Definition

Was ist MATLAB?

| Autor / Redakteur: Stefan Luber / Nico Litzel

(Bild: © aga7ta - stock.adobe.com)

MATLAB ist eine kommerzielle Software des Unternehmens The MathWorks, mit der sich mathematische Problemstellungen mithilfe numerischer Berechnungen lösen und visualisieren lassen. Die Software ist plattformunabhängig und rechnet mit Matrizen. MATLAB lässt sich mit zahlreichen verfügbaren Toolboxen erweitern.

Der Name MATLAB leitet sich aus den Begriffen MATrix LABoratory ab. Es handelt sich um eine Software des Unternehmens The MathWorks zur Lösung mathematischer Problemstellungen. Die kommerzielle Software lässt sich plattformunabhängig verwenden. Ergebnisse der numerischen Berechnungen sind grafisch darstellbar. Die Berechnungen von MATLAB basieren auf Matrizen.

Ursprünglich wurde MATLAB Ende der 70er-Jahre an der Universität von New Mexico entwickelt. Sie sollte Studenten den Einstieg in die lineare Algebra und die Nutzung der Fortran-Bibliotheken LINPACK und EISPACK ohne spezielle Programmierkenntnisse erleichtern. Für Studenten ist die Software noch heute zu günstigeren Konditionen verfügbar.

Heute verwendet MATLAB nicht mehr die Bibliotheken LINPACK und EISPACK, sondern LAPACK und BLAS. Die große Stärke von MATLAB ist der Umgang und das Rechnen mit Matrizen. In der Software sind die numerische Analyse, Matrizenberechnung, Signalverarbeitung und Visualisierung vereint. Es handelt sich um eine interaktive Programmiersprache, die objektorientiert arbeitet. Durch sogenannte Toolboxen ist der Funktions- und Anwendungsbereich vielfältig erweiterbar. MATLAB kommt für die Lösung von statistischen, regelungstechnischen, mechanischen oder wirtschaftswissenschaftlichen Problemen zum Einsatz. Eine häufig genutzte und bekannte Toolbox ist Simulink. Sie ermöglicht die Simulation technisch-physikalischer Systeme unterschiedlichster Art. Funktionen lassen sich von MATLAB in verschiedenen Programmiersprachen wie Fortran oder C aufrufen. Die Übergabe von Parametern und die Rückgabe von Ergebnissen steuern Adapter-Funktionen. Bibliotheken in .NET, ActiveX oder Java sind direkt aus MATLAB heraus aufrufbar. Auch die umgekehrte Richtung, der Aufruf von MATLAB-Funktionen aus den Bibliotheken heraus, ist möglich. MATLAB konkurriert mit frei verfügbarer Software wie GNU Octave, FreeMat oder den Python-Bibliotheken Matplotlib und NumPy. NumPy basiert beispielsweise ebenfalls auf LAPACK und BLAS.

Grundzüge von MATLAB

Das Programmieren mit MATLAB findet in einer proprietären Programmiersprache statt. Sie lässt sich auf verschiedenen Betriebssysteme interpretieren und ermöglicht es, kleinere Programme als Funktionen oder Skripte in separaten Einheiten zu realisieren. Die Syntax ist einfach zu erlernen und orientiert sich an mathematischen Vorgängen. Über Bibliotheken wird die Erstellung von Programmen für verschiedene Problemstellungen vereinfacht. Schnittstellen erlauben die Einbindung anderer Programmiersprachen wie C.

Für die objektorientierte Programmierung mit MATLAB stehen die typischen Konzepte Klassen, Pakete, Vererbung und Call-by-value-Aufrufe zur Verfügung. Neben der proprietären Programmiersprache bietet die Software eine grafische Desktop-Umgebung. Die Umgebung erleichtert den Überblick über die Variablen und den Programmiercode. Klassischer Datentyp von MATLAB sind die Matrizen mit ihren komplexen oder reellen Elementen.

Die Vorteile durch den Einsatz von MATLAB

Der Einsatz von MATLAB bietet bei Anwendungen für mathematische Fragestellungen zahlreiche Vorteile. Vorteile sind unter anderem diese:

  • automatisierte Auswertung größerer Datenmengen in hoher Geschwindigkeit
  • effiziente Mehrfachauswertung gleicher Datensätze mit programmierten Analyseroutinen
  • umfangreiche, flexibel einsetzbare Grafik- und Statistikfunktionen
  • Bereitstellung bedienerfreundlicher Benutzeroberflächen, die die Datenanalyse ohne Programmierkenntnisse erlauben
  • Nutzung im Interpreter-Modus mit einzeln absetzbaren Befehlen und sofortiger Ausführung
  • Ausführen von vollständigen Programmen ohne vorheriges Kompilieren
  • hohe Performance bei numerischen Berechnungen vergleichbar mit kompilierten Programmiersprachen
  • Verwendung von MATLAB-Programmen in kompilierter Form als Stand-Alone-Anwendung

Typischer Ablauf der Datenverarbeitung mit MATLAB

Die Datenverarbeitung mit MATLAB zeigt einen typischen Ablauf. Es werden mehrere Schritte in einer vorgegebenen Reihenfolge durchlaufen. Zunächst werden die zu verarbeitenden Rohdaten erfasst und an MATLAB übermittelt. MATLAB sorgt für die Filterung, Umwandlung, Zuordnung, Aggregation oder Standardisierung der Daten. Diese Daten lassen sich direkt aus MATLAB heraus visualisieren und grafisch darstellen. In einem weiteren Verarbeitungsschritt kann MATLAB die vorbereiteten Daten an eine weiterverarbeitende Software wie eine Statistik-Software übergeben. Dort bestehen weitere Möglichkeiten zur Analyse und grafischen Auswertung.

Typische Anwendungsbereiche für MATLAB

MATLAB löst Fragestellungen und Probleme nicht symbolisch sondern mit numerischer Berechnung. Zum Einsatz kommt die Software im schulischen Bereich, in der Forschung, in der Wissenschaft und der Industrie. Typische Anwendungsbereich sind die Messdatenverarbeitung, Statistik, Wirtschaftswissenschaften, Simulationen und das technisch wissenschaftliche Rechnen. Mithilfe von MATLAB werden unter anderem Algorithmen entwickelt, Daten akquiriert, Prototypen simuliert und modelliert, Daten visualisiert, grafische Darstellungen im Ingenieurwesen erstellt und Anwendungen inklusive grafischer Benutzeroberflächen entwickelt. Über die Erweiterungspakete, die sogenannten Toolboxen, ergeben sich zusätzliche Anwendungsbereiche. Einsatzgebiete der Toolboxen sind die Regelungstechnik, die Signalverarbeitung, Neuronale Netze, die Wavelet-Transformation oder die Fuzzylogik und Vieles mehr.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Aktuelle Beiträge zu diesem Thema

Künstliche Intelligenz im Eigenbau

Übersicht KI- und ML-Stacks, Teil 2

Künstliche Intelligenz im Eigenbau

Eine kaum noch überschaubare Vielzahl an KI/ML-Frameworks, -Bibliotheken und -Diensten buhlt um die Gunst innovativer Unternehmen. So wird Big Data zur Goldgrube. lesen

Das sind die spannendsten Themen in Hannover

Industrial Intelligence

Das sind die spannendsten Themen in Hannover

Unter dem Leitthema „Industrial Intelligence“ lässt sich auf der Hannover Messe der Stand der Technik zu Themen wie Künstliche Intelligenz, 5G, Cobots, Blockchain und Plattformökonomie besichtigen. Lesen Sie im Überblick, welche Themen Sie nicht verpassen sollten. lesen

Das sind die IoT-Highlights auf der Embedded World 2019

Produkt-Bildergalerie

Das sind die IoT-Highlights auf der Embedded World 2019

Produkte und Lösungen rund um das Internet der Dinge stehen im Fokus, wenn sich die Embedded-Branche Ende Februar in Nürnberg trifft. Wir stellen einige Highlights vor. lesen

Mathworks erweitert Deep-Learning-Funktionen im neuen Release

Matlab und Simulink 2018b

Mathworks erweitert Deep-Learning-Funktionen im neuen Release

Mathworks hat das Release 2018b von Matlab und Simulink vorgestellt, das Deep Learning in den Fokus der Neuheiten stellt. So löst beispielsweise die Deep Learning Toolbox die vorherige Neural Network Toolbox ab, um Netzarchitekturen einfacher zu entwerfen. lesen

Matlab erhält Toolbox für Entwurf und Testen von Algorithmen

Predictive Maintenance

Matlab erhält Toolbox für Entwurf und Testen von Algorithmen

Die neue Predictive Maintenance Toolbox in Matlab bietet Funktionen und Referenzbeispiele für Entwickler, die Algorithmen entwerfen, um Daten zu strukturieren, Zustandsindikatoren zu erstellen, Maschinenzustände zu überwachen und die wirtschaftliche Restlebensdauer zu schätzen und so Geräteausfälle zu vermeiden. lesen

So schnell ist das Deep Learning Framework Caffe

Künstliche Intelligenz

So schnell ist das Deep Learning Framework Caffe

Das Deep Learning Framework Caffe ist auf Modularität, Skalierbarkeit und Schnelligkeit ausgelegt. Dadurch lassen sich unter anderem Modelle für Künstliche Intelligenz innerhalb nur weniger Stunden anstatt mehrerer Tage trainieren. lesen

Neue Tools für Deep Learning und autonomes Fahren

MathWorks MATLAB und Simulink

Neue Tools für Deep Learning und autonomes Fahren

MathWorks stellt Release 2018a (R2018a) mit einer Reihe neuer Funktionen in MATLAB und Simulink vor. Darunter fallen u.a. die Predictive Maintenance Toolbox zum Entwerfen und Testen von Algorithmen für die Zustandsüberwachung und Predictive Maintenance und das Vehicle Dynamics Blockset für die Modellierung und Simulation von Fahrzeugdynamik in einer virtuellen 3D-Umgebung. lesen

in-tech ist Partner im MathWorks-Connection-Programm

Echtzeit-Simulation

in-tech ist Partner im MathWorks-Connection-Programm

Das Engineering-Unternehmen in-tech ist jetzt Mitglied des Mathworks-Connection-Programms. Mathworks ist ein führender Entwickler von technischer EDV-Software für Ingenieure und Wissenschaftler. lesen

Updates für Automatisiertes Fahren und Maschinelles Lernen

MATLAB und Simulink

Updates für Automatisiertes Fahren und Maschinelles Lernen

MathWorks hat mit Release 2017a (R2017a) eine Reihe neuer Funktionen zu MATLAB und Simulink hinzugefügt. Ein Schwerpunkt ist die Automated Driving System Toolbox für Entwurf, Simulation und Testen von Fahrerassistenzsystemen (ADAS) und automatisierten Fahrsystemen. Ferner kommen wesentliche Neuerungen im Bereich Big Data Analytics und Machine Learning hinzu. lesen

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de/ (ID: 45685559 / Definitionen)