سورس ها و آموزش هاي MATLAB

برای یافتن فرم Jordan Canonical یک ماتریس می توان از دستور jordan به شکل زیر استفاده کرد:

کد:

---

a=[1 2 3;3 0 1;0 1 2];
jordan(a)

---

برای یافتن ماتریس انتقال حالت (State Transition Matrix) در متلب به شکل زیر عمل می کنیم:

کد:

---

a=[1 0;-1 -1];
syms t
expm(a*t)

---

برای یافتن rank ماتریس دلخواه a به شکل زیر عمل می کنیم:

کد:

---

a=[1 1 0 0;-2 1 0 1;3 -3 -1 2]
rank(a)

---

برای انتقال تابع f از فضای زمان به فضای لاپلاس به شکل زیر عمل می کنیم:

کد:

---

syms t
f = 1 - exp(t)
laplace(f)

---

برای بردن g از حوزه ی لاپلاس به حوزه ی زمان به شکل زیر عمل می کنیم:

کد:

---

syms s
g = 1/s - 1/(s-1)
ilaplace(g)

---

برای یافتن Sine و Cosine ماتریس دلخواه A به شکل زیر عمل می کنیم:

کد:

---

A = magic(3);
funm(A, @برای مشاهده این لینک/عکس می بایست عضو شوید !برای عضویت اینجا کلیک کنید ])
funm(A, @برای مشاهده این لینک/عکس می بایست عضو شوید !برای عضویت اینجا کلیک کنید ])

---

تجزیه ی مقدار تکین یا به اختصار SVD یک روش تجزیه ی ماتریس های حقیقی و مختلط است که کاربرد های جالبی در مهندسی دارد. اگر M یه ماتریس دلخواه باشد، تجزیه ی مقدار تکین آن متشکل از سه ماتریس U، S و V خواهد بود که به شکل زیر تعریف می شود:

USV* = M

که در آن V* ترانهاده ی مزدوج ماتریس V است.
برای یافتن SVD ماتریس M در متلب به شکل زیر عمل می کنیم:

کد:

---

M = X=[1 0 0 0 2;0 0 3 0 0;0 0 0 0 0;0 4 0 0 0];
[U,S,V] = svd(M)

---

چگالی طیفی توانی یا به اختصار PSD ابزاری در پردازش سیگنال جهت یافتن نحوه ی توزیع قدرت سیگنال برحسب فرکانس است. نمونه ای از محاسبه ی PSD با MATLAB در زیر آمده است:

کد:

---

t = 0:.001:.25;
x = sin(2*pi*50*t) + sin(2*pi*120*t);
y = x + 2*randn(size(t));
plot(y(1:50))
title('Noisy time domain signal')
Y = fft(y,251);
Pyy = Y.*conj(Y)/251;
f = 1000/251*(0:127);
plot(f,Pyy(1:128))
title('Power spectral density')
xlabel('Frequency (Hz)')

---

برای یافتن تبدیل Z یک تابع گسسته در MATLAB به شکل زیر عمل می کنیم:

کد:

---

syms n;
f = n^2;
ztrans(f)

---

برای یافتن تبدیل معکوس Z در متلب به این شکل عمل می کنیم:

کد:

---

syms z
F = z/(z-1);
iztrans(F)

---