mcpField
M
matlab

matlab

github.com/crazymsnデータ・データベース2336 回インストール22 週間前に更新
リポジトリ

matlab について

数値解析スクリプトを書く人向けの、MATLABとGNU Octaveの科学計算スキルです。行列、データ処理、作図、統計、シミュレーションを扱い、両環境の使い方と差異も説明します。

主な機能

  1. 01行列と配列の演算
  2. 02線形代数と数値計算法
  3. 03作図と可視化
  4. 04データの入出力
  5. 05統計とデータ分析
  6. 06MATLABとOctaveのガイド

活用シーン

  1. 01実験データの分析
  2. 02数値シミュレーションの実行
  3. 03データファイルの一括処理
  4. 04信号や科学的結果の作図

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/crazymsn/academic-skills --skill matlab

インストール後、Claude Code で/matlabを入力して読み込まれたか確認します。

同梱ファイル

SKILL.md と一緒にインストールされる参考資料やスクリプト。

references/
data-import-export.md
executing-scripts.md
graphics-visualization.md
mathematics.md
matrices-arrays.md
octave-compatibility.md
programming.md
python-integration.md

詳細

MATLAB/Octave 科学技術計算

MATLAB は、行列演算と科学技術計算に最適化された数値計算環境です。GNU Octave は、MATLAB との高い互換性を持つ、無料のオープンソース代替製品です。

クイックスタート

MATLAB スクリプトの実行：

# MATLAB (commercial)
matlab -nodisplay -nosplash -r "run('script.m'); exit;"

# GNU Octave (free, open-source)
octave script.m

GNU Octave のインストール：

# macOS
brew install octave

# Ubuntu/Debian
sudo apt install octave

# Windows - download from https://octave.org/download

主な機能

1. 行列演算

MATLAB は、基本的に行列と配列を中心に動作します。

% Create matrices
A = [1 2 3; 4 5 6; 7 8 9];  % 3x3 matrix
v = 1:10;                     % Row vector 1 to 10
v = linspace(0, 1, 100);      % 100 points from 0 to 1

% Special matrices
I = eye(3);          % Identity matrix
Z = zeros(3, 4);     % 3x4 zero matrix
O = ones(2, 3);      % 2x3 ones matrix
R = rand(3, 3);      % Random uniform
N = randn(3, 3);     % Random normal

% Matrix operations
B = A';              % Transpose
C = A * B;           % Matrix multiplication
D = A .* B;          % Element-wise multiplication
E = A \ b;           % Solve linear system Ax = b
F = inv(A);          % Matrix inverse

行列演算の全容については、references/matrices-arrays.md を参照してください。

2. 線形代数
% Eigenvalues and eigenvectors
[V, D] = eig(A);     % V: eigenvectors, D: diagonal eigenvalues

% Singular value decomposition
[U, S, V] = svd(A);

% Matrix decompositions
[L, U] = lu(A);      % LU decomposition
[Q, R] = qr(A);      % QR decomposition
R = chol(A);         % Cholesky (symmetric positive definite)

% Solve linear systems
x = A \ b;           % Preferred method
x = linsolve(A, b);  % With options
x = inv(A) * b;      % Less efficient

線形代数の詳細については、references/mathematics.md を参照してください。

3. プロットと可視化
% 2D Plots
x = 0:0.1:2*pi;
y = sin(x);
plot(x, y, 'b-', 'LineWidth', 2);
xlabel('x'); ylabel('sin(x)');
title('Sine Wave');
grid on;

% Multiple plots
hold on;
plot(x, cos(x), 'r--');
legend('sin', 'cos');
hold off;

% 3D Surface
[X, Y] = meshgrid(-2:0.1:2, -2:0.1:2);
Z = X.^2 + Y.^2;
surf(X, Y, Z);
colorbar;

% Save figures
saveas(gcf, 'plot.png');
print('-dpdf', 'plot.pdf');

可視化の詳細なガイドについては、references/graphics-visualization.md を参照してください。

4. データのインポート／エクスポート
% Read tabular data
T = readtable('data.csv');
M = readmatrix('data.csv');

% Write data
writetable(T, 'output.csv');
writematrix(M, 'output.csv');

% MAT files (MATLAB native)
save('data.mat', 'A', 'B', 'C');  % Save variables
load('data.mat');                   % Load all
S = load('data.mat', 'A');         % Load specific

% Images
img = imread('image.png');
imwrite(img, 'output.jpg');

I/O の詳細なガイドについては、references/data-import-export.md を参照してください。

5. 制御フローと関数
% Conditionals
if x > 0
    disp('positive');
elseif x < 0
    disp('negative');
else
    disp('zero');
end

% Loops
for i = 1:10
    disp(i);
end

while x > 0
    x = x - 1;
end

% Functions (in separate .m file or same file)
function y = myfunction(x, n)
    y = x.^n;
end

% Anonymous functions
f = @(x) x.^2 + 2*x + 1;
result = f(5);  % 36

プログラミングの詳細なガイドについては、references/programming.md を参照してください。

6. 統計とデータ分析
% Descriptive statistics
m = mean(data);
s = std(data);
v = var(data);
med = median(data);
[minVal, minIdx] = min(data);
[maxVal, maxIdx] = max(data);

% Correlation
R = corrcoef(X, Y);
C = cov(X, Y);

% Linear regression
p = polyfit(x, y, 1);  % Linear fit
y_fit = polyval(p, x);

% Moving statistics
y_smooth = movmean(y, 5);  % 5-point moving average

統計のリファレンスについては、references/mathematics.md を参照してください。

7. 微分方程式
% ODE solving
% dy/dt = -2y, y(0) = 1
f = @(t, y) -2*y;
[t, y] = ode45(f, [0 5], 1);
plot(t, y);

% Higher-order: y'' + 2y' + y = 0
% Convert to system: y1' = y2, y2' = -2*y2 - y1
f = @(t, y) [y(2); -2*y(2) - y(1)];
[t, y] = ode45(f, [0 10], [1; 0]);

ODE ソルバーのガイドについては、references/mathematics.md を参照してください。

8. 信号処理
% FFT
Y = fft(signal);
f = (0:length(Y)-1) * fs / length(Y);
plot(f, abs(Y));

% Filtering
b = fir1(50, 0.3);           % FIR filter design
y_filtered = filter(b, 1, signal);

% Convolution
y = conv(x, h, 'same');

信号処理については、references/mathematics.md を参照してください。

よく使われるパターン

パターン 1：データ分析パイプライン
% Load data
data = readtable('experiment.csv');

% Clean data
data = rmmissing(data);  % Remove missing values

% Analyze
grouped = groupsummary(data, 'Category', 'mean', 'Value');

% Visualize
figure;
bar(grouped.Category, grouped.mean_Value);
xlabel('Category'); ylabel('Mean Value');
title('Results by Category');

% Save
writetable(grouped, 'results.csv');
saveas(gcf, 'results.png');
パターン 2：数値シミュレーション
% Parameters
L = 1; N = 100; T = 10; dt = 0.01;
x = linspace(0, L, N);
dx = x(2) - x(1);

% Initial condition
u = sin(pi * x);

% Time stepping (heat equation)
for t = 0:dt:T
    u_new = u;
    for i = 2:N-1
        u_new(i) = u(i) + dt/(dx^2) * (u(i+1) - 2*u(i) + u(i-1));
    end
    u = u_new;
end

plot(x, u);
パターン 3：バッチ処理
% Process multiple files
files = dir('data/*.csv');
results = cell(length(files), 1);

for i = 1:length(files)
    data = readtable(fullfile(files(i).folder, files(i).name));
    results{i} = analyze(data);  % Custom analysis function
end

% Combine results
all_results = vertcat(results{:});

リファレンスファイル

GNU Octave との互換性

GNU Octave は MATLAB との高い互換性を備えています。ほとんどのスクリプトは変更せずに動作します。主な違いは次のとおりです。

  • コメントには # または % を使用します（MATLAB では % のみ）
  • Octave では ++、--、+= 演算子を使用できます
  • 一部のツールボックス関数は Octave では使用できません
  • Octave のパッケージには pkg load を使用します

互換性の詳細なガイドについては、references/octave-compatibility.md を参照してください。

ベストプラクティス

  1. 演算をベクトル化する - 可能な場合はループを避けます。

    % Slow
for i = 1:1000
    y(i) = sin(x(i));
end

% Fast
y = sin(x);

  2. 配列を事前割り当てする - ループ内で配列を拡張しないようにします。

    % Slow
for i = 1:1000
    y(i) = i^2;
end

% Fast
y = zeros(1, 1000);
for i = 1:1000
    y(i) = i^2;
end

  3. 適切なデータ型を使用する - 混在するデータにはテーブルを、数値データには行列を使用します。

    % Numeric data
M = readmatrix('numbers.csv');

% Mixed data with headers
T = readtable('mixed.csv');

  4. コメントとドキュメントを追加する - 関数のヘルプを使用します。

    function y = myfunction(x)
%MYFUNCTION Brief description
%   Y = MYFUNCTION(X) detailed description
%
%   Example:
%       y = myfunction(5);
    y = x.^2;
end

追加リソース

コメント

Markdown 対応