‌
✳️ ‌منابع آموزشی نرم افزار متلب و برنامه نویسی کاربردی با آن


‏🔸 یادگیری مستقیم از سایت Mathworks

‏بلاگ هایی MathWorks برای مغزهای متفکر متلب ارائه می کند.

بلاگ های مرکزی متلب MathWorks، تهیه کننده متلب، گروهی از چندین بلاگر را تشکیل داده است که آخرین و بهترین اطلاعات در زمینه متلب را در اختیار شما می‌گذارد و در مورد محاسبات علمی، سیمولینک (Simulink)، طراحی بر اساس مدل (Model-Based)، مفاهیم، الگوریتم‌ها، گرافیک، مصور کردن داده‌ها و … نکاتی را آموزش می‌دهد. MathWorks همچنین دارای انجمن‌های آنلاین می‌باشد که در آنها می‌توان به دنبال بحث‌ها، سؤالات، پاسخ‌ها و به روز رسانی‌های مفید بود.

این شرکت کانال یوتیوب خود را برای دانش آموزان و کاربران حرفه‌ای متلب تشکیل داده‌ است. آموزش‌ها شامل شروع کار، مدلینگ (مدل سازی) فیزیکی، ریاضیات، آمار، بهینه سازی، طراحی سیستم کنترل، سیمولینک (Simulink)، مزایای نسخه‌های جدید متلب و … هستند. ویدئوها معمولاً به طول ۵ دقیقه هستند و توسط افراد حرفه‌ای در زمینه متلب ارائه می‌گردند.

کدی یک ابزار رایگان تعاملی از MathWorks برای تمرین و بهبود مهارت‌های حل مسائل به‌وسیله متلب است. تمام چیزی که مورد نیازتان است، تشکیل یک پروفایل در سایت است و سپس می‌توانید چالش‌های تشکیل شده توسط کاربران را جستجو کنید، نظرات سایر افراد را در مورد هر مسئله بخوانید و یا چالش خود را تشکیل دهید.


‏🔸 دوره‌های رایگان

قبل از یادگیری مفاهیم پایه استفاده از متلب، دانش آموزان می‌توانند انتخاب کنند که در زمینه مهندسی کنترل، پردازش تصویر، یادگیری ماشین، مدل سازی تجاری موردی، مدیریت دانش، و شبیه سازی آبیاری گیاهان بر اساس دوره بعدی که دانش آموز انتخاب خواهد کرد، تجربه کسب کنند. دانش آموزان می‌توانند دوره‌های خود را با سرعت دلخواه پیش ببرند. به صورت پیش‌فرض این دوره طراحی شده که به طول ۱۱ هفته باشد و ۸ ساعت در هفته نیز نیاز به یادگیری دوره دارند.

متن و سیمولینک برای مهندسین: این دوره رایگان از شرکت Ufaber یک کلکسیون آموزش‌ها از وب جمع آوری نموده و آنها را در یک ترتیب معنی دار قرار می‌دهد تا شرکت کنندگان دوره‌ها که هیچ تجربه‌ای از استفاده متلب ندارند، بتوانند پایه‌های مهم استفاده از این نرم افزار را یاد بگیرند.

مقدمه ای بر متلب: بنیان تکنولوژی ماساچوست (دانشگاه MIT)، شش دوره کنفرانسی برای کاربران جدید متلب فراهم کرده است. این دوره شامل 4 تکلیف است که تمرکز بر دست‌کاری داده‌های بردار/ماتریسی، نوشتن توابع، مصور کردن داده‌ها، حل مسائل به کمک متلب، تولید اعداد تصادفی، ساختار پیشرفته داده‌ها، عکس‌ها و انیمیشن‌ها دارند. دانش آموزان بایستی توابع مرکزی و اصلی متلب و برخی از تول باکس‌های ابتدایی آن را درک کنند.
‌
دوره تعاملی متلب: این دوره نوشتاری هفت بخشی بسیاری از المان‌ها و عناصر استفاده از متلب را شامل می‌شود و در واقع برای دانش آموزان مهندسی مکانیک و مهندسی پزشکی دانشگاه تکنولوژی اندهوون (Eindhoven) تشکیل یافته است. هر بخش شامل بسیاری از آموزش‌ها برای تمرین کامل با کمک حل‌المسائل دارد. دوره شامل دروس تول باکس عددی «حسابی» (Numerical)، تول باکس نمادین (Symbolic)، برنامه نویسی در متلب، سیمولینک و … است.
‌
‌
مطالعه ادامه مطلب 👇👇

‏🔗 منابع آموزشی نرم افزار متلب و برنامه نویسی کاربردی با آن — کلیک کنید (+)

📌 کانال اختصاصی آموزشی برنامه‌نویسی متلب و سیمولینک

آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی برنامه‌نویسی متلب و سیمولینک را در کانال اختصاصی [@FaraMatlabSim] دنبال کنید. 👇

@FaraMatlabSim — مطالب و آموزش‌های برنامه‌نویسی متلب و سیمولینک فرادرس

‌

‌
🟢 رایگان آموزش ببینید و مهارت کسب کنید.

🌟 برای مشاهده آموزش‌های پرطرفدار فرادرس روی لینک زیر کلیک کنید و آموزش‌های مورد علاقه خود را رایگان دانلود کنید:👇

🔸 آموزش‌های رایگان متلب Matlab [+]


🔹 تمامی آموزش‌های رایگان و پرمخاطب [+]


@FaraDars - فرادرس

‏✳️ ‌معادلات حرکت ربات — به زبان ساده

‏در آموزش‌های قبلی مجله فرادرس، با ربات‌ها و مفاهیم مربوط به آن‌ها آشنا شدیم. در این آموزش، از روش لاگرانژ برای استخراج معادلات حرکت ربات با کمک جعبه ابزار نمادین متلب استفاده می‌کنیم. مدل‌های ریاضیاتی نیز برای تقریب آنچه که سیستم اصلی انجام می‌دهد ارائه شده‌اند. همه مدل‌های ریاضیاتی با فرضیاتی برای ساده‌سازی همراه هستند و معمولاً این فرضیات در نمایش دینامیک سیستم رواج دارند. در نتیجه، روش‌های دستی و نوشتن روی کاغذ برای به دست آوردن مدل‌های نمایش دهنده دینامیک سیستم‌های پیچیده کافی نیستند. تصویر زیر دو جمله از ماتریس اینرسی یا لختی یک ربات انسان‌نما را نشان می‌دهد.

══ فهرست مطالب ══

‏ ○ مدل بازوی رباتیک دو لینکی
‏ ○ خطی‌سازی معادلات حرکت ربات
‏ ○ پیاده‌سازی معادلات حرکت ربات در متلب



مطالعه ادامه مطلب 👇👇

‏🔗 معادلات حرکت ربات — به زبان ساده — کلیک کنید (+)


📌 کانال اختصاصی آموزشی رباتیک

آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی رباتیک را در کانال اختصاصی [@FaraRobotics] دنبال کنید. 👇

@FaraRobotics — مطالب و آموزش‌های رباتیک فرادرس

‌

‌ ‌
✍️ انتگرال در متلب — راهنمای کامل

در این آموزش، با روش به دست آوردن انتگرال در متلب برای دو دسته کلی انتگرال‌های معین و نامعین آشنا می‌شویم. همچنین، روش حل انتگرال‌های عددی، خطی و دوگانه را نیز بیان می‌کنیم.

🔹 فهرست مطالب این نوشته

◻️ انتگرال در متلب

◻️ انتگرال نامعین در متلب

◻️ انتگرال معین در متلب

◻️ انتگرال دوگانه در متلب

◻️ انتگرال عددی در متلب

◻️ انتگرال خطی در متلب

این مطلب رایگان را در مجله فرادرس در لینک زیر بخوانید.

🔗 انتگرال در متلب — راهنمای کامل


#ریاضی #برنامه_نویسی #متلب

📚 سایر مطالب مجله فرادرس
🔗 fdrs.ir/blog

@FaraDarsMag — مجله فرادرس

‌
‌🔴 رایگان آموزش ببینید و مهارت کسب کنید.

🌟 معرفی آموزش‌های رایگان و پرطرفدار فرادرس

♨️ صدها عنوان آموزش رایگان فرادرس در دسترس هستند که در طول ماه، توسط ده‌ها هزار دانشجو مورد مطالعه قرار می‌گیرند.

شما عزیزان نیز می‌توانید با مراجعه به لینک‌های زیر، آموزش‌های پرمخاطب در دسته‌بندی مورد نظر خود را مشاهده کرده و رایگان دانلود کنید👇


✅ آموزش‌های رایگان متلب Matlab [+]


📚 تمامی آموزش‌های رایگان و پرمخاطب [+]


@FaraDars — فرادرس
‌

‏✳️ ‌برنامه ریزی خطی در متلب – به زبان ساده (+ دانلود فیلم آموزش رایگان)

‏برنامه ریزی خطی (Linear Programming) یا LP، یک روش بهینه‌سازی برای سیستمی خطی از قیود یا محدودیت‌ها و یک تابع هدف است که در آن، کمیتی برای بهینه کردن تعریف شده است. هدف از برنامه‌ریزی خطی، یافتن مقادیری از متغیرها است که به ازای آن‌ها تابع هدف کمینه یا بیشینه می‌شود. در این آموزش، در قالب یک مثال ساده، با برنامه‌ریزی خطی آشنا می‌شویم.

══ فهرست مطالب ══

‏ ○ مثال ۱
‏ ○ چه زمانی از برنامه ریزی خطی استفاده می‌کنیم؟
‏ ○ ادامه مثال ۱
‏ ○ ادامه مثال ۱
‏ ○ ادامه مثال ۱
‏ ○ برنامه‌ریزی خطی با دو متغیر
‏ ○ مثال ۲
‏ ○ برنامه ریزی خطی در متلب
‏ ○ فیلم آموزش تحقیق در عملیات (برنامه‌ریزی خطی)
‏ ○ فیلم‌ های آموزش برنامه ریزی خطی در متلب – به زبان ساده (+ دانلود فیلم آموزش رایگان)


‏🔸 مثال ۱

‏کارخانه‌ای عروسک و فرفره تولید می‌کند. این کارخانه برای تولید هر عروسک ۲ تومان هزینه و ۳ ساعت زمان صرف می‌کند. همچنین، برای تولید هر فرفره ۴ تومان هزینه می‌کند و زمان ساخت آن نیز ۲ ساعت است. کارخانه در یک هفته ۲۲۰ تومان و ۱۵۰ ساعت زمان در اختیار دارد که محصولات خود را تولید کند. اگر این تولیدی، هر عروسک را ۶ تومان و هر فرفره را ۷ تومان بفروشد، آنگاه باید چه تعداد از هر محصول تولید کند تا در این یک هفته حداکثر سود را داشته باشد؟

‏برای حل این نوع مسائل، برنامه‌ریزیی خطی گزینه بسیار مناسبی است. زیرا:

‏– روابط قابل کمیت پذیر در مسئله خطی است.

‏– مقادیر متغیرها دارای محدودیت یا قید است.

‏– هدف، یافتن مقادیری از متغیرها است که به ازای آن‌ها یک کمیت بیشینه شود.

‏برنامه‌ریزی خطی در بسیاری از مسائل که برخاسته از بهینه‌سازی هستند کاربرد دارد. از این روش می‌توان در بهینه‌سازی سود کارخانه‌ها برای تعیین تعداد بهینه نیروی کار و ماشین‌آلات استفاده کرد. از کاربردهای دیگر برنامه‌ریزی خطی می‌توان به تدارکات اشاره کرد که در آن، برای کمینه کردن زمان، تصمیم گرفته می‌شود که چگونه از منابع استفاده گردد.


‏🔸 چه زمانی از برنامه ریزی خطی استفاده می‌کنیم؟

‏از برنامه‌ریزی خطی می‌توان در مسائلی استفاده کرد که در آن‌ها، هدف بیشینه کردن یک کمیت است و دستگاهی از نامعادلات قیود مسئله را تعریف می‌کنند.

‏تعریف قید: یک قید یا محدودیت (Constraint)، یک نامساوی است که تعریف می‌کند متغیرهای مسئله چگونه محدودیت دارند. برای استفاده از برنامه‌ریزی خطی، همه قیود باید به صورت نامساوی‌های خطی باشند.

‏اکنون به مثالی که بیان کردیم باز می‌گردیم.



مطالعه ادامه مطلب 👇👇

‏🔗 برنامه ریزی خطی در متلب – به زبان ساده (+ دانلود فیلم آموزش رایگان) — کلیک کنید (+)


📌 کانال اختصاصی آموزشی برنامه‌نویسی متلب و سیمولینک

آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی برنامه‌نویسی متلب و سیمولینک را در کانال اختصاصی [@FaraMatlabSim] دنبال کنید. 👇

@FaraMatlabSim — مطالب و آموزش‌های برنامه‌نویسی متلب و سیمولینک فرادرس

‌

‌
‌‏✳️ ‌پیاده‌سازی سیستم تشخیص چهره در متلب — راهنمای کاربردی

‏در این مطلب، با نحوه پیاده‌سازی سیستم تشخیص چهره در محیط و «زبان برنامه‌نویسی متلب» (MATLAB Programming Language) آشنا خواهید شد. سیستم‌های «تشخیص چهره» (Face Detection | Face Recognition) (به ویژه سیستم‌های تشخیص چهره سه‌بُعدی)، دسته‌ای از سیستم‌های پیشرفته در حوزه «بینایی کامپیوتر» (Computer Vision) محسوب می‌شوند که کاربردهای متنوعی از جمله «نظارت» (Surveillance) و «امنیت» (Security) دارند.

══ فهرست مطالب ══

‏ ○ سیستم‌های تشخیص چهره
‏ ○ خواندن داده‌های تصاویر سه‌ بُعدی عمق در متلب
‏ ○ تشخیص چهره
‏ ○ فرایندهای پیش‌پردازشی در تشخیص چهره


‏🔸 سیستم‌های تشخیص چهره

‏در یک دهه اخیر، الگوریتم‌های یادگیری ماشین مختلفی برای کاربردهای «پردازش تصویر» (Image Processing) و بینایی کامپیوتر ارائه شده است. الگوریتم‌هایی نظیر «الگوهای باینری محلی» (Local Binary Patterns | LBP) و روش HAAR از جمله روش‌های محبوب و پرکاربرد هستند که به صورت گسترده برای تشخیص چهره مورد استفاده قرار می‌گیرند. از همه مهم‌تر، نتایج حاصل از ارزیابی عملکرد آن‌ها در شرایط آزمایشگاهی، از کارآمدی بالای این دسته از الگوریتم‌ها جهت تشخیص چهره حکایت دارند.

‏با این حال، بیشتر الگوریتم‌های نام برده شده، برای تشخیص بلادرنگ (Real-Time) چهره و در «شرایط محیطی نامقید» (Unconstrained Environments) مناسب نیستند. در سال‌های اخیر، روش‌های «یادگیری عمیق» (Deep Learning) به محبوبیت فوق‌العاده‌ای در زمینه‌های مختلف هوش مصنوعی دست یافته‌اند؛ به گونه‌ای که محبوبیت آن‌ها از محبوبیت روش‌های یادگیری ماشین مرسوم بیشتر شده است.

‏روش‌های تشخیص چهره با تصاویر و استخراج اطلاعات از آن‌ها سر و کار دارند؛ تصاویر دیجیتال چیزی جز ترکیبی از «مقادیر پیکسلی» (Pixel Values) در بازه ۰، ۲۵۵ نیستند. الگوریتم‌های تشخیص چهره، مقادیر «سطح خاکستری پیکسل‌ها» (Grey level Pixels) را برای پیدا کردن یک «الگوی متمایز کننده» (Discriminating Pattern) در تصویر جستجو می‌کنند. این الگوی متمایز کننده، به عنوان یک «ویژگی‌» (Feature) در نظر گرفته می‌شود. علاوه بر این، ویژگی الگوی متمایزگر شناسایی شده به ازاء هر تصویر، یک ویژگی «منحصر به فرد» (Unique) برای هر کدام از آن‌ها شناخته می‌شود.


‏🔸 خواندن داده‌های تصاویر سه‌ بُعدی عمق در متلب

‏تصویر سه‌بُعدی یک «شیء» (Object) حاوی مقادیر «ارتفاع» (Height)، «عرض» (Width) و «عمق» (Depth) هر نقطه در شیء مورد نظر خواهد بود (منظور از شیء، تصاویر دیجیتال سه‌بُعدی است). به طور کلی، در مجموعه‌های داده خام سه‌بُعدی نظیر مجموعه داده چهره FRGC یا (FRGC ۲.۰ Face Database)، مجموعه داده Collection F و مجموعه داده Collection G ۳D ear و سایر موارد، فایل‌های تصاویر سه‌بُعدی با «پسوند» (Extension) خاص abs. ذخیره شده‌اند. شکل زیر، نمایی از تصاویر سه‌بُعدی موجود در مجموعه داده FRGC ۲.۰ Face Database را نشان می‌دهد.

‏تصاویر موجود در این مجموعه داده، در اصل فایل‌های متنی فشرده شده در کدبندی ASCII هستند. هر فایل تصویری موجود در این مجموعه داده، یک «هدر یا سرآمد» (Header) سه خطی دارد که تعداد سطرها و ستون‌های موجود در تصویر را مشخص می‌کند. بلافاصله پس از آن، چهار تصویر در فایل قرار داده شده است. تصویر اول که به آن تصویر «نشانه» (Flag) نیز گفته می‌شود، تصویری است که در آن پیکسل‌ها مقادیر ۰ یا ۱ به خود می‌گیرند. مقادیر پیکسلی ۱ بدین معنی است که مقادیر (Y ،X و Z) متناظر در آن پیکسل «معتبر» (Valid) هستند. در صورتی که مقدار نشانه (Flag) صفر باشد، از مؤلفه‌های (Y ،X و Z) آن پیکسل چشم‌پوشی می‌شود.



مطالعه ادامه مطلب 👇👇

‏🔗 پیاده‌سازی سیستم تشخیص چهره در متلب — راهنمای کاربردی — کلیک کنید (+)


📌 کانال اختصاصی آموزشی برنامه‌نویسی متلب و سیمولینک

آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی برنامه‌نویسی متلب و سیمولینک را در کانال اختصاصی [@FaraMatlabSim] دنبال کنید. 👇

@FaraMatlabSim — مطالب و آموزش‌های برنامه‌نویسی متلب و سیمولینک فرادرس

‌

‌‌
‌‏✳️ ‌ماتریس در متلب — راهنمای جامع

‏ماتریس یک آرایه دو بعدی از اعداد است. در این مطلب قصد داریم که با تعریف ماتریس در متلب آشنا شویم و عملیات مختلف روی ماتریس‌ها را در محیط متلب بررسی کنیم.

══ فهرست مطالب ══

‏ ○ تعریف ماتریس در متلب
‏ ○ انتخاب سطر یا ستون از یک ماتریس در متلب
‏ ○ پاک کردن سطر یا ستون از یک ماتریس در متلب
‏ ○ مثال
‏ ○ عملیات روی ماتریس در متلب
‏ ○ فیلم‌ های آموزش ماتریس در متلب — راهنمای جامع (+ دانلود فیلم آموزش رایگان)


‏🔸 تعریف ماتریس در متلب

‏برای تعریف یک ماتریس در نرم‌افزار متلب، می‌توان اعداد هر سطر را با علامت تفکیک کننده کاما (,) یا فاصله وارد کرد و سپس برای نشان دادن پایان هر سطر، از علامت نقطه و ویرگول استفاه کرد. به عنوان مثال می‌خواهیم یک ماتریس چهار در پنج را در متلب وارد کنیم. برای این کار می‌توان به روش زیر عمل کرد.

‏نرم‌افزار متلب فرمان بالا را دریافت می‌کند و در خروجی نتیجه زیر را نمایش می‌دهد.

‏البته با قرار دادن علامت ; در پایان هر دستور در محیط متلب، می‌توان از نمایش حاصل عملیات در خروجی جلوگیری کرد.


‏🔸 انتخاب سطر یا ستون از یک ماتریس در متلب

‏برای اشاره کردن به تمام المان‌های موجود در ستون mام از ماتریس a باید به صورت زیر عمل کنیم.

‏در دستور فوق، m برابر با ۴ قرار داده شده است. پس از اجرا شدن این قطعه کد، نرم افزار متلب نتایج زیر را در خروجی نمایش می‌دهد.

‏برای اشاره کردن به تمام المان‌های موجود در سطر nام از ماتریس a باید قطعه کد زیر را در متلب اجرا کنیم.



مطالعه ادامه مطلب 👇👇

‏🔗 ماتریس در متلب — راهنمای جامع — کلیک کنید (+)

‏📌 کانال اختصاصی آموزشی برنامه‌نویسی متلب و سیمولینک

آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی برنامه‌نویسی متلب و سیمولینک را در کانال اختصاصی [@FaraMatlabSim] دنبال کنید. 👇

@FaraMatlabSim — مطالب و آموزش‌های برنامه‌نویسی متلب و سیمولینک فرادرس

‌

‌
‌✳️ ‌مجموعه آموزش های برنامه نویسی متلب پیشرفته

چکیده — در این فرادرس، شما دانشجویان عزیز، با جوانب مختلفی از دستورات پیشرفته برنامه نویسی متلب آشنا می شوند. سرفصل هایی که در این آموزش به آن پرداخته می شود عبارتند از: ساختارها و آرایه های سلولی در متلب، عبارات قانونمند، آرایه های توسعه یافته، مدیریت خطا و حالات استثنائی و... . توضیح کامل مباحث مربوطه و آموزش توسط یکی از بهترین مدرسین متخصص در این زمینه از نقاط قوت این آموزش به شمار می رود.

کسب اطلاعات بیشتر 👇👇

🔗 مجموعه آموزش های برنامه نویسی متلب پیشرفته — کلیک کنید [+]

🤩 پیشنهاد ویژه: این آموزش‌ و سایر آموزش‌های فرادرس را در «بزرگترین جشنواره سال ۱۴۰۰ فرادرس»، با ۵۵ درصد تخفیف تهیه کنید.


🎁 کد تخفیف: EYD49

🔗 جشنواره به سوی بهار – [کلیک کنید]


‏📌 کانال اختصاصی آموزشی برنامه‌نویسی متلب و سیمولینک

آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی برنامه‌نویسی متلب و سیمولینک را در کانال اختصاصی [‎@FaraMatlabSim] دنبال کنید. 👇

@FaraMatlabSim — مطالب و آموزش‌های برنامه‌نویسی متلب و سیمولینک فرادرس

‌

‌
‌✳️ ‌انتگرال در متلب — راهنمای کامل

‏در این آموزش، با روش به دست آوردن انتگرال در متلب برای دو دسته کلی انتگرال‌های معین و نامعین آشنا می‌شویم. همچنین، روش حل انتگرال‌های عددی، خطی و دوگانه را نیز بیان می‌کنیم.

══ فهرست مطالب ══

‏ ○ انتگرال در متلب
‏ ○ انتگرال نامعین در متلب
‏ ○ انتگرال معین در متلب
‏ ○ انتگرال دوگانه در متلب
‏ ○ انتگرال عددی در متلب
‏ ○ انتگرال خطی در متلب


‏🔸 انتگرال در متلب

‏در حالت کلی، انتگرال‌گیری را می‌توان به دو دسته تقسیم کرد. در نوع اول، مشتق یک تابع داده می‌شود و می‌خواهیم خود تابع را پیدا کنیم. بنابراین، ما اساساً روندی عکس مشتق‌گیری انجام می‌دهیم. این فرایند معکوس به عنوان پادمشتق یا یافتن تابع اولیه یا یافتن انتگرال نامعین شناخته می‌شود. نوع دوم شامل جمع کردن تعداد بسیار زیادی از مقادیر بسیار ناچیز و سپس گرفتن حد برای میل این مقادیر به صفر است، در حالی که تعداد جملات به بینهایت میل می‌کند. این فرایند منجر به تعریف انتگرال معین می‌شود. در ادامه، به معرفی روش‌های حل انتگرال در متلب می‌پردازیم.



مطالعه ادامه مطلب 👇👇

‏🔗 انتگرال در متلب — راهنمای کامل — کلیک کنید (+)

‏📌 کانال اختصاصی آموزشی برنامه‌نویسی متلب و سیمولینک

آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی برنامه‌نویسی متلب و سیمولینک را در کانال اختصاصی [‎@FaraMatlabSim] دنبال کنید. 👇

@FaraMatlabSim — مطالب و آموزش‌های برنامه‌نویسی متلب و سیمولینک فرادرس

‌

‌
❇️ فیلم آموزش «حلقه‌های برنامه‌نویسی در متلب» در ۸ دقیقه | به زبان ساده


📌 آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی برنامه‌نویسی متلب و سیمولینک را در کانال اختصاصی [‎@FaraMatlabSim] دنبال کنید.
‌‌‌
‌

‌
‌✳️ ‌انواع داده در متلب — از صفر تا صد

‏در متلب نیز مانند سایر زبان‌های برنامه‌نویسی، انواع مختلفی از داده‌ها وجود دارد. در این مطلب قصد داریم به بررسی انواع داده در متلب بپردازیم و دستورات تبدیل داده از یک نوع به نوع دیگر را معرفی کنیم.

══ فهرست مطالب ══

‏ ○ انواع داده در متلب
‏ ○ داده‌های عددی
‏ ○ اعداد اعشاری
‏ ○ اعداد مختلط
‏ ○ تبدیل انواع داده در متلب
‏ ○ مثال


‏🔸 انواع داده در متلب

‏در متلب، ۱۵ نوع داده اساسی وجود دارد. البته دو نوع داده دیگر هم وجود دارند که کلاس‌های تعریف شده توسط کاربر و کلاس‌های جاوا (JAVA) هستند. همه انواع داده در متلب اطلاعاتی را در خود ذخیره می‌کنند که در قالب ماتریس و یا آرایه هستند.

‏همان طور که از شکل فوق مشخص است، داده‌های عددی خود به دو نوع صحیح و اعشاری تقسیم می‌شوند. اعداد صحیح دارای دو نوع علامت‌دار (Signed Integer) و بدون علامت (Unsigned Integer) و با طول‌های مختلف از ۸ بیت تا ۶۴ بیت و اعداد نوع اعشاری مجددا شامل دو نوع Single و Double است.


‏🔸 داده‌های عددی

‏همان طور که گفتیم، داده‌های عددی در متلب شامل اعداد صحیح علامت‌دار و بدون علامت و اعداد اعشاری با دقت Single و Double هستند. در حالت کلی، می‌توان گفت که آرایه‌های صحیح و اعشاری Single امکان ذخیره‌سازی بهینه‌تری را نسبت به آرایه‌های اعشاری Double ایجاد می‌کنند. تمام انواع داده‌های عددی، از توابع اساسی آرایه‌‌ای مانند تغییر شکل (Reshaping) و اندیس‌دهی پشتیبانی می‌کنند. تمام داده‌های نوع عددی به جز int۶۴ و uint۶۴ می‌توانند در عملیات ریاضی و عددی مورد استفاده قرار گیرند.

‏در متلب چهار نوع داده صحیح علامت‌دار و چهار نوع داده صحیح بدون علامت وجود دارد. نوع علامت‌دار از داده‌های صحیح علاوه بر اعداد مثبت، امکان کار با اعداد صحیح منفی را نیز فراهم می‌کنند، اما نمی‌توانند بازه گسترده‌ای را مانند اعداد صحیح بدون علامت پوشش دهند. زیرا یک بیت همواره به نشان داده علامت مثبت یا منفی در عدد صحیح تخصیص می‌یابد. داده صحیح نوع بدون علامت، بازه بزرگ‌تری را پوشش می‌دهد، اما این نوع داده می‌تواند فقط مثبت یا منفی باشد.

‏در نرم‌افزار متلب، امکان ذخیره‌سازی داده‌های عددی با ۱، ۲، ۴ و ۸ بایت (۸ بیت) وجود دارد. اگر در هنگام برنامه‌نویسی از کوچک‌ترین نوع داده صحیح استفاده کنیم که قادر به ذخیره داده ما باشد، آن‌گاه در حافظه و نیز زمان اجرا صرفه‌جویی خواهیم کرد. به عنوان مثال، برای ذخیره‌سازی مقدار ۱۰۰ نیازی به عدد صحیح ۳۲ بیتی نداریم.



مطالعه ادامه مطلب 👇👇

‏🔗 انواع داده در متلب — از صفر تا صد — کلیک کنید (+)

‏📌 کانال اختصاصی آموزشی برنامه‌نویسی متلب و سیمولینک

آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی برنامه‌نویسی متلب و سیمولینک را در کانال اختصاصی [‎@FaraMatlabSim] دنبال کنید. 👇

@FaraMatlabSim — مطالب و آموزش‌های برنامه‌نویسی متلب و سیمولینک فرادرس

‌

‌
✳️ ‌پایتون یا متلب کدام بهتر است؟ — راهنمای جامع

‏زبان‌های برنامه‌نویسی، یکی از اساسی‌ترین بخش‌های «علم کامپیوتر» (Computer Science) محسوب می‌شوند. به عبارت دیگر، یکی از مهم‌ترین ابزارهای در دسترس برنامه‌نویسان و توسعه‌دهندگان برای پیش‌برد اهداف مرتبط با «خودکارسازی وظایف» (Task Automation) و توسعه برنامه‌های کاربردی هستند. همچنین، زبان‌های برنامه‌نویسی ابزاری حیاتی جهت رسیدن به اهداف کلان سازمانی در صنایع و شرکت‌های تجاری به شمار می‌آیند. انتخاب پایتون یا متلب به عنوان زبان برنامه‌نویسی مقصد (به ویژه برای افرادی که آشنایی کافی با مفاهیم برنامه‌نویسی ندارند و به نوعی، تازه‌واردان عرصه برنامه‌نویسی محسوب می‌شوند)، سؤالی است که ذهن بسیاری از فعالان و علاقه‌مندان به حوزه برنامه‌نویسی را به خود معطوف کرده است.

══ فهرست مطالب ══

‏ ○ پایتون یا متلب
‏ ○ درآمد سالانه و آینده شغلی برنامه‌نویسان کدام زبان بهتر است، پایتون یا متلب؟
‏ ○ مقایسه محبوبیت پایتون و متلب
‏ ○ مقایسه ساختاری پایتون و متلب
‏ ○ مقایسه پایتون و متلب از لحاظ عملکرد و سرعت اجرای برنامه‌ها
‏ ○ جمع‌بندی


‏🔸 پایتون یا متلب

‏«زبان برنامه‌نویسی متلب» (MATLAB Programming Language)، یک «محیط محاسبات عددی چندالگویی» (Multi-paradigm Numerical Computing Environment) و یک «زبان برنامه‌نویسی اختصاصی» (Proprietary Programming Language) توسعه داده شده به وسیله شرکت MathWorks است. نام متلب به زبان انگلیسی (MATLAB)، از عبارت MATrix LABoratory گرفته شده است.

‏زبان برنامه‌نویسی متلب، امکاناتی نظیر «دستکاری ماتریسی» (Matrix Manipulation)، «ترسیم» (Plotting) توابع و داده‌ها، پیاده‌سازی الگوریتم‌ها، ساختن «واسط کاربری» (User Interface) و تعامل با برنامه‌های نوشته شده به دیگر زبان‌های برنامه‌نویسی نظیر C ،C++‌‎ ،C#‎، جاوا، Fortran و پایتون را در اختیار برنامه‌نویسان و توسعه‌دهندگان قرار می‌دهد.

‏اگرچه متلب، از ابتدا برای مقاصد محاسبات علمی و عددی توسعه داده شده بود، برخی از «تولباکس‌های» (Toolbox) موجود در متلب، امکان استفاده از قابلیت‌های «محاسبات نمادین» (Symbolic Computing) یا جبر کامپیوتری را از طریق موتور محاسبات جبری MuPAD، در اختیار برنامه‌نویسان و توسعه‌دهندگان قرار می‌دهند.


‏🔸 درآمد سالانه و آینده شغلی برنامه‌نویسان کدام زبان بهتر است، پایتون یا متلب؟

‏با توجه به گستردگی زبان‌های برنامه‌نویسی، انتخاب یکی از این زبان‌های برنامه‌نویسی پایتون یا متلب برای یادگیری قواعد کد نویسی و یا برنامه‌نویسی یک پروژه‌نرم‌افزاری، معمولا بسیار سخت است. مقایسه آمار مرتبط با درآمد سالانه برنامه‌نویسان پایتون و متلب و همچنین بررسی آینده شغلی هر کدام از این زبان‌ها نشان می‌دهد که دو فاکتور درآمد سالانه و آینده شغلی، عوامل بسیار مهمی در تشویق کاربران و برنامه‌نویسان مبتدی به یادگیری یکی از این زبان‌ها محسوب می‌شوند. از سوی دیگر، یکی از فاکتورهایی که برنامه‌نویسان و توسعه‌دهندگان حرفه‌ای، هنگام مهاجرت از زبان‌های دیگر به یکی از زبان‌های پایتون یا متلب در نظر می‌گیرند، درآمد سالانه برنامه‌نویسان این دو زبان و همچنین آینده شغلی آن‌ها است.

‏بنابراین، برای مقایسه موقعیت شغلی هر کدام از زبان‌های پایتون یا متلب و متوسط درآمد سالانه برنامه‌نویسان آن‌ها، زبان‌های متلب و پایتون در دو مرحله مورد بررسی قرار گرفته می‌شوند:

‏– در مرحله اول، متوسط درآمد سالانه برنامه‌نویسان زبان‌‌های پایتون و متلب مورد بررسی قرار گرفته می‌شود.

‏– در مرحله بعد، بازار کاری هر دو زبان بررسی می‌شود تا میزان تقاضا (در بازار کار) برای برنامه‌نویسان هر کدام از زبان‌های پایتون یا متلب مشخص شود.

‏در چند سال اخیر، و بر اساس آمار ارائه شده از منابع مختلف، زبان پایتون رشد بی‌سابقه‌‌ای را تجربه کرده است؛ به شکلی که هم اکنون، یکی از محبوب‌ترین زبان‌های برنامه‌نویسی در میان توسعه‌دهندگان و جامعه برنامه‌نویسی است. از جمله دلایل محبوبیت بالای زبان پایتون در میان برنامه‌نویسان و توسعه‌دهندگان، می‌توان به مواردی نظیر گستردگی کتابخانه ‌های برنامه‌نویسی و طبیعت همه منظوره بودن زبان پایتون اشاره کرد. این دلایل سبب شده‌اند تا پایتون، به انتخابی ایده‌آل برای کد نویسی در دامنه وسیعی از کاربردها نظیر یادگیری ماشین، هوش مصنوعی، علم داده، توسعه وب و سایر موارد تبدیل شود.



مطالعه ادامه مطلب 👇👇

‏🔗 پایتون یا متلب کدام بهتر است؟ — راهنمای جامع — کلیک کنید (+)

📌 کانال اختصاصی آموزشی برنامه‌نویسی متلب و سیمولینک

آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی برنامه‌نویسی متلب و سیمولینک را در کانال اختصاصی [‎@FaraMatlabSim] دنبال کنید. 👇

@FaraMatlabSim — مطالب و آموزش‌های برنامه‌نویسی متلب و سیمولینک فرادرس
‌
‌

‌
✳️ ‌برنامه نویسی در متلب (MATLAB) — راهنمای گام به گام (+ دانلود فیلم آموزش رایگان)

‏متلب (MATLAB) یک محیط محاسباتی و زبان برنامه‌نویسی است که کاربردهای فراوانی در رشته‌های مختلف علوم و مهندسی دارد. واژه MATLAB از دو واژه انگلیسی MATRIX به معنای ماتریس و LABORATORY به معنای آزمایشگاه تشکیل شده است، زیرا در آن مبنای محاسبات ماتریس‌ها هستند. در این آموزش با برنامه نویسی متلب آشنا خواهیم شد.

══ فهرست مطالب ══

‏ ○ بخش اول: شروع برنامه نویسی متلب
‏ ○ بخش دوم: حلقه‌ها
‏ ○ بخش سوم: شاخه‌گزینی و شروط
‏ ○ بخش چهارم: آرایه و ماتریس
‏ ○ بخش پنجم: رسم نمودار
‏ ○ بخش ششم: تابع تعریف شده توسط کاربر
‏ ○ بخش هفتم: استفاده از فایل‌ها و دستورهای خارجی برای ورودی و خروجی
‏ ○ فیلم‌ های آموزش برنامه نویسی در متلب (MATLAB) — راهنمای گام به گام (+ دانلود فیلم آموزش رایگان)


‏🔸 بخش اول: شروع برنامه نویسی متلب

‏این بخش شامل چند برنامه ساده برای آشنایی با برنامه‌نویسی در متلب است.

‏برنامه زیر را بنویسید و آن را اجرا کنید.

‏خروجی این برنامه ۸ خواهد بود.


‏🔸 بخش دوم: حلقه‌ها

‏حلقه‌ها بخش مهمی از برنامه‌نویسی را تشکیل می‌دهند. در این بخش با شیوه نوشتن حلقه‌ها در متلب آشنا می‌شویم.




مطالعه ادامه مطلب 👇👇

‏🔗 برنامه نویسی در متلب (MATLAB) — راهنمای گام به گام (+ دانلود فیلم آموزش رایگان) — کلیک کنید (+)


📌 کانال اختصاصی آموزشی برنامه‌نویسی متلب و سیمولینک

آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی برنامه‌نویسی متلب و سیمولینک را در کانال اختصاصی [@FaraMatlabSim] دنبال کنید. 👇

@FaraMatlabSim — مطالب و آموزش‌های برنامه‌نویسی متلب و سیمولینک فرادرس
‌
‌

‌
✳️ ‌کدهای متلب محاسبات عددی | دانلود رایگان مجموعه کامل

‏در این مطلب روش‌ها و کدهای متلب محاسبات عددی را معرفی می‌کنیم. محاسبات عددی روش‌ها و ویژگی‌های متفاوتی دارند. در این مبحث ضمن معرفی این روش‌ها، کدها و حل دستی برخی از آن‌ها را معرفی می‌کنیم. اگر شما نیز برای حل مسائل ریاضی، مهندسی یا فیزیکی خود به حل عددی نیازمند هستید خواندن این مطلب را از دست ندهید.

══ فهرست مطالب ══

‏ ○ محاسبات عددی در متلب
‏ ○ حل عددی دستگاه معادلات خطی
‏ ○ درون‌یابی و برازش
‏ ○ مشتق و انتگرال‌گیری عددی
‏ ○ حل عددی معادلات دیفرانسیل معمولی
‏ ○ حل عددی معادلات دیفرانسیل غیرخطی
‏ ○ معرفی فیلم آموزش محاسبات عددی با MATLAB
‏ ○ جمع بندی


‏🔸 محاسبات عددی در متلب

‏محاسبات عددی روشی برای حل مسائل پیچیده ریاضی است که فقط با استفاده از عملگرهای ساده ریاضی انجام می‌شود. این روش شامل فرمول‌بندی فیزیکی مدل‌های ریاضی و موقعیت‌هایی است که می‌توان با عملگرهای ریاضی حل کرد. برای محاسبات عددی نیاز به توسعه، تجزیه و تحلیل و استفاده از الگوریتم‌ها است. این محاسبات شامل تعداد زیادی محاسبات ریاضی هستند و بنابراین به دستگاه‌های محاسباتی سریع و کارآمد احتیاج دارند. انقلاب میکروالکترونیک و متعاقب آن توسعه رایانه‌های شخصی ارزان و کم هزینه تأثیر به سزایی در استفاده از روش‌های عددی برای حل مشکلات علمی داشته است. روش‌های معادلات عددی برای حل حالت‌های زیر اتفاق می‌افتد:

‏– معادلات غیر خطی تک متغیره که حل تحلیلی و بسته ندارند و برای آن‌ها باید از حل عددی استفاده کرد.

‏– روش درون‎‌یابی و برازش برای پیدا کردن معادلاتی که داده‌هایی از آن را داریم.

‏– حل عددی مشتق‌ها و انتگرال‌هایی که حل تحلیلی و دقیقی ندارند.

‏– حل عددی معادلات دیفرانسیل معمولی یا ODE

‏– حل عددی دستگاه معادلات خطی یا غیرخطی. البته حل تحلیلی دستگاه معادلات خطی غالباً امکان‌پذیر است اما در حالتی که تعداد متغیرها و معادلات زیاد باشند حل تحلیلی این معادلات زمان زیادی می‌گیرد و در این حالت بهتر است به حل عددی روی بیاوریم.

‏– حل عددی برای به دست آوردن ویژه مقادیر ماتریس‌ها.

‏– الگوریتم حداقل مربعات که مجموعه‌ای از داده‌ها را با یک تابع نمایی، هایپربولیک یا … فیت می‌کند و به این ترتیب اطلاعات بیشتری از یک سیستم به دست می‌آوریم.

‏– بهینه سازی عددی نیز برای بهینه کردن یک پارامتر در یک سیستم به کار می‌رود.

‏نکته‌ای که در محاسبات عددی مهم است میزان خطا در این محاسبات است که باید آن را نیز مد نظر قرار داد. در این مطلب چند روش محاسبه عددی در متلب را معرفی می‌کنیم و چند مثال از این روش‌ها را حل می‌کنیم.


‏🔸 حل عددی دستگاه معادلات خطی

‏در روش حل عددی دستگاه معادلات خطی می‌توان به روش‌های تکراری و غیرتکراری در نرم افزار متلب اشاره کرد که به گروه‌های زیر تقسیم‌بندی می‌شوند:

‏روش‌های غیرتکراری

‏– کدهای متلب محاسبات عددی و روش گاوس ناقص

‏– کدهای متلب محاسبات عددی و روش گاوس یا پیووتینگ

‏– کدهای متلب محاسبات عددی و روش تجزیه LU



مطالعه ادامه مطلب 👇👇

‏🔗 کدهای متلب محاسبات عددی | دانلود رایگان مجموعه کامل — کلیک کنید (+)


📌 کانال اختصاصی آموزشی برنامه‌نویسی متلب و سیمولینک

آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی برنامه‌نویسی متلب و سیمولینک را در کانال اختصاصی [@FaraMatlabSim] دنبال کنید. 👇

@FaraMatlabSim — مطالب و آموزش‌های برنامه‌نویسی متلب و سیمولینک فرادرس
‌
‌

‏‌
✳️ ‌نمایش سیستم های دینامیکی با متلب — از صفر تا صد (+ دانلود فیلم آموزش رایگان)

‏در آموزش قبلی، مدل‌سازی سیستم‌های دینامیکی را در قالب نمایش فضای حالت و تابع تبدیل توضیح دادیم. در این آموزش، مثال‌هایی از مدل‌سازی سیستم‌های مکانیکی و الکتریکی را بررسی خواهیم کرد. همچنین، نحوه نمایش این سیستم‌ها را در نرم‌افزار متلب (MATLAB) بیان می‌کنیم.

══ فهرست مطالب ══

‏ ○ سیستم‌های مکانیکی
‏ ○ سیستم‌های الکتریکی


‏🔸 سیستم‌های مکانیکی

‏پایه تحلیل سیستم‌های مکانیکی، قانون نیوتن است. قانون دوم نیوتن (رابطه (۱))، بیان می‌کند که مجموع نیروهای وارد بر یک جسم، برابر با حاصل‌ضرب جرم جسم در شتاب آن است. قانون سوم نیوتن نیز بیان می‌کند وقتی دو جسم در تماس با هم هستند، نیروهایی با بزرگی یکسان و جهت مخالف به هم وارد می‌کنند.

‏هنگام اعمال رابطه بالا، بهترین کار این است که نمودار جسم آزاد (free-body diagram) یا FBD سیستم را رسم کنیم.


‏🔸 سیستم‌های الکتریکی

‏مشابه قوانین نیوتن برای سیستم‌های مکانیکی، قوانین مداری کیرشهف ابزار اساسی مدل‌سازی مدارهای الکتریکی هستند. قانون جریان کیرشهف (KCL) بیان می‌کند که مجموع جریان‌های وارد شده به یک گره، برابر با مجموع جریان‌های خارج شده از آن است. قانون ولتاژ کیرشهف (KVL) بیان می‌کند مجموع اختلاف ولتاژهای هر حلقه بسته در مدار صفر است. وقتی از KVL استفاده می‌کنیم، اختلاف ولتاژ منابع ولتاژ مثبت و اختلاف ولتاژ بارها را منفی در نظر می‌گیریم.

‏اکنون یک مدار RLC‌ ساده را در نظر می‌گیریم که در آن، سه عنصر پسیو مقاومت، سلف و خازن با هم سری شده‌اند.



مطالعه ادامه مطلب 👇👇

‏🔗 نمایش سیستم های دینامیکی با متلب — از صفر تا صد (+ دانلود فیلم آموزش رایگان) — کلیک کنید (+)


📌 کانال اختصاصی آموزشی برنامه‌نویسی متلب و سیمولینک

آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی برنامه‌نویسی متلب و سیمولینک را در کانال اختصاصی [@FaraMatlabSim] دنبال کنید. 👇

@FaraMatlabSim — مطالب و آموزش‌های برنامه‌نویسی متلب و سیمولینک فرادرس
‌
‌

‌
🚀 اپلیکیشن فرادرس منتشر شد‼️

📱 اپلیکیشن آموزشی فرادرس، در گوگل پلی منتشر شد و هم‌اکنون در دسترس عموم است.

⭕️ با دانلود و نصب اپلیکیشن فرادرس، کاربران موبایل می‌توانند با سادگی بیشتر و تجربه‌ای بهتر، آموزش‌های مورد نظر خود را از فرادرس جست‌و‌جو و مشاهده کنند.

✔️ برخی از قابلیت‌های اپلیکیشن:

✓ امکان جستجو در کتابخانه آموزش‌های ویدئویی با بیش از ۵,۰۰۰ عنوان آموزش (۱۹,۰۰۰ ساعت آموزش)

✓مشاهده فهرست جدیدترین آموزش‌ها، آموزش‌های پرمخاطب، وبینارها و آموزش‌های رایگان به صورت دسته‌بندی شده

✓ دسترسی به آموزش‌های رایگان فرادرس و مشاهده آن‌ها

✓ قابلیت جستجوی پیشرفته در کتابخانه آموزش‌های فرادرس با تعیین فیلترهای خاص

✓امکان مشاهده دوره‌های تهیه شده توسط کاربر در پلیر سازگار با موبایل

✓ امکان ورود به پنل کاربری، ویرایش پروفایل و شارژ حساب


📲 با نصب این اپلیکیشن، می‌توانید آموزش‌های مورد علاقه‌ خود را ذخیره و در فرصت مناسب‌تر آن‌ها را با دقت مشاهده کنید.

📌 دریافت اپلیکیشن فرادرس از گوگل پلی (+)


📚 فرادرس | دانش در دسترس همه؛ همیشه و همه جا

‌@FaraDars — فرادرس

‌
‏✳️ ‌رسم تابع در متلب — آموزش گام به گام + نمونه کد

‏رسم تابع در متلب دستورهای مختلفی دارد که در این مطلب آن‌ها را معرفی می‌کنیم و به بررسی چند مثال و نمونه کد می‌پردازیم. به صورت کلی دستورهای رسم تابع در متلب به ۱۱ گروه مختلف دسته‌بندی می‌شوند که هر یک ویژگی‌های خاصی دارند و نوع داده‌ای که به عنوان ورودی دریافت می‌کنند متفاوت است.

══ فهرست مطالب ══

‏ ○ دستور plot
‏ ○ دستور plot۳
‏ ○ دستور stairs
‏ ○ دستور errorbar
‏ ○ دستور area
‏ ○ دستور stackedplot
‏ ○ دستور loglog
‏ ○ دستور semilogx
‏ ○ دستور semilogy
‏ ○ رسم تابع در متلب با دستور fplot
‏ ○ رسم تابع در متلب با دستور fplot۳
‏ ○ رسم تابع در متلب با دستور fimplicit
‏ ○ دستور histogram
‏ ○ دستور histogram۲
‏ ○ دستور pie
‏ ○ دستور pie۳
‏ ○ دستور scatter
‏ ○ دستور scatter۳
‏ ○ دستور scatterhistogram
‏ ○ دستور spy
‏ ○ دستور plotmatrix
‏ ○ دستور wordcloud
‏ ○ دستور parallelplot
‏ ○ دستور bar
‏ ○ دستور barh
‏ ○ دستور bar۳
‏ ○ دستور bar۳h
‏ ○ دستور pareto
‏ ○ دستور stem
‏ ○ دستور stem۳
‏ ○ رسم تابع در متلب با دستور polarplot
‏ ○ دستور polarhistogram
‏ ○ دستور polarscatter
‏ ○ دستور compass
‏ ○ رسم تابع در متلب با دستور ezpolar
‏ ○ رسم تابع در متلب با دستور surf
‏ ○ رسم تابع در متلب با دستور fimplicit۳
‏ ○ معرفی فیلم آموزش برنامه نویسی متلب برای علوم و مهندسی
‏ ○ جمع‌بندی


‏🔸 دستور plot

‏دستور plot(X،Y) یک نمودار دوبعدی از داده‌ها را در Y در برابر مقادیر مربوط به X ایجاد می‌کند. در این دستور اگر X و Y هر دو بردار باشند باید طول آن‌ها برابر باشد. اگر X و Y هر دو ماتریس باشند باید اندازه آن‌ها برابر باشد و در نتیجه دستور plot ستون‌های Y را در مقابل ستون‌های X رسم می‌کند.

‏اگر یکی از دو کمیت X یا Y بردار و دیگری ماتریس باشد آنگاه ماتریس باید ابعادی داشته باشد که یکی از ابعاد آن برابر با طول بردار باشد. اگر تعداد ردیف‌های ماتریس برابر با طول بردار باشد دستور plot هر ستون ماتریس را در برابر بردار رسم می‌کند. اگر تعداد ستون‌های ماتریس برابر با طول بردار باشد این دستور هر ردیف ماتریس را در مقابل بردار رسم می‌کند. اگر ماتریس یک ماتریس مربعی باشد دستور plot هر ستون را در مقابل بردار رسم می‌کند.

‏اگر یکی از دو کمیت X یا Y اسکالر باشد و دیگری اسکالر یا بردار باشد دستور plot یک نمودار نقاط گسسته را رسم می‌کند. با این حال برای دیدن نقاط باید یک علامت نشانگر را در دستور plot اضافه کنید.


‏🔸 دستور plot۳

‏plot۳ (X، Y، Z) مختصات x و y و z را در فضای ۳ بُعدی ترسیم می‌کند. برای رسم مجموعه‌ای از مختصات X ، Y و Z باید آن‌ها را به صورت بردارهایی با طول یکسان تعریف کنید.

‏همچنین برای ترسیم چند مجموعه مختصات در یک نمودار حداقل یکی از مختصات X ، Y یا Z را به عنوان ماتریس و بقیه را به عنوان بردار تعریف کنید.



مطالعه ادامه مطلب 👇👇

‏🔗 رسم تابع در متلب — آموزش گام به گام + نمونه کد — کلیک کنید (+)


📌 کانال اختصاصی آموزشی برنامه‌نویسی متلب و سیمولینک

آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی برنامه‌نویسی متلب و سیمولینک را در کانال اختصاصی [@FaraMatlabSim] دنبال کنید. 👇

@FaraMatlabSim — مطالب و آموزش‌های برنامه‌نویسی متلب و سیمولینک فرادرس
‌
‌

‌
‏✳️ ‌برنامه نویسی در متلب (MATLAB) — راهنمای گام به گام (+ دانلود فیلم آموزش رایگان)

‏متلب (MATLAB) یک محیط محاسباتی و زبان برنامه‌نویسی است که کاربردهای فراوانی در رشته‌های مختلف علوم و مهندسی دارد. واژه MATLAB از دو واژه انگلیسی MATRIX به معنای ماتریس و LABORATORY به معنای آزمایشگاه تشکیل شده است، زیرا در آن مبنای محاسبات ماتریس‌ها هستند. در این آموزش با برنامه نویسی متلب آشنا خواهیم شد.

══ فهرست مطالب ══

‏ ○ بخش اول: شروع برنامه نویسی متلب
‏ ○ بخش دوم: حلقه‌ها
‏ ○ بخش سوم: شاخه‌گزینی و شروط
‏ ○ بخش چهارم: آرایه و ماتریس
‏ ○ بخش پنجم: رسم نمودار
‏ ○ بخش ششم: تابع تعریف شده توسط کاربر
‏ ○ بخش هفتم: استفاده از فایل‌ها و دستورهای خارجی برای ورودی و خروجی
‏ ○ فیلم‌ های آموزش برنامه نویسی در متلب (MATLAB) — راهنمای گام به گام (+ دانلود فیلم آموزش رایگان)


‏🔸 بخش اول: شروع برنامه نویسی متلب

‏این بخش شامل چند برنامه ساده برای آشنایی با برنامه‌نویسی در متلب است.


‏🔸 بخش دوم: حلقه‌ها

‏حلقه‌ها بخش مهمی از برنامه‌نویسی را تشکیل می‌دهند. در این بخش با شیوه نوشتن حلقه‌ها در متلب آشنا می‌شویم.



مطالعه ادامه مطلب 👇👇

‏🔗 برنامه نویسی در متلب (MATLAB) — راهنمای گام به گام (+ دانلود فیلم آموزش رایگان) — کلیک کنید (+)


📌 کانال اختصاصی آموزشی برنامه‌نویسی متلب و سیمولینک

آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی برنامه‌نویسی متلب و سیمولینک را در کانال اختصاصی [@FaraMatlabSim] دنبال کنید. 👇

@FaraMatlabSim — مطالب و آموزش‌های برنامه‌نویسی متلب و سیمولینک فرادرس
‌
‌

‌
✳️ ‌آموزش آشنایی با محیط متلب، توابع clc و clear و متغیر ans (رایگان)

چکیده — زبان برنامه‌نویسی و نرم‌افزار متلب، بدون شک، امروزه یکی از ابزارهای حیاتی برای مطالعات علمی در رشته‌های مختلف علمی و فنی به حساب می‌آید. با توجه به نیاز کاربران متلب در ایران که شامل تعداد قابل توجهی از دانشجویان و متخصصین کشور است، برای دسترسی به منابع آموزشی مناسب و کامل، مجموعه کاملی از نکات و ترفندهای آموزشی برنامه‌نویسی متلب تولید و در اختیار مخاطبان محترم قرار گرفته است. ما در این آموزش می‌خواهیم با محیط متلب، توابع clc و clear و متغیر ans آشنا شویم.

کسب اطلاعات بیشتر 👇👇

🔗 آموزش آشنایی با محیط متلب، توابع clc و clear و متغیر ans (رایگان) — کلیک کنید [+]


📌 کانال اختصاصی آموزشی برنامه‌نویسی متلب و سیمولینک

آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی برنامه‌نویسی متلب و سیمولینک را در کانال اختصاصی [@FaraMatlabSim] دنبال کنید. 👇

@FaraMatlabSim — مطالب و آموزش‌های برنامه‌نویسی متلب و سیمولینک فرادرس
‌
‌

‌
✨ در کانال‌های موضوعی و تخصصیِ فرادرس، چه مطالبی به صورت رایگان ارائه می‌شود؟

🔹 جدیدترین و به‌روز ترین مقالات آموزشی در رشته‌های مختلف تحصیلی و تخصصی
🔹 خلاصه دروس دانشگاهی
🔹 مطالب جذاب علمی و ویدئوهای آموزشی
🔹 آموزش مهارت‌های کاربردی‌

🌟 برای دسترسی سریع‌تر به مطالب و مقالات آموزشی رایگان فرادرس، عضو کانال مورد نظر خود شوید👇👇👇


📌کانال آموزشی برنامه‌نویسی:
@FaraProg

📌کانال آموزشی برنامه‌نویسی پایتون:
@FaraPython

📌کانال آموزشی برنامه‌نویسی اندروید:
@FaraAnd

📌کانال آموزشی برنامه‌نویسی جاوا:
@Fara_Java

📌کانال آموزشی طراحی و توسعه وب:
@FaraWebDev

📌کانال آموزشی متلب و سیمولینک:
@FaraMatlabSim

📌کانال آموزشی رباتیک:
@FaraRobotics

📌کانال آموزشی هوش مصنوعی:
@FaraAI

📌کانال آموزشی علم داده:
@Fara_DS

📌کانال آموزشی مهندسی:
@FaraEng

📌کانال آموزشی مهندسی مکانیک:
@FaraMechanical

📌کانال آموزشی مهندسی برق:
@FaraElectrical

📌کانال آموزشی مهندسی عمران:
@FaraCivil

📌کانال آموزشی معماری:
@FaraArch

📌کانال آموزشی شیمی:
@FaraChem

📌کانال آموزشی مهندسی و علوم کامپیوتر:
@FaraCompEng

📌کانال آموزشی طراحی گرافیک:
@FaraGraphDesign

📌کانال آموزشی زبان:
@FaraLang

📌کانال آموزشی زیست‌شناسی:
@FaraBio

📌کانال آموزشی فیزیک:
@FaraPhys

📌کانال آموزشی ریاضیات:
@FaraMathematic

📌کانال آموزشی آمار و احتمالات:
@FaraStatistics

📌کانال آموزشی آفیس:
@FaraOffice

📌کانال آموزشی بورس:
@FaraVest

📌کانال آموزشی بازاریابی دیجیتال:
@Kaprila


📚 فرادرس | دانش در دسترس همه؛ همیشه و همه جا

‌@FaraDars — فرادرس
‌