933267
-1.8879054642030848 -2.2608577011270867 -0.81312621688563547 -0.74833389938967776 -0.11367813632820718 -0.95060594899384498 -0.67307059901848498
-0.85412422203422889 -1.4998870217736286 -0.39620323081413722 -0.96508980610450845 -0.35152503149221315 -2.0235791535688428 -1.0762884746105534
-0.073678960129228532 -0.12464349654081815 -0.087663344631561682 -0.1631987000796768 -0.32522047761974326 -1.0772190952017007 -2.0075472503951
# name: B3
# type: matrix
# rows: 4
# columns: 7
0.65014892796904378 0.053026107066766005 0.83621035472791883 0.47143040961618327 0.82557682475088601 0.71323613638320227 0.65459321487700739
0.1508109616301945 0.10407223175411286 0.42907594461767623 0.45569622938160403 0.77867120051022187 0.37695516261517042 0.48829919577259773
0.41291815940636917 0.22130784953212376 0.62323294312355548 0.37180159260919782 0.64697779471563543 0.13179694401164124 0.33429612139046483
0.80100367633607383 0.77252722645395755 0.79321413669174323 0.75089906786096117 0.66116315013551852 0.33399728360141923 0.13391420628893583
# name: BS1
# type: matrix
# rows: 4
# columns: 7
0.15138856576143944 0.053050988080250994 0.44346951501161147 0.38094898665858024 0.70361423722726202 0.13218151946687051 0.13431771870401343
0.42565580787120749 0.1042610215981884 0.67286993413622809 0.47315421892618192 0.72236807009081616 0.34054122280912003 0.34085828499261617
0.70778042797377871 0.22315537042225253 0.916069224439225 0.49091203368809089 0.89254518752651113 0.38650674910678129 0.51013973580482763
0.92896988234450528 0.88281157187009573 0.9903361158436863 0.84942239134831021 0.97122365065983185 0.79410438957881091 0.71364440616705105
# name: BS2
# type: matrix
# rows: 4
# columns: 7
0.70778042797377871 0.053050988080250994 0.9903361158436863 0.49091203368809089 0.97122365065983185 0.79410438957881091 0.71364440616705105
0.15138856576143944 0.1042610215981884 0.44346951501161147 0.47315421892618192 0.89254518752651113 0.38650674910678129 0.51013973580482763
0.42565580787120749 0.22315537042225253 0.67286993413622809 0.38094898665858024 0.70361423722726202 0.13218151946687051 0.34085828499261617
0.92896988234450528 0.88281157187009573 0.916069224439225 0.84942239134831021 0.72236807009081616 0.34054122280912003 0.13431771870401343
# 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
0.84129687267562026
0.32289475312892341
0.82028649515655694
0.92164114022124155
# 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
-0.92517810753540253 1.3621625185353694 -0.99342588408790089 -0.62697383766476866 0.29229702852545225 0.6552707490793459
-0.83937561508086944 1.91088690918501 -0.98901615743043458 0.038738811776505316 0.10881031595543142 -0.45825707627261786
-0.91468137209996492 1.3704774496980128 -0.74097145935959552 -1.0242713266108721 0.39329615894892861 1.5271647021020902
-0.65786851956529202 1.5457941771455885 -0.6462845015391685 -0.53541206892953652 0.44140070851959634 0.73069289679673777
-0.51395049869550635 1.2020011770866486 -0.15003920997674014 -1.194525529713681 0.6316164374711134 2.179197479231012
-0.025744822216673291 -0.22067490657173527 -0.088307303562579931 -0.8688620893386676 0.66815664323217128 1.447090723536905
0.011778128310276109 -0.14673748507607098 0.25657768823882016 -0.87928463285262182 0.43599684935834437 1.7058764295464639
# name: F
# type: matrix
# rows: 4
# columns: 12
0.16405131455695141 -1.4421276350974324 0.024054678389216915 -0.98305661822403645 0.5396954435200968 1.5703873292525032 4 8 12 16 20 24
0.61592728519316897 0.26012861066981408 0.79398458747804546 -0.34736781147672741 0.74564665640062955 1.1346372663933315 5 9 13 17 21 25
-0.9146179120146033 1.471057962997957 -0.0077098420955499913 -0.064726121478049195 -1.0749508659184648 0.34783265279470343 6 10 14 18 22 26
-0.8022029060491086 1.848636218447921 -1.2135697668443461 0.16034207721313143 0.27448452609555374 -0.83538420233076749 7 11 15 19 23 27
# name: FF
# type: matrix
# rows: 2
# columns: 4
1 1 1 1
1 1 1 1
# 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
-0.065485100485552894 0.012309226255255219 -0.11172608435892806 -0.43466682232543113 0.072974293218844091 -0.031300005484428427
-0.052306356945670943 -0.032903537214427091 -0.44933587689380861 0.096507771822953503 0.18572725376521607 0.12696642333086014
-0.14469546885156126 -0.021271486448729601 0.10526805700158132 -0.1273566390601274 0.20343766561237137 -0.19226188192337193
-0.19017912110171209 -0.0089988757159431415 0.22355586904851166 -0.093199679337739053 0.19484931195349284 0.071695054851578843
# name: MM
# type: matrix
# rows: 5
# columns: 7
14.636103873475587 9.2372217093871889 -9.9370253031777942 -1.7621854777043406 15.444180958989691 1.4665820975887929 7.6576141617747702
9.6989481010297407 20.897960154513026 -7.165963046964265 8.8974790442869072 8.7257571759253789 -2.0030826543949729 5.4442460110014546
9.9614552675311998 5.1292410686279508 22.025688939882642 16.71228979454758 26.004263622307057 6.7223820113469941 12.830255886602188
21.940449002730411 -2.7303871552959098 2.4200818557092729 16.492221438335903 -5.334566620483292 1.5417453467638378 9.5997484605851504
19.832797027802346 6.6981594437285903 1.3281361689954529 1.9102971621240812 9.5002120872807119 7.4352015173571999 9.1057035139837694
# 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
0.39087521984861928 -0.17582188938294732 0.061428429310727992 0.1789321785707671
-0.17582188938294732 0.47505163460170874 -0.058496289925165791 0.044511784911366453
0.061428429310727992 -0.058496289925165791 0.34720787893168314 -0.13332958431568367
0.1789321785707671 0.044511784911366453 -0.13332958431568367 0.34795223475475057
# name: dt
# type: scalar
122.08294078510691
# name: elem
# type: scalar
28
# name: i
# type: scalar
19
# name: k
# type: scalar
7
# name: mu
# type: scalar
10
# name: nm
# type: matrix
# rows: 1
# columns: 2
4 7
# name: sigma
# type: scalar
8

6
ТЕМА1/Prog1.m
Просмотреть файл

@@ -1,6 +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])

12
ТЕМА1/pik.m
Просмотреть файл

@@ -1,12 +0,0 @@
A=randn(4,6)%матрица А со случайными, нормально распределенными элементами, с 4 строками и 6 столбцами
B=rand(4,7)%матрица В 4х7 со случайными элементами, равномерно распределенными в диапазоне от 0 до 1
C=4:27%вектор С с целыми числами от 4 до 27
H='This is a symbols vector'%символьный вектор Н
L=[-2+23.1j, 3-5.6j]%вектор-строка L с 2 комплексными элементами
D=reshape(C,[],6)%преобразование матрицы С в матрицу с 6 столбцами
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])

630
ТЕМА1/report.md
Просмотреть файл

@@ -1,630 +0,0 @@
# Отчет по теме 1
Клименченко Иван, А-03-24
## 1 Изучение среды GNU Octave
## 2 Настройка текущего католога
Нажал на окно рядом с *Текущая папка:* и установил путь к папке TEMA1:
![Скриншот выбора текущей папки](screen/1.png)
## 3 Работа с предложением *Окно*
Отметил галочками предложения, которые указаны в методическом задании:
![Скриншот выбора нужных для работы окон](screen/2.png)
## 4 Отображение списка файлов, размещенных в текущей папке
Выбрал в главном меню предложения "Правка" + "Установить путь" и добавил в появившийся список пути к папкам TEMA1 и TEMA2:
![Скриншот отображения списка файлов](screen/3.png)
## 5 Изучил работу с системной помощи
3 способа взаимодействия с системой помощи:
-В главном меню выберите предложения «Справка» + « Документация» + « На диске».
-Ввод в командную строку help randn.
-Также можно использовать функции из дополнительных пакетов. Список пакетов можно получить выбрав в меню «Справка» + «Пакеты Octave».
## 6 Создание матрицы
Создал матрицу A с размерами 4x6 и случайными, нормально распределенными элементами:
```matlab
>> A = randn(4, 6)
A =
-0.2627 -1.5135 1.0131 -1.0967 -0.6512 0.1109
-0.2312 0.8284 0.2978 -1.8087 0.3552 -1.0800
1.1199 0.8738 -0.9543 -0.6367 2.3166 2.8992
1.2220 0.5852 -0.7575 -0.9225 -1.0620 -1.9204
```
Создал матрицу B с размерами 4x7, со случайными элементами, равномерно распределенными в диапазоне от 0 до 1:
```matlab
>> B =
9.8683e-01 5.4813e-02 4.4655e-04 9.7877e-01 8.1614e-01 2.6225e-01 8.3845e-01
1.2406e-01 5.7536e-01 5.1035e-01 8.9276e-01 9.1942e-01 3.4387e-01 8.3508e-02
5.3247e-01 8.1406e-01 3.9340e-02 6.8435e-01 5.6700e-01 5.7863e-01 2.0870e-01
3.7277e-01 7.7312e-01 4.3533e-01 7.7234e-01 5.2089e-01 3.2629e-01 7.6596e-01
```
Создал вектор C с целыми числами от 4 до 27:
```matlab
>> 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
```
Создал сивольный вектор H:
```matlab
ࠀH = This is a symbols vector
```
Создал вектор-строку L с 2 комплексными элементами:
```matlab
L =
-2.0000 + 23.1000i 3.0000 - 5.6000i
```
## 7 Выполнение следующих операций
Преобразовал матрицу C в матрицу с 6 столбцами:
```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
>>
```
Сделал матричное перемножение B и A с транспонированием матрицы B:
```matlab
>> E = B'*A
E =
0.763907 -0.707394 0.246248 -1.989562 0.239032 0.803356
1.708982 1.557434 -1.135610 -2.332250 1.233447 0.260085
0.457931 0.711236 -0.214877 -1.350198 -0.190194 -1.273128
1.246681 0.308146 0.019386 -3.836352 0.444831 -0.354784
0.844570 0.326688 0.165011 -3.399539 0.555408 -0.258938
0.898331 0.584501 -0.431238 -1.578960 0.945284 0.708676
0.930138 -0.569234 0.094963 -1.910080 -0.846337 -0.863086
>>
```
Создал матрицы путем горизонтального соединения матриц A и B:
```matlab
>> F=[A,B]
F =
Columns 1 through 10:
-2.6269e-01 -1.5135e+00 1.0131e+00 -1.0967e+00 -6.5123e-01 1.1094e-01 9.8683e-01 5.4813e-02 4.4655e-04 9.7877e-01
-2.3115e-01 8.2841e-01 2.9780e-01 -1.8087e+00 3.5521e-01 -1.0800e+00 1.2406e-01 5.7536e-01 5.1035e-01 8.9276e-01
1.1199e+00 8.7381e-01 -9.5427e-01 -6.3666e-01 2.3166e+00 2.8992e+00 5.3247e-01 8.1406e-01 3.9340e-02 6.8435e-01
1.2220e+00 5.8520e-01 -7.5751e-01 -9.2251e-01 -1.0620e+00 -1.9204e+00 3.7277e-01 7.7312e-01 4.3533e-01 7.7234e-01
Columns 11 through 13:
8.1614e-01 2.6225e-01 8.3845e-01
9.1942e-01 3.4387e-01 8.3508e-02
5.6700e-01 5.7863e-01 2.0870e-01
5.2089e-01 3.2629e-01 7.6596e-01
>>
```
Поэлементарно перемножил матрицы A и D:
```matlab
>> G = A.*D
G =
-1.0507 -12.1081 12.1577 -17.5477 -13.0246 2.6625
-1.1558 7.4557 3.8714 -30.7476 7.4594 -27.0012
6.7193 8.7381 -13.3598 -11.4599 50.9642 75.3801
8.5537 6.4372 -11.3627 -17.5277 -24.4256 -51.8517
>>
```
Поэлементарно поделил элементы матрицы G на 4.5:
```matlab
>> M =G./4.5
M =
-0.2335 -2.6907 2.7017 -3.8995 -2.8943 0.5917
-0.2568 1.6568 0.8603 -6.8328 1.6576 -6.0003
1.4932 1.9418 -2.9688 -2.5466 11.3254 16.7511
1.9008 1.4305 -2.5250 -3.8951 -5.4279 -11.5226
>>
```
Поэлементарно возвел в степень элементы матрицы D:
```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
>>
```
Создал логическую матрицу, совпадающей по размерам с D и с элементами по заданному условию:
```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
>>
```
Превратил матрицу 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:
Корень:
```matlab
>> B1 = sqrt(B)
B1 =
0.8912 0.9154 0.9021 0.3777 0.3581 0.8524 0.9841
0.8425 0.9363 0.6363 0.5124 0.8517 0.8594 0.9475
0.6334 0.7961 0.1955 0.8046 0.6285 0.6864 0.6258
0.2281 0.9763 0.6498 0.6754 0.5494 0.5486 0.2590
>>
```
Логарифм:
```matlab
>> B2 = log(B)
B2 =
-0.230335 -0.176863 -0.206056 -1.947159 -2.053980 -0.319505 -0.032061
-0.342772 -0.131694 -0.904073 -1.337481 -0.321073 -0.303043 -0.107793
-0.913373 -0.456068 -3.264437 -0.434910 -0.928981 -0.752687 -0.937477
-2.956341 -0.047999 -0.862111 -0.784873 -1.197907 -1.200803 -2.702224
>>
```
Синус:
```matlab
>> B3 = sin(B)
B3 =
0.713350 0.743236 0.726893 0.142195 0.127873 0.664264 0.824007
0.651682 0.768574 0.393942 0.259502 0.663413 0.673229 0.781966
0.390494 0.592187 0.038209 0.603053 0.384768 0.453866 0.381681
0.051985 0.815235 0.409832 0.440520 0.297264 0.296430 0.067006
>>
```
- Операции с матрицами:
Длина матрицы:
```matlab
>> k = length(B1)
k = 7
>>
```
Размер матрицы:
```matlab
>> nm = size(B1)
nm =
4 7
>>
```
Кол-во элементов в матрице:
```matlab
>> elem = numel(B1)
elem = 28
>>
```
Вектор линейного интервала:
```matlab
>> NN = linspace(11.5,34.1,20)
NN =
Columns 1 through 15:
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
Columns 16 through 20:
29.342 30.532 31.721 32.911 34.100
>>
```
Матрица единиц:
```matlab
>> FF = ones(2,4)
FF =
1 1 1 1
1 1 1 1
>>
```
Матрица нулей:
```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
>>
```
Диагональ матрицы:
```matlab
>> B1D=diag(B1)
B1D =
0.8912
0.9363
0.1955
0.6754
>>
```
Диагональная матрица из вектора:
```matlab
>> DB = diag(B1D)
DB =
Diagonal Matrix
0.8912 0 0 0
0 0.9363 0 0
0 0 0.1955 0
0 0 0 0.6754
>>
```
Сортировка в столбцах:
```matlab
>> BS1=sort(B)
BS1 =
0.052009 0.633771 0.038218 0.142679 0.128224 0.300953 0.067056
0.401169 0.837894 0.404917 0.262506 0.301825 0.471099 0.391615
0.709800 0.876609 0.422270 0.456178 0.394956 0.726509 0.897813
0.794267 0.953135 0.813787 0.647323 0.725370 0.738567 0.968447
>>
```
Сортировка по 2 столбцу:
```matlab
>> BS2=sortrows(B,2)
BS2 =
0.401169 0.633771 0.038218 0.647323 0.394956 0.471099 0.391615
0.794267 0.837894 0.813787 0.142679 0.128224 0.726509 0.968447
0.709800 0.876609 0.404917 0.262506 0.725370 0.738567 0.897813
0.052009 0.953135 0.422270 0.456178 0.301825 0.300953 0.067056
>>
```
Сумма каждого столбца:
```matlab
>> DS1=sum(D)
DS1 =
22 38 54 70 86 102
>>
```
Сумма каждой строки:
```matlab
>> DS2 = sum(D,2)
DS2 =
84
90
96
102
>>
```
Произведение по столбцам:
```matlab
>> DP1 = prod(D)
DP1 =
840 7920 32760 93024 212520 421200
>>
```
Определитель:
```matlab
>> dt=det(A*A')
dt = 654.00
>>
```
Обратная матрица:
```matlab
฀>> dinv = inv(A*A')
dinv =
0.8194 -0.3173 0.4800 -0.2872
-0.3173 0.2928 -0.2075 0.1266
0.4800 -0.2075 0.3753 -0.1545
-0.2872 0.1266 -0.1545 0.1674
>>
```
## 9 Изучение работы с индексацией элементов матрицы
Элемент 3 строки 5 столбца:
```matlab
>> D1 = D(3,5)
D1 = 22
>>
```
Часть 3 строки с 4 по последний столбцы:
```matlab
ࠀ>> D2 = D(3,4:end)
D2 =
18 22 26
>>
```
Кусок матрицы:
```matlab
>> D3 = D(2:3,3:5)
D3 =
13 17 21
14 18 22
>>
```
Элементы с 16 по 20 место:
```matlab
>> D4 = D(16:20)
D4 =
19 20 21 22 23
>>
```
Смешанная матрица:
```matlab
>> D5 = D(3:4,[1,3,6])
D5 =
6 14 26
7 15 27
>>
```
## 10 Изучение некоторых управляющих конструкций
Цикл по перечислению:
```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:
```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:
```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))
```
![Скриншот графика](screen/plot1.png)
Функция расчета и построения гистограммы:
```matlab
hist(A(:),6)
```
![Скриншот графика](screen/plot2.png)
Функция pie:
```matlab
pie(C)
```
![Скриншот графика](screen/plot3.png)
Функция bar:
```matlab
bar(C)
```
![Скриншот графика](screen/plot4.png)
## 12 Работа с текстовым редактором
Создал сценарий и перенес все выполненные команды из п.9:
![Скриншот кода](screens/8.png)
Убедился в работоспособности программы с помощью кнопки F5 и ввода имени файла в командной строке.
## Сохранение и восстановление переменных
Сохранил содержимое области переменных в файле Perem, завершил работу со средой и снова запустил среду. С помощью комманд восстановил содержимое из области файла Perem. Убедился в том, что в журнале выполненных команд сохранены команды из предыдущего сеанса работы со средой.

Двоичные данные
ТЕМА1/screen/1.png
Просмотреть файл

Двоичный файл не отображается.
Режим "рядом"

До

Ширина:  |  Высота:  |  Размер: 24 KiB

Двоичные данные
ТЕМА1/screen/2.png
Просмотреть файл

Двоичный файл не отображается.
Режим "рядом"

До

Ширина:  |  Высота:  |  Размер: 47 KiB

Двоичные данные
ТЕМА1/screen/3.png
Просмотреть файл

Двоичный файл не отображается.
Режим "рядом"

До

Ширина:  |  Высота:  |  Размер: 50 KiB

Двоичные данные
ТЕМА1/screen/PHOTO2.png
Просмотреть файл

Двоичный файл не отображается.
Режим "рядом"

До

Ширина:  |  Высота:  |  Размер: 49 KiB

Двоичные данные
ТЕМА1/screen/perem.png
Просмотреть файл

Двоичный файл не отображается.
Режим "рядом"

До

Ширина:  |  Высота:  |  Размер: 37 KiB

Двоичные данные
ТЕМА1/screen/photo1.png
Просмотреть файл

Двоичный файл не отображается.
Режим "рядом"

До

Ширина:  |  Высота:  |  Размер: 42 KiB

Двоичные данные
ТЕМА1/screen/photo3.png
Просмотреть файл

Двоичный файл не отображается.
Режим "рядом"

До

Ширина:  |  Высота:  |  Размер: 19 KiB

Двоичные данные
ТЕМА1/screen/plot1.png
Просмотреть файл

Двоичный файл не отображается.
Режим "рядом"

До

Ширина:  |  Высота:  |  Размер: 22 KiB

Двоичные данные
ТЕМА1/screen/plot2.png
Просмотреть файл

Двоичный файл не отображается.
Режим "рядом"

До

Ширина:  |  Высота:  |  Размер: 6.5 KiB

Двоичные данные
ТЕМА1/screen/plot3.png
Просмотреть файл

Двоичный файл не отображается.
Режим "рядом"

До

Ширина:  |  Высота:  |  Размер: 25 KiB

Двоичные данные
ТЕМА1/screen/plot4.png
Просмотреть файл

Двоичный файл не отображается.
Режим "рядом"

До

Ширина:  |  Высота:  |  Размер: 7.2 KiB

19
ТЕМА1/task.m
Просмотреть файл

@@ -1,19 +0,0 @@
pkg load statistics
MM = normrnd(10, 8, [5, 7])
SR = mean(MM, 'all')
MM(MM > SR + 8) = SR + 8
MM(MM < SR - 8) = SR -8
MMC = MM(:)
MMC = sort(MMC, 'ascend')
n = length(MMC)
if mod(n, 2) == 0
median = (MMC(n/2) + MMC(n/2+1)) / 2
else
median = MMC((n+1)/2)
end
MM1 = log(MM)

114
ТЕМА1/task.md
Просмотреть файл

@@ -1,114 +0,0 @@
# Общее контрольное задание.
## Создайте переменную ММ – матрицу 5х7 со случайными нормально распределенными элементами с математическим ожиданием 10 и стандартным отклонением 8.
```matlab
pkg load statistics
MM = normrnd(10, 8, [5, 7])
```
```matlab
MM =
5.4048 13.0326 3.7703 6.9935 12.3832 13.2677 3.2787
2.2426 3.8224 29.9238 4.0043 -8.3611 7.3701 -0.9094
1.9480 5.0671 31.1241 12.5756 6.2520 4.1399 9.8457
0.1623 15.8856 0.3149 19.8265 8.6335 13.1288 9.1681
13.4548 8.5982 14.3140 9.9211 4.0249 19.3929 13.5453
```
## Рассчитайте среднее значение SR по всем элементам матрицы ММ.
```matlab
SR = mean(MM, 'all')
```
```matlab
SR = 9.0728
```
## Замените в ММ все значения, превышающие SR+8, на значение SR+8, а значения, меньшие, чем SR-8, - на SR-8.
```matlab
MM(MM > SR + 8) = SR + 8
MM(MM < SR - 8) = SR -8
```
```matlab
MM =
5.4048 13.0326 3.7703 6.9935 12.3832 13.2677 3.2787
2.2426 3.8224 17.0728 4.0043 1.0728 7.3701 1.0728
1.9480 5.0671 17.0728 12.5756 6.2520 4.1399 9.8457
1.0728 15.8856 1.0728 17.0728 8.6335 13.1288 9.1681
13.4548 8.5982 14.3140 9.9211 4.0249 17.0728 13.5453
```
## Превратите ММ в вектор – столбец ММС. Упорядочьте его элементы по возрастанию. Определите значение медианы, в качестве которого возьмите серединное по порядку индексов значение в упорядоченном векторе.
```matlab
MMC = MM(:)
MMC = sort(MMC, 'ascend')
```
```matlab
MMC =
1.0728
1.0728
1.0728
1.0728
1.9480
2.2426
3.2787
3.7703
3.8224
4.0043
4.0249
4.1399
5.0671
5.4048
6.2520
6.9935
7.3701
8.5982
8.6335
9.1681
9.8457
9.9211
12.3832
12.5756
13.0326
13.1288
13.2677
13.4548
13.5453
14.3140
15.8856
17.0728
17.0728
17.0728
17.0728
```
```matlab
n = length(MMC)
if mod(n, 2) == 0:
median = (MMC(n/2) + MMC(n/2+1)) / 2
else:
median = MMC((n+1)/2)
MM1 = log(MM)
```
```matlab
median = 9.3195
MM1 =
2.5120 2.8049 2.1975 2.6559 2.9007 2.8039 0.7824
2.9007 2.5548 0.7824 2.1235 2.7348 1.3539 2.2321
2.9007 2.9007 2.8759 1.8575 2.5779 2.1063 1.7746
0.7824 2.9007 2.1871 2.4424 1.3304 0.7824 0.7824
2.6369 1.4465 1.8908 0.7824 2.5283 2.5664 1.9846
```

14
ТЕМА1/task2.m
Просмотреть файл

@@ -1,14 +0,0 @@
A=randn(4,6)%матрица А со случайными, нормально распределенными элементами, с 4 строками и 6 столбцами
B=rand(4,7)%матрица В 4х7 со случайными элементами, равномерно распределенными в диапазоне от 0 до 1
C=4:27%вектор С с целыми числами от 4 до 27
H='This is a symbols vector'%символьный вектор Н
L=[-2+23.1j, 3-5.6j]%вектор-строка L с 2 комплексными элементами
D=reshape(C,[],6)%преобразование матрицы С в матрицу с 6 столбцами
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
ТЕМА2/Hist.jpg
Просмотреть файл

Двоичный файл не отображается.
Режим "рядом"

До

Ширина:  |  Высота:  |  Размер: 27 KiB

991
ТЕМА2/params
Просмотреть файл

@@ -1,991 +0,0 @@
# Created by Octave 8.3.0, Thu Feb 12 09:47:35 2026 GMT <unknown@w10prog-45>
# name: Delt
# type: scalar
95.272650848977378
# name: GlComp
# type: matrix
# rows: 11
# columns: 1
0.035305594804226757
0.046771921092627386
0.048953291513389265
0.61556249852100742
0.24277452925483708
0.73685129246517744
0.095893176429320104
0.00016944863048107996
0.017910770099051333
0.05952332821548334
0.017425168262079013
# name: R
# type: matrix
# rows: 11
# columns: 11
1 0.44319816765218434 0.45229490451462429 0.44778574398701215 0.38123438492617634 0.46515996724271585 0.31487196949956175 0.065579059715437885 0.29153208678640502 0.48811401449659142 0.39815406859904828
0.44319816765218434 0.99999999999999989 0.8531887570178025 0.85331179766303822 0.86239869432519012 0.85436143444131896 0.55145031641699338 0.02508228477404556 0.4234817161148543 0.82169935265535266 0.26183179996651279
0.45229490451462429 0.8531887570178025 0.99999999999999978 0.84659512986297769 0.88650646533186173 0.90334579269862147 0.55090747255786887 0.0038839917339619496 0.44396331197981709 0.78358259317862666 0.26408264752557586
0.44778574398701215 0.85331179766303822 0.84659512986297769 0.99999999999999989 0.87038370623264705 0.93848577636557906 0.70923538858295065 0.04949976314629935 0.45872542676610983 0.85183168318991009 0.34419835599003928
0.38123438492617634 0.86239869432519012 0.88650646533186173 0.87038370623264705 1 0.93604557290623247 0.57668068139456297 0.037561879571732841 0.38321833210304451 0.77266304851662193 0.18750522316731627
0.46515996724271585 0.85436143444131896 0.90334579269862147 0.93848577636557906 0.93604557290623247 1 0.63033410580578253 0.047121160752318141 0.47592088638606911 0.83810082277586495 0.33118231321427249
0.31487196949956175 0.55145031641699338 0.55090747255786887 0.70923538858295065 0.57668068139456297 0.63033410580578253 0.99999999999999989 0.07944759746102098 0.41877952801291801 0.62936148090762123 0.28287321604210414
0.065579059715437885 0.02508228477404556 0.0038839917339619496 0.04949976314629935 0.037561879571732841 0.047121160752318141 0.07944759746102098 0.99999999999999978 0.047985426997945384 0.056461830989043199 0.13662419273378607
0.29153208678640502 0.4234817161148543 0.44396331197981709 0.45872542676610983 0.38321833210304451 0.47592088638606911 0.41877952801291801 0.047985426997945384 1 0.62615652475059513 0.45536892800717149
0.48811401449659142 0.82169935265535266 0.78358259317862666 0.85183168318991009 0.77266304851662193 0.83810082277586495 0.62936148090762123 0.056461830989043199 0.62615652475059513 0.99999999999999989 0.38799411442531923
0.39815406859904828 0.26183179996651279 0.26408264752557586 0.34419835599003928 0.18750522316731627 0.33118231321427249 0.28287321604210414 0.13662419273378607 0.45536892800717149 0.38799411442531923 1
# name: Res
# type: matrix
# rows: 290
# columns: 1
92.541635925649857
73.432512677749841
5.8854681503252957
35.300392959417614
70.208099521539381
28.09619089405912
87.136298062438058
79.776498700722357
36.243011497897875
18.249808135292128
49.666520314814996
45.067094755847471
81.785391761649933
5.555861590574926
105.36136555107353
4.5754600060262574
381.20402121272548
26.71274714975743
8.0376180755773223
119.62779472296823
10.061484978622037
63.762946666358637
9.0876581455392937
41.684104549565888
35.907417465940668
76.139589080861583
23.752549518721601
142.21616913333904
67.755800865314029
20.597788392627454
76.818770640491906
104.28492270336443
18.541600534711165
4.4739830311089541
3.5808784384807684
224.75859668657881
26.863645462460582
212.91132427414962
50.921549147641407
33.628253908937559
42.168327293333675
103.70112905168189
136.06080944761763
713.71176432907748
34.02723453350864
4.1022889812288543
27.086729953652519
2.6675413674902746
2.4975555888882566
103.82922101584847
7.4607153391308003
34.755449129294171
4.3597361717953724
5.7411866590168872
15.989431601973386
45.39979838874212
2.4622499940840297
6.4243896391024844
66.503024074945188
73.93554205640892
11.13052977279346
3.6842564623258873
9.970486308596179
28.031418638438357
1.3524137909861849
40.905329773450561
11.722703327978142
30.793454814223281
42.716264445127777
10.023429271629675
32.2604908433687
25.495268890918133
36.870098268919158
42.948416145711178
87.963237780170616
228.66898137140336
99.14609739615085
28.749899047688317
9.6221604955623583
1.3599744340314963
54.213639662040983
107.54774204621559
116.10642668163953
299.10289009945313
14.333164188053123
20.479492937168718
144.90879356232853
14.952534926853547
25.976099063048697
268.14942888153365
12.353605117127263
4.5261194600205421
104.66465531746005
91.264814279144346
209.32993996980605
196.45292601547951
4.8121245133353874
1.3877193857904118
50.732953847811913
118.63317892161922
212.52867877725831
37.744725076258661
30.102472737076333
320.66995990736939
0
41.450043800049158
141.12302634351909
405.34735889630423
12.875246596248049
117.61215004335874
8.989886346283587
74.655249731139733
89.566395079601378
37.992597924131267
40.59970140573666
37.33946456340373
142.92878024339251
9.1226071328207876
53.463842507936675
93.289531857664741
57.155318977104947
19.139209149164479
5.491474362928022
85.213352051896422
170.64296869048243
90.453986416822985
57.810668949068265
7.372960869699039
9.6149436361989018
1.8466874955630224
17.646937168660443
153.9106704600498
119.83595362890672
5.0102103823876121
2.6919592875787388
379.30088960385848
13.497202921837413
2.4622499940840297
19.718181528500669
200.66778335500246
93.618235424454824
25.650544306551769
26.344823475312058
65.285854317045036
21.514761065342277
176.51000251353722
1898.8845228215928
91.241365337039667
304.55239441211802
6.3559762863091471
3.4394367369243435
158.85958764031827
187.80205916049374
26.561371443740278
8.6579066833738327
110.31670325702852
21.286646917799406
8.0284995467771658
76.976886653483675
148.32017025573089
97.178360581603513
6.7131231626753793
88.631285428268697
333.40462890608813
27.838269247385249
11.662868510778281
0
71.250153770621324
0.36975704518481445
10.360736100849863
3.8550893718829378
81.56871537961527
54.636551996442606
23.501931410658017
90.446620330135303
57.162094674663756
162.85019570045193
305.87456481270823
6.3232992646324977
59.415850608608686
46.96620517418436
56.660854548950425
815.67531191412809
47.723187876178478
277.02147094885459
328.08621453649835
113.59045446280535
11.709047267226461
33.969900421808461
0.91337926648631118
122.6719121684235
59.978743777996478
7.4910570826031044
12.504247793778784
24.208529334781176
400.11096439619723
263.57636182691419
25.930889244374686
36.89525907988147
254.78377397653864
6.8701380642967935
12.625935148701478
23.783568443866546
3.1598900085018911
5.1518266443375138
0
106.7657106268355
15.783444916417167
30.701284496283378
64.989933394312899
43.087958480027403
31.124284815657507
5.1717605260252606
48.085148256051731
5.3478896982160524
2.1245706782555889
0.082077515896854136
21.63560271729294
52.05707618888124
25.625191640930638
9.7502283238654197
36.202865201875284
4.6266525709075728
3.190573581848541
9.5782910010744899
6.3748960235107051
3.6844534036923839
5.784828944256013
8.236759929716996
6.8725982179251242
41.304826089961779
1.988474061881182
7.5713162902258828
1.2311249970420148
5.0810943769164556
21.54744025859835
30.299927046128118
45.503739922824778
9.0939116262706268
10.369657688283523
7.1259353367634342
14.133227984399353
26.10241649693037
5.0719758481162991
12.085285661455652
0.71346908154778599
0.67508582673649076
4.0925469677627815
7.4541019651006604
184.66399113591771
10.455368082503076
7.4481290123664019
6.2425209403306789
8.8601797622620531
39.991950776061735
6.8910255886512681
5.1607089278752616
15.489599256935447
5.5904672861043938
27.378151462601348
10.801195295658475
23.750967784033804
11.426263577471968
8.4732357558467299
6.8983712423289898
3.4162832569226973
208.74688268456561
12.158393969884502
3.5631646097482141
4.1588660385137723
0
1.8478728267852358
8.4788202961086334
1.2778969181346422
0.035305594804226757
0.070611189608453515
0.035305594804226757
3.0392790323529573
0
4.2057148363157921
30.094936226602595
20.12805459028953
5.7737184871437464
31.539990348561201
147.38714838130392
18.314164375337807
32.84601130120528
14.511066666168237
19.235467348665228
0
# name: SobMax
# type: scalar
7494628.7953938534
# name: Sobst
# type: matrix
# rows: 11
# columns: 1
22.946585412187421
1931.6654643260799
2593.9795924916175
3457.3395622408857
5625.1514737118023
8672.0659466665711
18914.627989173332
47522.6781848803
57483.681267435793
225653.06853980463
7494628.7953938534
# 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
22.946585412187421
1931.6654643260799
2593.9795924916175
3457.3395622408857
5625.1514737118023
8672.0659466665711
18914.627989173332
47522.6781848803
57483.681267435793
225653.06853980463
7494628.7953938534
# name: vect
# type: matrix
# rows: 11
# columns: 11
0.001392810422550717 0.037187381347874138 -0.065276210391403036 0.11401592699694482 -0.057482252273087286 -0.43368899391332477 -0.8617370695793013 0.018077508393512427 -0.20942328673520219 0.04406834781729866 0.035305594804226757
-0.00080997965313001584 0.60908800831578724 0.38180665310528733 -0.56588395885253784 -0.26231179752889189 0.22396195139661562 -0.18893568701613578 -0.026534997984712264 0.07359852054049984 0.006211058349064877 0.046771921092627386
-0.0075395729093805366 -0.45899544783231888 -0.5215316615485539 -0.67232668906122506 -0.19752213456241605 0.094376523806025736 -0.11098036666249886 -0.0037696616615502101 0.029602477651318463 -0.041501535314358344 0.048953291513389265
-0.00015197372585537322 -0.0023868413299198833 -0.039383896728816099 0.020470931032591368 0.029084893240712412 -0.04287850578243544 0.039810057651133685 -0.25705259607884912 0.17314674927411106 0.72026506792286382 0.61556249852100742
0.0010984696390625669 -0.021295818804360569 -0.017772378560478416 0.1018923103268666 0.15146937545309533 0.029246114632324443 -0.22268033972341814 0.093731562137041924 0.84202992189556602 -0.37245546490671322 0.24277452925483708
4.634115630557653e-05 0.024446209810118007 0.034513808847537839 0.0068265924193010941 -0.028772508722239187 -0.036347064631517365 0.12359571477172455 0.055570948693301321 -0.40806017173503228 -0.51786933384306577 0.73685129246517744
0.0011860028016074449 0.0042558464030599888 0.023495928427698789 -0.048185148380062458 -0.015672782378184535 -0.058141787313936176 0.058107909891642787 0.95701402990701101 0.0052365196161915139 0.25496118410044 0.095893176429320104
-0.99993653486432243 0.00056339645553188616 0.0065197820100834202 0.004046982474121206 0.0075475146800696473 0.0012607778742422962 -0.0023724195455069081 0.0014644786043862637 -0.0010271031675555136 0.00055851484167292696 0.00016944863048107996
-0.0016282256896621595 0.46825855272148731 -0.65977518401484947 0.26872055666444072 0.028869079286093505 0.49534627142851201 -0.12024546216317963 0.058770979212280944 -0.091452392782732247 0.020458697705750234 0.017910770099051333
0.001700173169473845 -0.42580867393319216 0.33001193867694534 0.28074347877196781 -0.39003516978165265 0.62609930707432293 -0.27487428930116464 0.036415769623522283 -0.059675610198041698 0.053341708222992751 0.05952332821548334
0.0077009678970553349 -0.12368395587829271 0.17350369137338406 -0.224808824018637 0.84320406749777232 0.3287592342776483 -0.22260190597676177 0.018627387946442864 -0.17996764564584086 0.048312774840992258 0.017425168262079013

Двоичные данные
ТЕМА2/photos/plot1.png
Просмотреть файл

Двоичный файл не отображается.
Режим "рядом"

До

Ширина:  |  Высота:  |  Размер: 9.9 KiB

Двоичные данные
ТЕМА2/photos/plot2.png
Просмотреть файл

Двоичный файл не отображается.
Режим "рядом"

До

Ширина:  |  Высота:  |  Размер: 9.4 KiB

319
ТЕМА2/prtcl.txt
Просмотреть файл

@@ -1,319 +0,0 @@
Eigenvalues:
22.946585
Eigenvalues:
1931.665464
Eigenvalues:
2593.979592
Eigenvalues:
3457.339562
Eigenvalues:
5625.151474
Eigenvalues:
8672.065947
Eigenvalues:
18914.627989
Eigenvalues:
47522.678185
Eigenvalues:
57483.681267
Eigenvalues:
225653.068540
Eigenvalues:
7494628.795394
Delta= 95
Results
197 198.000000
199 200.000000
201 202.000000
203 204.000000
205 206.000000
207 208.000000
209 210.000000
211 212.000000
213 214.000000
216 217.000000
218 219.000000
220 221.000000
222 223.000000
224 225.000000
226 227.000000
228 229.000000
230 231.000000
232 233.000000
234 235.000000
236 237.000000
238 239.000000
240 241.000000
242 245.000000
246 247.000000
248 252.000000
253 256.000000
257 258.000000
259 261.000000
264 267.000000
268 273.000000
275 296.000000
304 305.000000
311 318.000000
322 325.000000
326 329.000000
330 334.000000
335 336.000000
339 340.000000
341 342.000000
343 346.000000
347 348.000000
349 352.000000
356 357.000000
362 365.000000
366 371.000000
372 373.000000
376 377.000000
379 381.000000
383 387.000000
388 389.000000
391 392.000000
393 394.000000
395 399.000000
410 412.000000
413 414.000000
441 446.000000
448 451.000000
456 465.000000
466 467.000000
472 476.000000
477 484.000000
1001 1002.000000
1004 1017.000000
1030 1034.000000
1035 1037.000000
1038 1039.000000
1041 1044.000000
1 2.000000
3 4.000000
6 7.000000
8 9.000000
10 11.000000
12 13.000000
14 15.000000
16 17.000000
18 19.000000
20 21.000000
22 23.000000
26 28.000000
29 33.000000
34 35.000000
36 37.000000
38 40.000000
41 42.000000
43 44.000000
45 51.000000
52 53.000000
54 55.000000
56 57.000000
58 59.000000
60 62.000000
63 64.000000
65 66.000000
67 68.000000
69 71.000000
72 73.000000
74 75.000000
76 77.000000
78 79.000000
80 81.000000
82 84.000000
85 86.000000
87 88.000000
89 90.000000
91 92.000000
93 94.000000
95 96.000000
97 99.000000
100 101.000000
102 103.000000
104 105.000000
107 108.000000
109 110.000000
111 112.000000
113 114.000000
115 116.000000
118 119.000000
120 121.000000
122 123.000000
124 132.000000
133 134.000000
135 136.000000
137 138.000000
139 140.000000
141 142.000000
143 144.000000
146 147.000000
148 149.000000
150 151.000000
152 153.000000
154 162.000000
166 167.000000
168 170.000000
171 172.000000
173 174.000000
175 176.000000
177 178.000000
179 180.000000
181 182.000000
183 184.000000
185 186.000000
187 188.000000
189 190.000000
191 192.000000
193 194.000000
92.5416 73.432513
5.88547 35.300393
70.2081 28.096191
87.1363 79.776499
36.243 18.249808
49.6665 45.067095
81.7854 5.555862
105.361 4.575460
381.204 26.712747
8.03762 119.627795
10.0615 63.762947
9.08766 41.684105
35.9074 76.139589
23.7525 142.216169
67.7558 20.597788
76.8188 104.284923
18.5416 4.473983
3.58088 224.758597
26.8636 212.911324
50.9215 33.628254
42.1683 103.701129
136.061 713.711764
34.0272 4.102289
27.0867 2.667541
2.49756 103.829221
7.46072 34.755449
4.35974 5.741187
15.9894 45.399798
2.46225 6.424390
66.503 73.935542
11.1305 3.684256
9.97049 28.031419
1.35241 40.905330
11.7227 30.793455
42.7163 10.023429
32.2605 25.495269
36.8701 42.948416
87.9632 228.668981
99.1461 28.749899
9.62216 1.359974
54.2136 107.547742
116.106 299.102890
14.3332 20.479493
144.909 14.952535
25.9761 268.149429
12.3536 4.526119
104.665 91.264814
209.33 196.452926
4.81212 1.387719
50.733 118.633179
212.529 37.744725
30.1025 320.669960
0 41.450044
141.123 405.347359
12.8752 117.612150
8.98989 74.655250
89.5664 37.992598
40.5997 37.339465
142.929 9.122607
53.4638 93.289532
57.1553 19.139209
5.49147 85.213352
170.643 90.453986
57.8107 7.372961
9.61494 1.846687
17.6469 153.910670
119.836 5.010210
2.69196 379.300890
13.4972 2.462250
19.7182 200.667783
93.6182 25.650544
26.3448 65.285854
21.5148 176.510003
1898.88 91.241365
304.552 6.355976
3.43944 158.859588
187.802 26.561371
8.65791 110.316703
21.2866 8.028500
76.9769 148.320170
97.1784 6.713123
88.6313 333.404629
27.8383 11.662869
0 71.250154
0.369757 10.360736
3.85509 81.568715
54.6366 23.501931
90.4466 57.162095
162.85 305.874565
6.3233 59.415851
46.9662 56.660855
815.675 47.723188
277.021 328.086215
113.59 11.709047
33.9699 0.913379
122.672 59.978744
7.49106 12.504248
24.2085 400.110964
263.576 25.930889
36.8953 254.783774
6.87014 12.625935
23.7836 3.159890
5.15183 0.000000
106.766 15.783445
30.7013 64.989933
43.088 31.124285
5.17176 48.085148
5.34789 2.124571
0.0820775 21.635603
52.0571 25.625192
9.75023 36.202865
4.62665 3.190574
9.57829 6.374896
3.68445 5.784829
8.23676 6.872598
41.3048 1.988474
7.57132 1.231125
5.08109 21.547440
30.2999 45.503740
9.09391 10.369658
7.12594 14.133228
26.1024 5.071976
12.0853 0.713469
0.675086 4.092547
7.4541 184.663991
10.4554 7.448129
6.24252 8.860180
39.992 6.891026
5.16071 15.489599
5.59047 27.378151
10.8012 23.750968
11.4263 8.473236
6.89837 3.416283
208.747 12.158394
3.56316 4.158866
0 1.847873
8.47882 1.277897
0.0353056 0.070611
0.0353056 3.039279
0 4.205715
30.0949 20.128055
5.77372 31.539990
147.387 18.314164
32.846 14.511067
19.2355 0.000000
min: 0.000000
max: 1898.884523
mean: 67.928804
std: 145.954386

548
ТЕМА2/report.md.txt
Просмотреть файл

@@ -1,548 +0,0 @@
#Вторая лаба отчет
###Читаю файл и проверяю размер матрицы
XX=load('dan_vuz.txt')
size(XX)
ans =
290 15
>>
###Данные о скольких вузах России представлены в этой матрице?
290
###Выделите в отдельную матрицу данные о показателях результативности:
X=XX(:,3:13)
###Рассчитайте матрицу корреляций между показателями результативности:
R=corr(X)
R =
Columns 1 through 10:
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 4.8811e-01
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 8.2170e-01
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 7.8358e-01
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 8.5183e-01
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 7.7266e-01
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 8.3810e-01
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 6.2936e-01
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 5.6462e-02
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 6.2616e-01
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 1.0000e+00
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 3.8799e-01
Column 11:
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
3.8799e-01
1.0000e+00
>>
###Пусть для исследования результативности применяется метод главных компонент, основу которого составляет получение собственных значений и собственных векторов от квадратичной формы:
[vect,lambda]=eig(X'*X)
lambda =
Diagonal Matrix
Columns 1 through 10:
2.2947e+01 0 0 0 0 0 0 0 0 0
0 1.9317e+03 0 0 0 0 0 0 0 0
0 0 2.5940e+03 0 0 0 0 0 0 0
0 0 0 3.4573e+03 0 0 0 0 0 0
0 0 0 0 5.6252e+03 0 0 0 0 0
0 0 0 0 0 8.6721e+03 0 0 0 0
0 0 0 0 0 0 1.8915e+04 0 0 0
0 0 0 0 0 0 0 4.7523e+04 0 0
0 0 0 0 0 0 0 0 5.7484e+04 0
0 0 0 0 0 0 0 0 0 2.2565e+05
0 0 0 0 0 0 0 0 0 0
Column 11:
0
0
0
0
0
0
0
0
0
0
7.4946e+06
>>
Sobst=diag(lambda);
###Представьте их на экране с заголовком:
fprintf('Eigenvalues:\n %f \n',Sobst)
Eigenvalues:
22.946585
Eigenvalues:
1931.665464
Eigenvalues:
2593.979592
Eigenvalues:
3457.339562
Eigenvalues:
5625.151474
Eigenvalues:
8672.065947
Eigenvalues:
18914.627989
Eigenvalues:
47522.678185
Eigenvalues:
57483.681267
Eigenvalues:
225653.068540
Eigenvalues:
7494628.795394
>>
###Выделите наибольшее собственное значение и соответствующий ему собственный вектор:
>> SobMax=Sobst(end)
SobMax = 7.4946e+06
뫤גּ>> GlComp=vect(:,end)
GlComp =
3.5306e-02
4.6772e-02
4.8953e-02
6.1556e-01
2.4277e-01
7.3685e-01
9.5893e-02
1.6945e-04
1.7911e-02
5.9523e-02
1.7425e-02
>>
###Рассчитайте долю информации о результативности НИР, содержащуюся в главной компоненте и отобразите ее на экране:
>> Delt=100*SobMax/sum(Sobst)
Delt = 95.273
܀>> fprintf('Delta= %d \n ',round(Delt))
Delta= 95
###С использованием главной компоненты рассчитайте оценки обобщенной результативности в каждом из представленных в матрице вузов и отобразите ее с указанием кода вуза:
Res=X*GlComp
fprintf(' Results \n ')
fprintf('%d %f \n ',[XX(:,1),Res] ')
получаю вывод формата Results \n {results}
###Сохраните вектор оценок результативности в отдельном бинарном (mat) файле:
save res.mat Res -mat
в рабочей папке появляется файл res.mat
###Представьте распределение оценок результативности в виде гистограммы с 20 интервалами и с обозначением осей:
xlabel('Results ')
ylabel('Number of Unis ')
hist(Res,20)
вставить фото photos/plot1.png
saveas(gcf, 'Hist.jpg ', 'jpg ')
в папке появлися новый файл Hist
###Наконец, рассчитайте и отобразите оценку корреляции обобщенной результативности с финансированием, выделенным на проведение НИР:
CorFin=corr(Res,XX(:,2))
fprintf('Correlation of Results and Money = %f \n',CorFin)
Вывод:
Correlation of Results and Money = 0.843710
>>
##Пункт 3
Создаю файл, содержащий такие строки:
warning('off', 'all')
graphics_toolkit('gnuplot')
XX=load('dan_vuz.txt')
X=XX(:,3:13)
R=corr(X)
[vect,lambda]=eig(X'*X)
Sobst=diag(lambda);
SobMax=Sobst(end)
GlComp=vect(:,end)
Delt=100*SobMax/sum(Sobst)
Res=X*GlComp
xlabel('Results ')
ylabel('Number of Unis '))
hist(Res,20)
saveas(gcf, 'Hist.jpg ', 'jpg ')
выводы в консили совпадают с теми, что были ранее, рисунок так же совпадает
вставить Hist.jpeg
##4 Пункт
Я поставил ; в конце каждой строки скрипта и добавил отладочный принт, чтобы точно видеть завершение работы программы и отсутствие других выводов fprintf('Выполнение завершено')
>> tri --> мой файл
DEBUG: FC_WEIGHT didn't match --> такая ошибка уже была, ниче страшного
Выполнение завершено>>
##5 пункт
сделал все выводы в файл
warning('off', 'all');
graphics_toolkit('gnuplot');
fp=fopen('prtcl.txt ','w')
XX=load('dan_vuz.txt');
X=XX(:,3:13);
R=corr(X);
[vect,lambda]=eig(X'*X);
Sobst=diag(lambda);
fprintf(fp,'Eigenvalues:\n %f \n',Sobst)
fprintf(fp, '\n')
SobMax=Sobst(end);
GlComp=vect(:,end);
Delt=100*SobMax/sum(Sobst);
fprintf(fp, 'Delta= %d \n ',round(Delt))
Res=X*GlComp;
fprintf(fp, ' Results \n ')
fprintf(fp, '%d %f \n ',[XX(:,1),Res] ')
hist(Res,20);
xlabel('Results ');
ylabel('Number of Unis ');
saveas(gcf, 'Hist.jpg ', 'jpg ');
fclose(fp)
файл:
Eigenvalues:
22.946585
Eigenvalues:
1931.665464
Eigenvalues:
2593.979592
Eigenvalues:
3457.339562
Eigenvalues:
5625.151474
Eigenvalues:
8672.065947
Eigenvalues:
18914.627989
Eigenvalues:
47522.678185
Eigenvalues:
57483.681267
Eigenvalues:
225653.068540
Eigenvalues:
7494628.795394
Delta= 95
Results
197 92.541636
198 73.432513
199 5.885468
200 35.300393
201 70.208100
202 28.096191
203 87.136298
204 79.776499
205 36.243011
206 18.249808
207 49.666520
208 45.067095
209 81.785392
210 5.555862
211 105.361366
212 4.575460
213 381.204021
214 26.712747
216 8.037618
217 119.627795
218 10.061485
219 63.762947
220 9.087658
221 41.684105
222 35.907417
223 76.139589
224 23.752550
225 142.216169
226 67.755801
227 20.597788
228 76.818771
229 104.284923
230 18.541601
231 4.473983
232 3.580878
233 224.758597
234 26.863645
235 212.911324
236 50.921549
237 33.628254
238 42.168327
239 103.701129
240 136.060809
241 713.711764
242 34.027235
245 4.102289
246 27.086730
247 2.667541
248 2.497556
252 103.829221
253 7.460715
256 34.755449
257 4.359736
258 5.741187
259 15.989432
261 45.399798
264 2.462250
267 6.424390
268 66.503024
273 73.935542
275 11.130530
296 3.684256
304 9.970486
305 28.031419
311 1.352414
318 40.905330
322 11.722703
325 30.793455
326 42.716264
329 10.023429
330 32.260491
334 25.495269
335 36.870098
336 42.948416
339 87.963238
340 228.668981
341 99.146097
342 28.749899
343 9.622160
346 1.359974
347 54.213640
348 107.547742
349 116.106427
352 299.102890
356 14.333164
357 20.479493
362 144.908794
365 14.952535
366 25.976099
371 268.149429
372 12.353605
373 4.526119
376 104.664655
377 91.264814
379 209.329940
381 196.452926
383 4.812125
387 1.387719
388 50.732954
389 118.633179
391 212.528679
392 37.744725
393 30.102473
394 320.669960
395 0.000000
399 41.450044
410 141.123026
412 405.347359
413 12.875247
414 117.612150
441 8.989886
446 74.655250
448 89.566395
451 37.992598
456 40.599701
465 37.339465
466 142.928780
467 9.122607
472 53.463843
476 93.289532
477 57.155319
484 19.139209
1001 5.491474
1002 85.213352
1004 170.642969
1017 90.453986
1030 57.810669
1034 7.372961
1035 9.614944
1037 1.846687
1038 17.646937
1039 153.910670
1041 119.835954
1044 5.010210
1 2.691959
2 379.300890
3 13.497203
4 2.462250
6 19.718182
7 200.667783
8 93.618235
9 25.650544
10 26.344823
11 65.285854
12 21.514761
13 176.510003
14 1898.884523
15 91.241365
16 304.552394
17 6.355976
18 3.439437
19 158.859588
20 187.802059
21 26.561371
22 8.657907
23 110.316703
26 21.286647
28 8.028500
29 76.976887
33 148.320170
34 97.178361
35 6.713123
36 88.631285
37 333.404629
38 27.838269
40 11.662869
41 0.000000
42 71.250154
43 0.369757
44 10.360736
45 3.855089
51 81.568715
52 54.636552
53 23.501931
54 90.446620
55 57.162095
56 162.850196
57 305.874565
58 6.323299
59 59.415851
60 46.966205
62 56.660855
63 815.675312
64 47.723188
65 277.021471
66 328.086215
67 113.590454
68 11.709047
69 33.969900
71 0.913379
72 122.671912
73 59.978744
74 7.491057
75 12.504248
76 24.208529
77 400.110964
78 263.576362
79 25.930889
80 36.895259
81 254.783774
82 6.870138
84 12.625935
85 23.783568
86 3.159890
87 5.151827
88 0.000000
89 106.765711
90 15.783445
91 30.701284
92 64.989933
93 43.087958
94 31.124285
95 5.171761
96 48.085148
97 5.347890
99 2.124571
100 0.082078
101 21.635603
102 52.057076
103 25.625192
104 9.750228
105 36.202865
107 4.626653
108 3.190574
109 9.578291
110 6.374896
111 3.684
##6 пункт
код с выводом в файл:
warning('off', 'all');
graphics_toolkit('gnuplot');
fp=fopen('prtcl.txt ','w')
XX=load('dan_vuz.txt');
X=XX(:,3:13);
R=corr(X);
[vect,lambda]=eig(X'*X);
Sobst=diag(lambda);
fprintf(fp,'Eigenvalues:\n %f \n',Sobst)
fprintf(fp, '\n')
SobMax=Sobst(end);
GlComp=vect(:,end);
Delt=100*SobMax/sum(Sobst);
fprintf(fp, 'Delta= %d \n ',round(Delt))
Res=X*GlComp;
# 6 пункт
minres = min(Res)
maxres = max(Res)
meanres = mean(Res)
stdres = std(Res)
fprintf(fp, ' Results \n ')
fprintf(fp, '%d %f \n ',[XX(:,1),Res] )
# fprintf(fp, 'min: %f', minres, '\n', 'max: %f', maxres, '\n', 'mean: %f', meanres, '\n', 'std: %f', stdres)
fprintf(fp, 'min: %f\n max: %f\n mean: %f \n std: %f', [minres, maxres, meanres, stdres])
hist(Res,20);
xlabel('Results ');
ylabel('Number of Unis ');
saveas(gcf, 'Hist.jpg ', 'jpg ');
fclose(fp)
вывод метрик в конце:
min: 0.000000
max: 1898.884523
mean: 67.928804
std: 145.954386

Двоичные данные
ТЕМА2/res.mat
Просмотреть файл

Двоичный файл не отображается.

10
ТЕМА2/task1.m
Просмотреть файл

@@ -1,10 +0,0 @@
warning('off', 'all')
graphics_toolkit('gnuplot')
XX=load('dan_vuz.txt')
size(XX)
hist(Res,20)
xlabel('Results ')
ylabel('Number of Unis ')

32
ТЕМА2/tri.m
Просмотреть файл

@@ -1,32 +0,0 @@
warning('off', 'all');
graphics_toolkit('gnuplot');
fp=fopen('prtcl.txt ','w')
XX=load('dan_vuz.txt');
X=XX(:,3:13);
R=corr(X);
[vect,lambda]=eig(X'*X);
Sobst=diag(lambda);
fprintf(fp,'Eigenvalues:\n %f \n',Sobst)
fprintf(fp, '\n')
SobMax=Sobst(end);
GlComp=vect(:,end);
Delt=100*SobMax/sum(Sobst);
fprintf(fp, 'Delta= %d \n ',round(Delt))
Res=X*GlComp;
# 6 пункт
minres = min(Res)
maxres = max(Res)
meanres = mean(Res)
stdres = std(Res)
fprintf(fp, ' Results \n ')
fprintf(fp, '%d %f \n ',[XX(:,1),Res] )
# fprintf(fp, 'min: %f', minres, '\n', 'max: %f', maxres, '\n', 'mean: %f', meanres, '\n', 'std: %f', stdres)
fprintf(fp, 'min: %f\n max: %f\n mean: %f \n std: %f', [minres, maxres, meanres, stdres])
hist(Res,20);
xlabel('Results ');
ylabel('Number of Unis ');
saveas(gcf, 'Hist.jpg ', 'jpg ');
fclose(fp)