MATLAB

為工程師和科學家打造的最簡便高效的計算環(huán)境

MATLAB 語言

專用于數(shù)學和科學計算的唯一高級編程語言

基于矩陣的 MATLAB 語言讓數(shù)學直觀易讀。

工程師和科學家需要能夠直觀表達矩陣和數(shù)組數(shù)學運算的編程語言，而非通過通用編程實現(xiàn)的編程語言。

Python 中的矩陣數(shù)學需要執(zhí)行函數(shù)調(diào)用，而非自然算子。您必須對標量、1-D 矩陣和 2-D 矩陣之間的差異進行跟蹤。即使在最簡單的 Python 代碼中做到這一點也很困難，下圖中Python 代碼里的錯誤你能找到嗎？

在 Python 代碼的第 2 行有一個非常微小的錯誤。在原始代碼中，行是 1-d 矩陣。它看起來像行向量，但卻沒有足夠的維數(shù)來說明是行還是列——只能表明是 1-d 矩陣。由于沒有第二個維度，第三行中的轉(zhuǎn)置沒有效果。而 MATLAB 不會對標量、1-d 矩陣、2-d 矩陣和多維數(shù)組進行人為區(qū)分。

使用 MATLAB 語言編寫相同的示例，你會發(fā)現(xiàn) MATLAB 在表達計算數(shù)學方面更加自然。由此可見，MATLAB 中的線性代數(shù)與教科書中的線性代數(shù)更接近，在數(shù)據(jù)分析、信號和圖像處理、控制設計以及其他應用中也是一樣。這也是超過 1,800 本教科書中使用 MATLAB 的原因。

MATLAB 適合工程師和科學家的工作方式。

Python 的函數(shù)通常由高級編程人員為其他編程人員設計開發(fā)，并撰寫文檔。Python 為科學計算提供的開發(fā)環(huán)境缺乏桌面版 MATLAB 所具備的可靠性和集成能力。

MATLAB 則是為工程師和科學家量身定制的：

函數(shù)名和簽名熟悉并容易記住，便于讀寫。

新函數(shù)接口采用了嚴格的設計流程，每個函數(shù)通常會花費幾十到幾百個工時進行開發(fā)。

桌面環(huán)境為迭代工程和科研流程進行了優(yōu)化。

集成的工具支持同時發(fā)掘數(shù)據(jù)和程序，用更少的時間實踐更多的想法。

文檔面向工程師和科學家編寫，不是針對計算機科學家的。

“使用 MATLAB，我能夠以遠超其他語言的速度編寫新功能的代碼并調(diào)試代碼錯誤，將開發(fā)時間縮短一半，這對于滿足較短的交付周期很有幫助。當客戶看到結(jié)果后，他們會認為我每周工作 70 小時。”

——Bancroft Henderson,EMSolutions

成熟的 MATLAB 工具箱為工程師和科學家所用。

無論是對經(jīng)濟數(shù)據(jù)建模、分析圖像序列，還是操控機器人，都需要編程語言支持您使用的特定工具。這些工具不僅要正常工作，也需要完美配合。

Python 依靠社區(qū)創(chuàng)作的工具包為科研和工程應用提供功能，它們在質(zhì)量和功能上千差萬別。每個都有其獨立的文檔，工程師需要花費大量的時間整合一份解決方案。

與 Python 不同的是，MATLAB 工具箱為科學和工程應用提供經(jīng)過專業(yè)開發(fā)、嚴格測試、市場驗證和完備文檔描述的功能。各個工具箱相互配合，也可以與并行計算環(huán)境、GPU 和自動 C 代碼生成整合。它們同步更新，完全不必擔心庫版本不兼容的問題。

相比自定義編程，MATLAB 應用程序完成任務更輕松。

Python 不會為科研和工程應用提供支持一體化工作流程的應用程序，而是需要自定義編程。這會延緩研發(fā)進度，尤其是對于那些高度迭代的工作流程來說。

MATLAB應用程序可以讓您立即開始工作。這些交互式應用程序提供對大量算法集的直接訪問并可以實時提供可視化反饋。您可以嘗試新的曲面擬合算法、濾波器設計技術或機器學習分類算法，并且實時獲取數(shù)據(jù)的運算結(jié)果。您可以在獲得所需結(jié)果之前反復迭代，然后自動生成 MATLAB 程序，以便對您的工作進行重制或自動處理。

使用分類學習器應用程序進行模型驗證和評估。

使用 MATLAB 輕松實現(xiàn)從研發(fā)到生產(chǎn)的全流程自動化。

重大的工程和科學挑戰(zhàn)需要團隊間的廣泛合作，集思廣益使想法付諸實施。在這過程中的每次交付都會增加錯誤和延遲的風險。

與 Python不同，MATLAB 可在整個工作流程中為團隊提供幫助：

MATLAB 適用于 130 多個硬件供應商提供的 1,000 多個常用硬件設備

MATLAB 可集成到您的生產(chǎn)分析應用程序

通過擴展到集群、云和 GPU 更快速地實現(xiàn)算法并處理大數(shù)據(jù)

可接入 Simulink 和 Stateflow 實現(xiàn)仿真和基于模型的設計

MATLAB 更快，這意味著更多想法的實現(xiàn)以及解決更棘手的問題。

毋庸置疑，MATLAB 在處理統(tǒng)計、工程計算和數(shù)據(jù)可視化的常見科學計算任務時比 Python 更快。圖表中列出了基準測試結(jié)果。

Python 代碼需要使用重疊和沖突的附加功能來獲得性能優(yōu)勢，如即時編譯和顯式并行編程。這些解決方案往往不完整，或者僅適用于高級編程人員。

MATLAB 承擔了加速代碼運行速度的艱巨任務。數(shù)學運算分布在計算機的各個內(nèi)核中、庫調(diào)用得到了高度優(yōu)化，所有代碼實時編譯。只需要添加3 個字符“par”到“for”，您就可以將 for 循環(huán)更改為并行 for 循環(huán)或?qū)藴蕯?shù)組更改為 GPU 或分布式數(shù)組來以并行方式運行算法。無需更改代碼，即可在可無限擴展的公共云或私有云上運行并行算法。

對比 MATLAB 和 Python 在統(tǒng)計、工程計算和數(shù)據(jù)可視化等領域的科學計算任務中的執(zhí)行時間。每個點代表每種語言中單次測試運行的時間。

MATLAB 提供可信賴的運算結(jié)果。

工程師和科學家信賴 MATLAB 幫他們將宇宙飛船送往冥王星、使接受器官移植的患者與器官捐獻者匹配，或者只是為管理層編制一份報告。這份信任建立在無差錯的數(shù)值計算上，來自于 MATLAB 在數(shù)值分析研究領域的強大根基和完美表現(xiàn)。

MathWorks 的工程師團隊每天會對 MATLAB 代碼庫運行數(shù)百萬次測試，持續(xù)不斷驗證代碼的質(zhì)量。