matlab 心得体会
这是我在学习的过程中的一些技巧，或许对你有帮助，可能字数不你能满足你的要求，但是绝对是精华。
1，如果你要是不是计算机转业的，只是为了方便自己的工作或学习，那么你没有必要把matlab教程全部学会，只需要学你需要的那部分即可，比如，绘图，矩阵运算，等等，根据你个人的需要而定，但是基本命令、数据类型、基本的程序结构（条件语句，循环语句，嵌套）、文件的IO是必须看的，因为任何一个程序都需要这几个基本的块。
2，你最好找一个熟悉编程的人来辅助你的学习，这就包括很多编程的技巧问题，程序的结构设计问题，对于程序的运行效率非常有帮助。
有的时候，你编出来的程序，能够运行，但是耗时太长，也就是说你的程序没有错，但是不适合实际。
或者说，对于规模小的问题能够解决，但是规模大一点的问题就需要很长很长的时间，这就需要对程序的结构和算法问题进行改进（亲身体会，编完一个程序，小的例子可以运行出结果，但是大例子需要很长时间，所以必须要改进一下）。
3，你需要找一本matlab的函数工具词典，就像汉语词典一样，你要尽量多的熟悉matlab自带的函数，及其作用，因为matlab的自带函数特别多，基本上能够满足一般的数据和矩阵的计算，所以基本上不用你自己编函数（如vb中，大部分的函数都需要自己编）。
这一点对你的程序非常有帮助，可以使你的程序简单，运行效率高，可以节省很多时间（亲身体会）。
切记4，你把基本的知识看过之后，就需要找一个实际的程序来动手编一下，不要等所有的知识都学好之后再去编程，你要在编程的过程中学习，程序需要什么知识再去补充（这一条是别人教我的，很管用），编程是一点一点积累的，所以你要需做一些随手笔记什么的。
5，编程问题最头疼的不是编程序，而是调程序，所以在你的程序编完之后，一定要进行验证其正确性，你要尽量多的设想你的问题的复杂性，当然，要一步一步复杂，这样才能保证你的程序的适用性很强。
随笔写了这么多，可能不全，希望对你有帮助
MATLAB课程设计心得
通过这次MATLAB的课程设计，我对MATLAB有了一个更深的理解，matlab具有数值分析.矩阵计算.科学数据可视化以及非线性动态系统的建模和仿真等诸多功能。
这次的Matlab课程设计对我来说是一次挑战，之前课上学的知识都忘得差不多了，再加上对语言不怎么熟悉，想要编写复杂的代码，难度不是一点点，所以只有通过上网查资料，请教同学，巩固之前学的理论知识，回忆前面所做过的程序代码，也许能完成这次任务。
第一天老师给了五个题目和一道附加题，刚刚上手觉得还行，自己琢磨琢磨也能出结果，但后面几道题目压根没有思路，所以只好通过查资料，与同学讨论，一起研究分析题目。
虽然有两周时间，但每天只有两个小时呆在机房，所以还得利用课后的时间继续加工。
题目对于我来说比较难，自己编的代码运行不断地出错，经过修改N次后有的也能出现正确的结果，有点成就感，像生日蛋糕问题，自己想的形状和老师的不一样，也难以计算，即使这样也不放弃，继续和同学研究。
在这期间，我们也查找了不少资料，发现很多知识是我们从没有接触过的，我们并不了解，所以借此增长了自己的见识，了解了更多关于它的应用。
在编写程序代码时，需要什么函数，需要什么模块得一步一步的来，慢慢地研究，每天积累点，不能急于求成，有问题就应该去查资料，讨论，如果想要把所有东西都学到，那是比登天还难。
总之，通过这次的课程设计，体验到了真正的难度，不过也让我收获不少，虽然过程很艰辛，但自己坚持不懈，最后还是会得到自己想要的答案。
从这次课程设计中也可以看出自己的理论知识不牢固，所以得加强理论知识的学习，才能更好地理论联系实践。
大家学习matlab都什么感受
题目要求是有了，但你有数据吗
写程序要有针对性，就要有数据用于调试程序。
如何学好 MATLAB
自己刚刚接触matlab有半个学期的时间，说实话我现在对matlab还是摸不着头脑，一方面是自己接触的时间太短，另一方面，就是自己在上机方面投入的时间有限，实践比较少。
现在，我对matlab的印象仅仅在解决习题和绘制图形上，但是我很喜欢matlab的简单的语法,易于绘制图形,编程也非常容易,并且具有功能强大的开放式的toolbox。
因此,尽管我一直没有这方面的应用,但是我还是对它非常感兴趣，自己正打算暑假好好研究研究matlab。
下面是我学习matlab在理论和实践方面的一点心得与体会，可能有些地方自己理解的不是很正确，但是随着学习的深入，我想我可以发现自己的错误所在。
首先我想说的是，在理论方面，在学习matlab过程中，我感觉到它和c语言有许多相似之处，他有c语言的特征，但是比c语言编程计算更加简单，适合于复杂的数学运算。
但是matlab跟其他语言也有着很大的不同。
现在用的比较多的编程语言，除了matlab就应该是c、c＋＋、vhdl，vb和delphi也接触过，如果自己抱着“把其他语言的思想运用在matlab里面”的话，那么我想，即使程序运行不出错，也很难把握matlab的精髓，也就很难发挥matlab的作用了。
众所周知matlab是一个基于矩阵运算的软但是，真正在运用的时候，特别是在编程的时候，许多人往往没有注意到这个问题。
在使用matlab时，受到了其他编程习惯的影响，特别是经常使用的c语言。
因此，在matlab编程时，for
写出本次实验的心得体会，以及对本次实验有何改进意见
实验一 Matlab语识和数值计算 一、实验目的 1. Matlab的启动和退出； 2.了解Matlab的窗口； 3.熟悉掌握常用选工具栏； 4.理解Matlab变量的使用； 5.掌握Matlab矩阵和数组的运算； 6.掌握Matlab的绘图功能。
二、实验内容 1.Matlab的启动和退出，学会安装、进入和退出Matlab\\\/Simulink系统； 2.Matlab的命令窗口，熟悉Matlab常用命令窗口，掌握其常用菜单和工具栏；3.Matlab变量的使用，理解Matlab中关于变量的分类和不同变量的设置； 4.矩阵的创建，掌握各种矩阵的创建、修改和数据的提取； 5.Matlab的矩阵和数组的运算，掌握Matlab中矩阵和数组的运算规则； 6.Matlab的绘图功能，掌握绘图的一般过程和图表的处理。
求一篇发动机拆装实习报告，或者心得体会。
。
。
最少500字
数值分析实验报告 姓名： 学号： 实验1： 1. 实验项目的性质和任务 通过上机实验，对病态问题、线性方程组求解和函数的数值逼近方法有一个初步理解。
2．教学内容和要求 1）对高阶多多项式 编程求下面方程的解 并绘图演示方程的解与扰动量 的关系。
（实验2.6） 2）对 ，生成对应的Hilbert矩阵，计算矩阵的条件数；通过先确定解获得常向量b的方法,确定方程组 最后，用矩阵分解方法求解方程组，并分析计算结果。
（第三章，实验题4） 3）对函数 的Chebyshev点 编程进行Lagrange插值，并分析插值结果。
（第四章 实验1） 项目涉及核心知识点 病态方程求解、矩阵分解和方程组求解、Lagrange插值。
重点与难点 算法设计和matlab编程。
1）a．实验方案： 先创建一个20*50的零矩阵X，然后利用Matlab中的roots（）和poly（）函数将50个不同的ess扰动值所产生的50个解向量分别存入X矩阵中。
然后再将ess向量分别和X的20个行向量绘图。
即可直观的看出充分小的扰动值会产生非常大的偏差。
即证明了这个问题的病态性。
b．编写程序： >> X=zeros(20,50); >> ve=zeros(1,21); >> ess=linspace(0,0.00001,50);k=1; >> while k<=50 ve(2)=ess(k); X(1:20,k)=roots(poly(1:20)+ve); k=k+1; end >> m=1; >> while m<=20 figure(m),plot(ess,X(m,:)); m=m+1; end C．实验结果分析和拓展 由上面的实验结果可以看出一个充分小的扰动值可以让方程的解产生非常大的偏差，而且这个偏差随着ess的变大偏差也随即变大。
但可以看出在相对小的根处根比较稳定，也就是说这些根关于ess并不敏感，而在较大根处时，根很不稳定，即这些解关于ess的变化是敏感的。
这就说明了这个问题本身就是一个病态问题，与算法好坏无关。
若扰动在x^18处，只要把程序中的ve（2）改为ve（3）即可，其图形和此类似。
d．实验结论： 高次多项式扰动求方程解问题是一个病态问题。
2）a．实验方案： 先创建一个20*20的零矩阵A，再通过给定解x和Hilbert矩阵求出列向量b，然后通过LU分解法求出方程HX=b的解X，然后将x-X’这一行向量存入A矩阵中，形成一循环，最后，如果Hilbert矩阵非病态的话，则可输出一个20*20的对角矩阵。
b.编写程序： >> n=2; >> A=zeros(20,20); >> while n<=20 x=1:n; H=hilb(n); b=H*x'; [L U]=lu(H); y=L\\\\b;X=U\\\\y; A(n,1:n)=x-X'; n=n+1; end Warning: Matrix is close to singular or badly scaled. Results may be inaccurate. RCOND = 4.455948e-017. Warning: Matrix is close to singular or badly scaled. Results may be inaccurate. RCOND = 7.948463e-017. Warning: Matrix is close to singular or badly scaled. Results may be inaccurate. RCOND = 1.798429e-016. Warning: Matrix is close to singular or badly scaled. Results may be inaccurate. RCOND = 7.626119e-018. Warning: Matrix is close to singular or badly scaled. Results may be inaccurate. RCOND = 6.040620e-017. Warning: Matrix is close to singular or badly scaled. Results may be inaccurate. RCOND = 5.444860e-017. >> A A = 1.0e+003 * Columns 1 through 10 0 0 0 0 0 0 0 0 0 0 -0.0000 0.0000 0 0 0 0 0 0 0 0 -0.0000 0.0000 -0.0000 0 0 0 0 0 0 0 -0.0000 0.0000 -0.0000 0.0000 0 0 0 0 0 0 0.0000 -0.0000 0.0000 -0.0000 0.0000 0 0 0 0 0 0.0000 -0.0000 0.0000 -0.0000 0.0000 -0.0000 0 0 0 0 0.0000 -0.0000 0.0000 -0.0000 0.0000 -0.0000 0.0000 0 0 0 -0.0000 0.0000 -0.0000 0.0000 -0.0000 0.0000 -0.0000 0.0000 0 0 -0.0000 0.0000 -0.0000 0.0000 -0.0000 0.0000 -0.0000 0.0000 -0.0000 0 -0.0000 0.0000 -0.0000 0.0000 -0.0000 0.0000 -0.0000 0.0000 -0.0000 0.0000 -0.0000 0.0000 -0.0000 0.0000 -0.0000 0.0000 -0.0000 0.0000 -0.0000 0.0000 -0.0000 0.0000 -0.0000 0.0000 -0.0000 0.0001 -0.0003 0.0006 -0.0007 0.0005 0.0000 -0.0000 0.0000 -0.0001 0.0005 -0.0027 0.0096 -0.0223 0.0348 -0.0361 0.0000 -0.0000 0.0000 -0.0004 0.0030 -0.0098 0.0080 0.0593 -0.2570 0.5154 0.0000 -0.0000 0.0000 -0.0001 0.0005 -0.0029 0.0095 -0.0171 0.0086 0.0347 0.0000 -0.0000 0.0000 -0.0000 0.0003 -0.0016 0.0059 -0.0133 0.0145 0.0094 0.0000 -0.0000 0.0000 -0.0001 0.0009 -0.0042 0.0118 -0.0182 0.0082 0.0185 0.0000 0.0000 -0.0000 0.0002 -0.0027 0.0187 -0.0762 0.1806 -0.2249 0.0813 0.0000 0.0000 -0.0000 0.0001 -0.0017 0.0120 -0.0497 0.1224 -0.1699 0.1064 0.0000 -0.0000 0.0000 -0.0003 0.0028 -0.0137 0.0371 -0.0464 -0.0164 0.1243 Columns 11 through 20 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 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 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 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 -0.0000 0 0 0 0 0 0 0 0 0 -0.0002 0.0000 0 0 0 0 0 0 0 0 0.0238 -0.0091 0.0015 0 0 0 0 0 0 0 -0.6091 0.4336 -0.1727 0.0296 0 0 0 0 0 0 -0.0944 0.1170 -0.0824 0.0318 -0.0053 0 0 0 0 0 -0.0624 0.1107 -0.1110 0.0674 -0.0232 0.0035 0 0 0 0 -0.0289 0.0059 0.0103 0.0082 -0.0263 0.0181 -0.0042 0 0 0 0.0524 0.1690 -0.3743 -0.1862 1.0944 -1.2171 0.6004 -0.1156 0 0 -0.0327 0.1652 -0.3051 -0.0485 0.7195 -0.9387 0.5714 -0.1699 0.0191 0 -0.1120 -0.0421 0.0883 0.0222 -0.0628 0.1013 -0.2902 0.3783 -0.2173 0.0469 C．实验结果分析和拓展： 当Hilbert矩阵的阶数比较小时，其解X和给定解x偏差不大；但当Hilbert矩阵的阶数变大时，偏差就会变大。
这就说明了Hilbert矩阵是一组病态矩阵，从Matlab运行中的Warning可以看出，其条件数相当大。
d．实验结论： Hilbert矩阵是一组病态矩阵，用它来做线性方程的系数矩阵时，往往会得出与精确解相差较大的解。
3）a．实验方案： 在区间【-1，1】上取点，先按Chebyshev取点，即xk=cos（（2k-1）pi\\\/2\\\/（n+1））取点，然后再进行拉格朗日插值，绘出图和插值点。
而后再进行均匀取点再拉格朗日插值。
将两种插值结果进行比较。
b．编程实现： for a=1:10 b=a+1; for c=1:b X(c)=cos((2*c-1)*pi\\\/2\\\/(a+1)); Y(c)=1\\\/(1+25*X(c)^2); x=-1:0.05:1; end m=length(x); for i=1:m z=x(i);s=0; for k=1:b L=1; for j=1:b if j~=k L=L*(z-X(j))\\\/(X(k)-X(j)); end end s=s+L*Y(k); end y(i)=s; end figure(1) plot(x,y,'r'); hold on; figure(2) plot(X,Y,'b*') hold on end for a=2:2:10 b=a+1; X=linspace(-1,1,b); Y=1.\\\/(1+25*X.^2); x=-1:0.05:1; m=length(x); for i=1:m z=x(i);s=0; for k=1:b L=1; for j=1:b if j~=k L=L*(z-X(j))\\\/(X(k)-X(j)); end end s=s+L*Y(k); end y(i)=s; end figure(1) plot(x,y,'r'); hold on; figure(2) plot(X,Y,'b*') hold on end C．实验结果分析及拓展： 均匀插值时，当n比较大时，就会出现多项式插值的Runge现象，即当插值节点的个数n增加时，Lagrange插值多项式对原来函数的近似并非越来越好。
当进行非等距节点插值时，其近似效果明显要比均匀插值是要好。
原因是非均匀插值时，在远离原点处的插值节点比较密集，所以其插值近似效果要比均匀插值时的效果要好。
d．实验结论： 利用Chebyshev点进行非等距节点插值的对原函数的近似效果要比均匀节点插值的好。
如何学习C语言.
我来说说： 我是大二的一名学生，上学期刚学了《C程序设计（第三版）》，自我感觉学得还挺不错的，在国家计算机二级等级考试中，机试C语言我考了90分。
我们用的教材是清华大学出版社出版，谭浩强编写的，深入浅出，写的很好，最适合初学者用，我建议你自学的话，看看这本书。
C语言是其他高级编程语言的基础，很多大型的软件就是用C编写的，如MATLAB等。
你开始学C语言是正确的选择。
这走好第一步嘛，我觉得就是心理上的，不要畏惧他，不难学。
只要进入状态就一定能学好，只是C语言对语法要求很严格，所以你要勤于去记忆些基础的语法知识。
另外，能不能学好C语言，对自己的英语水平要求不高，跟英语挨不上边~~但要求较强的数学逻辑思维。
这要学多久嘛，就根据自己的情况来定了，学得快，两三个月就能搞定，但要学精，就要花费你更多的精力了。
还有，也是最重要的一点，就是上机练习，书上的是理论，要把理论转化为实际，就是勤于上机练习了，多去推导，多去想，就会有很大的进步。
勤思多练，是我一贯坚持的学习态度。
希望能帮助你，祝：学习进步
