1.3.1 MATLAB的优势
（1）一个实例
事实上，Mathworks关于MATLAB描述的第一句话——“MATLAB is a high-performance language for technical computing”，就已经指出了MATLAB的优势。“technical computing”大概是指科研人员或工程技术人员在研究中要进行的那种数据处理。与“technical computing”相区别的是“scientific computing”。天气预报中的计算（输入云图或其他观测数据，是用已有的算法经过超大计算量的计算得到的结果）或者用数值方法模拟核爆炸（模拟巨大数量的原子的行为）的计算属于“scientific computing”。这类计算强调的是计算速度，对算法的性能及硬件的处理速度比较关注。算法是事先就确定好的，也就是说，模型（方程）是一定的。而科学研究中的数据处理，即“technical computing”，与此不同。在这类计算中，模型是不确定的，而确定合理的数据处理方法并从中得到规律，即寻找模型（方程），正是科研工作者的主要任务。下面举一个简单例子来说明。
例6：对一组实验数据进行插值，寻找合适的插值方法。
解释：程序首先生成一个数据点阵（如图1-7中的圆圈所示），然后用4种不同的插值方法（近邻插值法、线性插值法、三次多项式插值法及样条插值法）进行数据点的加密。用曲线绘制插值结果，以观察效果。
图1-7 用不同的插值方法处理数据
（a）近邻插值法；（b）线性插值法；（c）三次多项式插值法；（d）样条插值法
例6中数据处理的目的是寻求一种最合适的数据插值方法，因此，要测试不同的插值算法。在这个任务中，最主要的工作是用程序实现不同的插值算法，如近邻插值、线性插值、三次多项式插值及样条插值等。研究者主要的任务是用代码实现上述几种算法，如果没有现成的函数可利用，这些算法的实现，包括测试，是相当费时的。
从上面的分析可知，两种计算针对的问题不同，面临的主要任务也不同。“ Technical computing”更像是“scientific computing”的“前传”。Scientific computing可以用Fortran或者C语言等完成，但要用Fortran或者C语言完成如上所述的Technical computing就很难了。因为用户不得不自己编程去实现众多的计算和绘图算法，以测试和验证自己的想法。而MATLAB如上所说，集编程、计算及可视化于一体，是完成上面所述的Technical computing理想选择。
事实上，MATLAB常被一些人诟病的一个主要原因就是它计算速度慢，计算时间长。但如果将程序开发的时间考虑在内，MATLAB的“计算速度”是很快的。事实上，对于科研工作者来说，做一个计算，时间主要消耗在算法的开发上，而不是程序的运行上。MATLAB可以大大节省算法开发的时间，从而大大提高科研工作者的工作效率。
（2）MATLAB的优势
MATLAB的优势更细致地体现在以下3个方面。
1）矩阵操作
如前所述，MATLAB数据结构的基础是矩阵，因此，MATLAB的运算基本上都可以直接针对矩阵进行。这样，在编写MATLAB程序时，可以直接写成例7所示的形式。
例7：用MATLAB进行矩阵运算。
给矩阵每个元素加1，在MATLAB中可以直接写成例7中的形式，而不用像C程序那样写成：
这就是前面所说的“familiar mathematical notation”。这种书写格式与平时读者在推导公式时的写法非常类似，很容易被用户接受，同时，在很大程度上也方便了程序的编写。
2）计算与绘图
如前所述，MATLAB是集编程、计算及数据可视化三者于一体的软件系统。前面也分析了科研工作者所面临的主要问题，基于分析，可以认为“language” “computing”“visualization” 3个功能的集成直接导致了MATLAB在Technical computing方面的“high performance”。可以说，MATLAB是最适合科研工作者的计算工具。
3）专业的工具箱——如虎添翼如前所述，MATLAB包括很多工具箱。每个工具箱集合若干函数，专门针对一个具体的问题。从这个角度讲，MATLAB工具箱就是专门针对一个问题的函数库。这些函数库是专门人员经过精心设计的，其性能和质量都有保障。
MATLAB目前有数十个工具箱，每次大的改版，都会增加一些工具箱。此外，网上还有很多个人编写的工具箱，用户可以根据需要给自己的MATLAB系统加一个工具箱。这些工具箱是MATLAB的“财富”。有了这些工具箱，很多复杂问题都可能直接调用函数解决。因此，工具箱也是MATLAB之所以具有high performance的重要因素之一。