1
0
ответвлено от main/it-labs
Этот коммит содержится в:
Tupikov A.A
2026-02-26 01:08:39 +03:00
родитель eb4b78d4a5
Коммит cd8cbfdb04
10 изменённых файлов: 1118 добавлений и 0 удалений

Двоичные данные
ТЕМА1/11.1.png Обычный файл

Двоичный файл не отображается.

После

Ширина:  |  Высота:  |  Размер: 30 KiB

Двоичные данные
ТЕМА1/11.2.png Обычный файл

Двоичный файл не отображается.

После

Ширина:  |  Высота:  |  Размер: 8.3 KiB

Двоичные данные
ТЕМА1/11.3.png Обычный файл

Двоичный файл не отображается.

После

Ширина:  |  Высота:  |  Размер: 44 KiB

Двоичные данные
ТЕМА1/11.4.png Обычный файл

Двоичный файл не отображается.

После

Ширина:  |  Высота:  |  Размер: 9.3 KiB

424
ТЕМА1/Perem Обычный файл
Просмотреть файл

@@ -0,0 +1,424 @@
# Created by Octave 10.3.0, Wed Feb 25 16:42:13 2026 UTC <unknown@alextwix>
# name: A
# type: matrix
# rows: 4
# columns: 6
0.15432030686666115 0.19811488243525485 -0.9888888428728968 -2.0098492667917394 -0.52919249359531528 -1.2795760016639741
-0.4077344081662912 0.96236376838374293 -0.77975172905574053 0.24906118039029504 -0.26439811080691161 -0.56653667847168032
-1.0300964470689384 -0.25948604425264998 0.12521951998419234 0.16215199344083076 -2.2616830861336843 1.903927803890165
-0.88451616597575222 1.2288020970172444 -0.66606446704443678 0.25235625653530264 -0.47090860615399033 -0.74611328144340561
# name: B
# type: matrix
# rows: 4
# columns: 7
0.02892574947638249 0.40482139480164336 0.044407074095776822 0.50032261386596455 0.66080902592593704 0.68237120609170743 0.77218467789979228
0.84273626193613504 0.15722499849128513 0.92854778874815336 0.16681267729269778 0.22225208032548571 0.054478118842068657 0.026078099105510621
0.23197040790474932 0.30934466016491491 0.94911539883689733 0.46586159323488163 0.83351416198354911 0.25332096498139689 0.21178249589162546
0.44075540051724482 0.86117040461835359 0.51166270853499474 0.48320751719750121 0.31044145319278305 0.11377084094133116 0.51398575694523141
# name: B1
# type: matrix
# rows: 4
# columns: 7
0.17007571689216097 0.63625576209700718 0.21072986047491424 0.70733486685300939 0.81290160900685704 0.82605762879578049 0.87874039277809024
0.91800667859015872 0.39651607595567312 0.96361184547936796 0.40842707708071679 0.47143618902825618 0.23340548160244365 0.16148714842212869
0.48163306355019825 0.55618761237995484 0.97422553797203315 0.6825405432902002 0.91296996773363204 0.5033100088229886 0.46019832234768682
0.66389411845357149 0.9279926748732199 0.7153060243944509 0.6951312949346341 0.55717273191783445 0.33729933433277209 0.71692799983347799
# name: B1D
# type: matrix
# rows: 4
# columns: 1
0.17007571689216097
0.39651607595567312
0.97422553797203315
0.6951312949346341
# name: B2
# type: matrix
# rows: 4
# columns: 7
-3.5430230952136221 -0.90430930963468159 -3.1143564957536141 -0.69250216089793237 -0.41429039777976545 -0.38218147875394964 -0.25853153748847008
-0.17110122647086401 -1.8500773881484669 -0.074133430749008633 -1.7908837889917453 -1.5039430443372814 -2.9099561470676361 -3.6466594316387173
-1.4611454675859936 -1.1732992186219886 -0.05222488730456934 -0.76386669919833972 -0.18210458595357096 -1.3730979580035785 -1.5521954937455376
-0.81926520476222031 -0.14946287936534397 -0.67008964342109567 -0.72730907536850853 -1.1697599519326061 -2.1735690208666267 -0.66555972413419251
# name: B3
# type: matrix
# rows: 4
# columns: 7
0.028921715954267919 0.39385459762113423 0.044392480496865672 0.47970863395305191 0.61375577545076976 0.63063503972733714 0.69770197969109093
0.74646668319801868 0.15657803950433125 0.80075091467809667 0.16604011831512192 0.22042686725292876 0.054451175552958461 0.026075143395812978
0.22989559969299361 0.30443446885667119 0.81290062906237381 0.4491927455227398 0.74029843249233884 0.25062031327827794 0.21020290384143997
0.42662279334847436 0.75860565948275338 0.48962769114883953 0.4646218467035001 0.30547901739975541 0.11352556182168107 0.49165190750567489
# name: BS1
# type: matrix
# rows: 4
# columns: 7
0.02892574947638249 0.15722499849128513 0.044407074095776822 0.16681267729269778 0.22225208032548571 0.054478118842068657 0.026078099105510621
0.23197040790474932 0.30934466016491491 0.51166270853499474 0.46586159323488163 0.31044145319278305 0.11377084094133116 0.21178249589162546
0.44075540051724482 0.40482139480164336 0.92854778874815336 0.48320751719750121 0.66080902592593704 0.25332096498139689 0.51398575694523141
0.84273626193613504 0.86117040461835359 0.94911539883689733 0.50032261386596455 0.83351416198354911 0.68237120609170743 0.77218467789979228
# name: BS2
# type: matrix
# rows: 4
# columns: 7
0.84273626193613504 0.15722499849128513 0.92854778874815336 0.16681267729269778 0.22225208032548571 0.054478118842068657 0.026078099105510621
0.23197040790474932 0.30934466016491491 0.94911539883689733 0.46586159323488163 0.83351416198354911 0.25332096498139689 0.21178249589162546
0.02892574947638249 0.40482139480164336 0.044407074095776822 0.50032261386596455 0.66080902592593704 0.68237120609170743 0.77218467789979228
0.44075540051724482 0.86117040461835359 0.51166270853499474 0.48320751719750121 0.31044145319278305 0.11377084094133116 0.51398575694523141
# 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
0.17007571689216097
0.39651607595567312
0.97422553797203315
0.6951312949346341
# 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
-0.96795591047169416 1.298157543143742 -0.95025369612570976 0.30059833876229741 -0.97032422441303556 -0.40165224642929009
-1.0820078597372511 1.2094461619779526 -1.0577788418309968 -0.50698874695809348 -1.360970576529188 -0.66063424716509689
-1.8020023072242846 1.284848460197705 -0.98990297852011355 0.42503592266404688 -2.6565507886485893 0.84241024813193421
-0.89809256144576965 0.73253766098836592 -0.88834831656653135 -0.76654565014701403 -1.5900497926739159 -0.20826701606293954
-1.1218340295530078 0.50998926799933186 -0.92916989473364386 -1.0592743448486379 -2.4397926406075201 0.3838569699701655
-0.27848604364771307 0.26168425181420862 -0.76132666466450094 -1.2881076006840484 -1.0020170418016092 -0.5065907789705657
-0.5642542695223538 0.75471006827831144 -1.0997676022720686 -1.381431291139295 -1.1365545406341671 -0.98311619976555009
# name: F
# type: matrix
# rows: 4
# columns: 13
0.15432030686666115 0.19811488243525485 -0.9888888428728968 -2.0098492667917394 -0.52919249359531528 -1.2795760016639741 0.02892574947638249 0.40482139480164336 0.044407074095776822 0.50032261386596455 0.66080902592593704 0.68237120609170743 0.77218467789979228
-0.4077344081662912 0.96236376838374293 -0.77975172905574053 0.24906118039029504 -0.26439811080691161 -0.56653667847168032 0.84273626193613504 0.15722499849128513 0.92854778874815336 0.16681267729269778 0.22225208032548571 0.054478118842068657 0.026078099105510621
-1.0300964470689384 -0.25948604425264998 0.12521951998419234 0.16215199344083076 -2.2616830861336843 1.903927803890165 0.23197040790474932 0.30934466016491491 0.94911539883689733 0.46586159323488163 0.83351416198354911 0.25332096498139689 0.21178249589162546
-0.88451616597575222 1.2288020970172444 -0.66606446704443678 0.25235625653530264 -0.47090860615399033 -0.74611328144340561 0.44075540051724482 0.86117040461835359 0.51166270853499474 0.48320751719750121 0.31044145319278305 0.11377084094133116 0.51398575694523141
# name: FF
# type: matrix
# rows: 2
# columns: 4
1 1 1 1
1 1 1 1
# name: G
# type: matrix
# rows: 4
# columns: 6
0.6172812274666446 1.5849190594820388 -11.866666114474761 -32.15758826866783 -10.583849871906306 -30.709824039935377
-2.038672040831456 8.6612739154536857 -10.136772477724627 4.234040066635016 -5.552360326945144 -14.163416961792008
-6.1805786824136302 -2.5948604425264996 1.7530732797786928 2.9187358819349534 -49.757027894941054 49.50212290114429
-6.1916131618302659 13.516823067189689 -9.9909670056665512 4.7947688741707504 -10.830897941541778 -20.14505859897195
# 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: 23
This is a symbol vector
# name: L
# type: complex matrix
# rows: 1
# columns: 2
(-2,23.100000000000001) (3,-5.5999999999999996)
# name: M
# type: matrix
# rows: 4
# columns: 6
0.1371736061036988 0.3522042354404531 -2.6370369143277248 -7.1461307263706288 -2.3519666382014015 -6.8244053422078617
-0.45303823129587911 1.9247275367674856 -2.2526161061610281 0.94089779258555906 -1.2338578504322542 -3.1474259915093352
-1.3734619294252512 -0.57663565389477767 0.38957183995082062 0.64860797376332302 -11.0571173099869 11.000471755809842
-1.3759140359622812 3.0037384593754863 -2.2202148901481227 1.0655041942601668 -2.4068662092315063 -4.4766796886604334
# name: MED
# type: scalar
9.5304783485430491
# name: MM
# type: matrix
# rows: 5
# columns: 7
1.2584140562342583 15.895745852130956 17.258414056234258 9.5253337582849973 9.5304783485430491 6.4627438619149515 17.258414056234258
2.2977751341223724 10.587596985879767 3.1584813343311318 14.380130952504329 1.2584140562342583 6.9282469579425126 17.258414056234258
11.22774443653706 5.6572699033634635 9.653580671437064 17.258414056234258 8.0051573814907719 1.2584140562342583 14.332210685379042
1.2584140562342583 10.23352035640044 7.7878567788204656 1.2584140562342583 9.8217644422590222 9.3039177536798867 6.5158254511669682
17.258414056234258 17.258414056234258 1.2584140562342583 1.2584140562342583 10.74682898434558 10.585055863252308 14.807543891747891
# name: MM1
# type: matrix
# rows: 5
# columns: 7
0.22985224262505508 2.7660515169568165 2.8482997959314797 2.2539549606387643 2.2544949103773746 1.8660539740417448 2.8482997959314797
0.83194132177633318 2.3596832203498899 1.1500913216766997 2.6658474588233645 0.22985224262505508 1.9356068169791065 2.8482997959314797
2.4183878969774186 1.7329414266182106 2.2673289005622994 2.8482997959314797 2.0800860066540121 0.22985224262505508 2.6625094996820655
0.22985224262505508 2.3256686416277899 2.0525656973588915 0.22985224262505508 2.2846007846639198 2.230435575289059 1.8742339026534027
2.8482997959314797 2.8482997959314797 0.22985224262505508 0.22985224262505508 2.3746107328586339 2.3594431821593269 2.6951367733211251
# name: MMC
# type: matrix
# rows: 35
# columns: 1
1.2584140562342583
1.2584140562342583
1.2584140562342583
1.2584140562342583
1.2584140562342583
1.2584140562342583
1.2584140562342583
2.2977751341223724
3.1584813343311318
5.6572699033634635
6.4627438619149515
6.5158254511669682
6.9282469579425126
7.7878567788204656
8.0051573814907719
9.3039177536798867
9.5253337582849973
9.5304783485430491
9.653580671437064
9.8217644422590222
10.23352035640044
10.585055863252308
10.587596985879767
10.74682898434558
11.22774443653706
14.332210685379042
14.380130952504329
14.807543891747891
15.895745852130956
17.258414056234258
17.258414056234258
17.258414056234258
17.258414056234258
17.258414056234258
17.258414056234258
# 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: SR
# type: scalar
9.2584140562342583
# name: ans
# type: scalar
0
# name: dinv
# type: matrix
# rows: 4
# columns: 4
0.16753650845297488 -0.08775833904935347 0.028942723820152869 -0.0044912939488740127
-0.08775833904935347 7.7118014926587009 0.3818802107001335 -5.7451444230520909
0.028942723820152869 0.3818802107001335 0.12657420204411834 -0.30394433408458638
-0.0044912939488740127 -5.7451444230520909 -0.30394433408458638 4.5891124170782618
# name: dt
# type: scalar
27.581495328864303
# 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

Двоичные данные
ТЕМА1/Screenshot13-14.png Обычный файл

Двоичный файл не отображается.

После

Ширина:  |  Высота:  |  Размер: 45 KiB

7
ТЕМА1/prog1.m Обычный файл
Просмотреть файл

@@ -0,0 +1,7 @@
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])

536
ТЕМА1/report.md Обычный файл
Просмотреть файл

@@ -0,0 +1,536 @@
# Отчет по теме 1.
Тупиков Александр, А-02-24
## п. 1-5: Подготовка к выполнению работы.
## п. 6: Инициализация переменных.
Создана матрица А со случайными, нормально распределенными элементами, с 4 строками и 6 столбцами:
```
>> A=randn(4,6)
A =
0.1543 0.1981 -0.9889 -2.0098 -0.5292 -1.2796
-0.4077 0.9624 -0.7798 0.2491 -0.2644 -0.5665
-1.0301 -0.2595 0.1252 0.1622 -2.2617 1.9039
-0.8845 1.2288 -0.6661 0.2524 -0.4709 -0.7461
```
Создана матрица В 4х7 со случайными элементами, равномерно распределенными в диапазоне от 0 до 1:
```
>> B=rand(4,7)
B =
0.028926 0.404821 0.044407 0.500323 0.660809 0.682371 0.772185
0.842736 0.157225 0.928548 0.166813 0.222252 0.054478 0.026078
0.231970 0.309345 0.949115 0.465862 0.833514 0.253321 0.211782
0.440755 0.861170 0.511663 0.483208 0.310441 0.113771 0.513986
```
Создан вектор С с целыми числами от 4 до 27:
```
>> С=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
```
Создан вектор символов H:
```
>> H='This is a symbol vector'
H = This is a symbol vector
```
Создан вектор комплексных значений L:
```
>> L=[-2+23.1j, 3-5.6j]
L =
-2.0000 + 23.1000i 3.0000 - 5.6000i
```
## п. 7: Выполнение операций с матрицами.
Преобразование вектора C в матрицу с 6 столбцами:
```
>> 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
```
Выполнение транспонирования матрицы B и матричного перемножения $B^T$ и A:
```
>> E=B'*A
E =
-0.9680 1.2982 -0.9503 0.3006 -0.9703 -0.4017
-1.0820 1.2094 -1.0578 -0.5070 -1.3610 -0.6606
-1.8020 1.2848 -0.9899 0.4250 -2.6566 0.8424
-0.8981 0.7325 -0.8883 -0.7665 -1.5900 -0.2083
-1.1218 0.5100 -0.9292 -1.0593 -2.4398 0.3839
-0.2785 0.2617 -0.7613 -1.2881 -1.0020 -0.5066
-0.5643 0.7547 -1.0998 -1.3814 -1.1366 -0.9831
```
Создана матрица путем "горизонтального" присоединения A к B:
```
>> F=[A,B]
F =
Columns 1 through 6:
0.154320 0.198115 -0.988889 -2.009849 -0.529192 -1.279576
-0.407734 0.962364 -0.779752 0.249061 -0.264398 -0.566537
-1.030096 -0.259486 0.125220 0.162152 -2.261683 1.903928
-0.884516 1.228802 -0.666064 0.252356 -0.470909 -0.746113
Columns 7 through 12:
0.028926 0.404821 0.044407 0.500323 0.660809 0.682371
0.842736 0.157225 0.928548 0.166813 0.222252 0.054478
0.231970 0.309345 0.949115 0.465862 0.833514 0.253321
0.440755 0.861170 0.511663 0.483208 0.310441 0.113771
Column 13:
0.772185
0.026078
0.211782
0.513986
```
Выполнено поэлементное перемножение матриц A и B:
```
>> G=A.*D
G =
0.6173 1.5849 -11.8667 -32.1576 -10.5838 -30.7098
-2.0387 8.6613 -10.1368 4.2340 -5.5524 -14.1634
-6.1806 -2.5949 1.7531 2.9187 -49.7570 49.5021
-6.1916 13.5168 -9.9910 4.7948 -10.8309 -20.1451
```
Выполнено поэлементное деление матрицы на константу 4.5:
```
>> M=G./4.5
M =
0.1372 0.3522 -2.6370 -7.1461 -2.3520 -6.8244
-0.4530 1.9247 -2.2526 0.9409 -1.2339 -3.1474
-1.3735 -0.5766 0.3896 0.6486 -11.0571 11.0005
-1.3759 3.0037 -2.2202 1.0655 -2.4069 -4.4767
```
Выполнено поэлементное возведение матрицы в степень 3:
```
>> 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
```
Создана bool-матрица по условию $D \geq 20$:
```
>> 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
```
Создана матрица-столбец на основе матрицы D:
```
>> 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
```
## п. 8: Стандартные математическое функции и операции с матрицами.
Выполнено поэлементное взятие квадратного корня из матрицы B:
```
>> B1=sqrt(B)
B1 =
0.1701 0.6363 0.2107 0.7073 0.8129 0.8261 0.8787
0.9180 0.3965 0.9636 0.4084 0.4714 0.2334 0.1615
0.4816 0.5562 0.9742 0.6825 0.9130 0.5033 0.4602
0.6639 0.9280 0.7153 0.6951 0.5572 0.3373 0.7169
```
Выполнено поэлементное извлечение логарифма из матрицы B:
```
>> B2=log(B)
B2 =
-3.543023 -0.904309 -3.114356 -0.692502 -0.414290 -0.382181 -0.258532
-0.171101 -1.850077 -0.074133 -1.790884 -1.503943 -2.909956 -3.646659
-1.461145 -1.173299 -0.052225 -0.763867 -0.182105 -1.373098 -1.552195
-0.819265 -0.149463 -0.670090 -0.727309 -1.169760 -2.173569 -0.665560
```
Выполнено поэлементное взятие синуса из матрицы B:
```
>> B3=sin(B)
B3 =
0.028922 0.393855 0.044392 0.479709 0.613756 0.630635 0.697702
0.746467 0.156578 0.800751 0.166040 0.220427 0.054451 0.026075
0.229896 0.304434 0.812901 0.449193 0.740298 0.250620 0.210203
0.426623 0.758606 0.489628 0.464622 0.305479 0.113526 0.491652
```
Найдена длина (количество столбцов) матрицы B1:
```
>> k=length(B1)
k = 7
```
Найдена размерность матрицы B1:
```
>> nm=size(B1)
nm =
4 7
```
Найдено количество элементов матрицы B1:
```
>> elem=numel(B1)
elem = 28
```
Создан линейно разделенный массив чисел NN от 11.5 до 34.1 с 20 элементами:
```
>> NN=linspace(11.5,34.1,20)
NN =
Columns 1 through 19:
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 32.911
Column 20:
34.100
```
Создана единичная матрица 2*4:
```
>> FF=ones(2,4)
FF =
1 1 1 1
1 1 1 1
```
Создана квадратная нулевая матрица 5*5:
```
>> 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
```
Извлечена главная диагональ из матрицы B1:
```
>> B1D=diag(B1)
B1D =
0.1701
0.3965
0.9742
0.6951
```
Создана диагональная матрица DB на основе диагонали B1D:
```
>> DB=diag(B1D)
DB =
Diagonal Matrix
0.1701 0 0 0
0 0.3965 0 0
0 0 0.9742 0
0 0 0 0.6951
```
Выполнена сортировка по столбцам матрицы B:
```
>> BS1=sort(B)
BS1 =
0.028926 0.157225 0.044407 0.166813 0.222252 0.054478 0.026078
0.231970 0.309345 0.511663 0.465862 0.310441 0.113771 0.211782
0.440755 0.404821 0.928548 0.483208 0.660809 0.253321 0.513986
0.842736 0.861170 0.949115 0.500323 0.833514 0.682371 0.772185
```
Выполнена построчная сортировка первых двух строк матрицы B:
```
>> BS2=sortrows(B,2)
BS2 =
0.842736 0.157225 0.928548 0.166813 0.222252 0.054478 0.026078
0.231970 0.309345 0.949115 0.465862 0.833514 0.253321 0.211782
0.028926 0.404821 0.044407 0.500323 0.660809 0.682371 0.772185
0.440755 0.861170 0.511663 0.483208 0.310441 0.113771 0.513986
```
Найдены суммы столбцов матрицы D:
```
>> DS1=sum(D)
DS1 =
22 38 54 70 86 102
```
Найдены суммы по 2 измерению (строкам) матрицы D:
```
>> DS2=sum(D,2)
DS2 =
84
90
96
102
```
Найдено произведение по столбцам матрицы D:
```
>> DP1=prod(D)
DP1 =
840 7920 32760 93024 212520 421200
```
Найден определитель матрицы $A*A^T$:
```
>> dt=det(A*A')
dt = 27.581
```
Найдена обратная матрица для $A*A^T$:
```
>> dinv=inv(A*A')
dinv =
1.6754e-01 -8.7758e-02 2.8943e-02 -4.4913e-03
-8.7758e-02 7.7118e+00 3.8188e-01 -5.7451e+00
2.8943e-02 3.8188e-01 1.2657e-01 -3.0394e-01
-4.4913e-03 -5.7451e+00 -3.0394e-01 4.5891e+00
```
## п. 9: Работа с индексами элементов матриц.
Найден элемент матрицы D по индексу 3, 5:
```
>> D1=D(3,5)
D1 = 22
```
Взята 3 строка матрицы D от 4 до последнего столбца:
```
>> D2=D(3,4:end)
D2 =
18 22 26
```
Взята прямоугольная матрица от 2, 3 до 3, 5 элемента матрицы D:
```
>> D3=D(2:3,3:5)
D3 =
13 17 21
14 18 22
```
Взяты элементы с 16 по 20 из столбца, созданного на основе матрицы D:
```
>> D4=D(16:20)
D4 =
19 20 21 22 23
```
Взята прямоугольная матрица, состоящая из 3-4 строк и 1, 3, 6 столбцов матрицы D:
```
>> D5=D(3:4,[1,3,6])
D5 =
6 14 26
7 15 27
```
## п. 10: Циклы и условные операторы.
Цикл for с итератором i (6 итераций) и выводом Dsum:
```
>> 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 while c условием D(i)<22 и выводом Dsum2:
```
>> 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
```
Условный оператор if:
```
>> if (D(3,5)>=20)
printf('D(3,5)>=20')
else
printf('D(3,5)<20')
endif
D(3,5)>=20
```
## п. 11: Вывод графиков.
График значений для D, B:
```
plot(D(1,:),B([2,4],1:6))
```
![график 1](11.1.png)
Гистограмма для A:
```
hist(A(:),6)
```
![график 2](11.2.png)
Круговой график для C:
```
pie(C)
```
![график 3](11.3.png)
Столбчатая диаграмма для A:
```
bar(A)
```
![график 4](11.4.png)
## п.12: Создание и использование скриптов.
![скрин](screenshot12.png)
```
>> 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
```
## п. 12-13: Сохранение скриптов и рабочего пространства.
![](screenshot13-14.png)

Двоичные данные
ТЕМА1/screenshot12.png Обычный файл

Двоичный файл не отображается.

После

Ширина:  |  Высота:  |  Размер: 5.4 KiB

151
ТЕМА1/task.md Обычный файл
Просмотреть файл

@@ -0,0 +1,151 @@
# Общее контрольное задание по теме 1.
Тупиков Александр, А-02-24
## Задание 1.
**Создайте переменную **ММ** – матрицу 5х7 со случайными нормально распределенными элементами с математическим ожиданием 10 и стандартным отклонением 8.**
```
>> MM = randn(5, 7) * 8 + 10
MM =
-5.2254 15.8957 19.7057 9.5253 9.5305 6.4627 17.8484
2.2978 10.5876 3.1585 14.3801 -0.6839 6.9282 17.4763
11.2277 5.6573 9.6536 36.3735 8.0052 -0.5241 14.3322
-11.2288 10.2335 7.7879 0.7162 9.8218 9.3039 6.5158
28.7304 21.8072 -4.5347 -3.8612 10.7468 10.5851 14.8075
```
## Задание 2.
**Рассчитайте среднее значение **SR** по всем элементам матрицы **ММ**.**
```
>> SR = sum(sum(MM)) / (5*7)
SR = 9.2584
>> SR = mean(MM(:))
SR = 9.2584
```
## Задание 3.
**Замените в **ММ** все значения, превышающие **SR+8**, на значение **SR+8**, а значения, меньшие, чем **SR-8**, - на **SR-8**.**
```
>> MM(MM>SR+8) = SR+8
MM =
-5.2254 15.8957 17.2584 9.5253 9.5305 6.4627 17.2584
2.2978 10.5876 3.1585 14.3801 -0.6839 6.9282 17.2584
11.2277 5.6573 9.6536 17.2584 8.0052 -0.5241 14.3322
-11.2288 10.2335 7.7879 0.7162 9.8218 9.3039 6.5158
17.2584 17.2584 -4.5347 -3.8612 10.7468 10.5851 14.8075
>> MM(MM<SR-8) = SR-8
MM =
1.2584 15.8957 17.2584 9.5253 9.5305 6.4627 17.2584
2.2978 10.5876 3.1585 14.3801 1.2584 6.9282 17.2584
11.2277 5.6573 9.6536 17.2584 8.0052 1.2584 14.3322
1.2584 10.2335 7.7879 1.2584 9.8218 9.3039 6.5158
17.2584 17.2584 1.2584 1.2584 10.7468 10.5851 14.8075
```
## Задание 4.
**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.**
```
>> MMC = MM(:)
MMC =
1.2584
2.2978
11.2277
1.2584
17.2584
15.8957
10.5876
5.6573
10.2335
17.2584
17.2584
3.1585
9.6536
7.7879
1.2584
9.5253
14.3801
17.2584
1.2584
1.2584
9.5305
1.2584
8.0052
9.8218
10.7468
6.4627
6.9282
1.2584
9.3039
10.5851
17.2584
17.2584
14.3322
6.5158
14.8075
>> MMC = sort(MMC)
MMC =
1.2584
1.2584
1.2584
1.2584
1.2584
1.2584
1.2584
2.2978
3.1585
5.6573
6.4627
6.5158
6.9282
7.7879
8.0052
9.3039
9.5253
9.5305
9.6536
9.8218
10.2335
10.5851
10.5876
10.7468
11.2277
14.3322
14.3801
14.8075
15.8957
17.2584
17.2584
17.2584
17.2584
17.2584
17.2584
>> MED = median(MMC)
MED = 9.5305
```
## Задание 5.
**Рассчитайте матрицу **ММ1** с элементами, равными натуральным логарифмам от значений соответствующих элементов из матрицы **ММ**.**
```
>> MM1 = log(MM)
MM1 =
0.2299 2.7661 2.8483 2.2540 2.2545 1.8661 2.8483
0.8319 2.3597 1.1501 2.6658 0.2299 1.9356 2.8483
2.4184 1.7329 2.2673 2.8483 2.0801 0.2299 2.6625
0.2299 2.3257 2.0526 0.2299 2.2846 2.2304 1.8742
2.8483 2.8483 0.2299 0.2299 2.3746 2.3594 2.6951
```