MATLAB的其他函数库.ppt

  1. 1、本文档共37页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
MATLAB的其他函数库.ppt

* * * * * * * * Matlab源码控制 在计算机上已经安装了VSS的情况下,可以在Matalb中设置VSS为其源码控制工具。 * * 在VSS中建立一个空的工程,然后把文件添加到工程中后,就可以进行源码管理。 在Matalb中的Current Directory中,右键点击已经受控制的文件,弹出菜单如下 * * * * 作业 把一个不少于100行的程序修改成具有友好的GUI界面,上传到: 44 用户名:11Matlab 口令:445 * * 3.被积函数由一个表格定义 在MATLAB中,对由表格形式定义的函数关系的求定积分问题用trapz(X,Y)函数。其中向量X,Y定义函数关系Y=f(X)。 例 用trapz函数计算定积分。 命令如下: X=1:0.01:2.5; Y=exp(-X); %生成函数关系数据向量 trapz(X,Y) ans = 0.285796824163929 * * 4.3 二重定积分的数值求解 该函数求f(x,y)在[a,b]×[c,d]区域上的二重定积分。参数tol,trace的用法与函数quad完全相同。 使用MATLAB提供的dblquad函数就可以直接求出上述二重定积分的数值解。该函数的调用格式为: I=dblquad(f,a,b,c,d,tol,trace) * * 例 计算二重定积分 (1) 建立一个函数文件fxy.m: function f=fxy(x,y) global ki; ki=ki+1; %ki用于统计被积函数的调用次数 f=exp(-x.^2/2).*sin(x.^2+y); (2) 调用dblquad函数求解。 global ki;ki=0; I=dblquad(fxy,-2,2,-1,1) ki I = 1.57449318974494 ki = 1038 * * 4.4 数值微分 在MATLAB中,没有直接提供求数值导数的函数,只有计算向前差分的函数diff,其调用格式为: DX=diff(X):计算向量X的向前差分,DX(i)=X(i+1)-X(i),i=1,2,…,n-1。 DX=diff(X,n):计算X的n阶向前差分。例如,diff(X,2)=diff(diff(X))。 DX=diff(A,n,dim):计算矩阵A的n阶差分,dim=1时(缺省状态),按列计算差分;dim=2,按行计算差分。 * * 例 生成以向量V=[1,2,3,4,5,6]为基础的范得蒙矩阵,按列进行差分运算。 命令如下: V=vander(1:6) DV=diff(V) %计算V的一阶差分 * * 例 用不同的方法求函数f(x)的数值导数,并在同一个坐标系中做出f(x)的图像。 程序如下: f=inline(sqrt(x.^3+2*x.^2-x+12)+(x+5).^(1/6)+5*x+2); g=inline((3*x.^2+4*x-1)./sqrt(x.^3+2*x.^2-x+12)/2+1/6./(x+5).^(5/6)+5); x=-3:0.01:3; p=polyfit(x,f(x),5); %用5次多项式p拟合f(x) dp=polyder(p); %对拟合多项式p求导数dp dpx=polyval(dp,x); %求dp在假设点的函数值 dx=diff(f([x,3.01]))/0.01; %直接对f(x)求数值导数 gx=g(x); %求函数f的导函数g在假设点的导数 plot(x,dpx,x,dx,.,x,gx,-); %作图 在matlab命令窗口、程序或函数中创建局部函数时,可用inline。优点是不必将其储存为一个单独文件。在运用中有几点限制:不能调用另一个inline函数,只能由一个matlab表达式组成,并且只能返回一个变量---显然不允许[u,v]这种形式。 * * 5 线性与非线形规划 线性规划是运筹学中研究得比较早,理论上已趋于成熟,在方法上非常有效,并且应用广泛的一个重要分支。 线性规划的数学模型有各种不同的形式,其一般形式可以写为: 目标函数: 约束条件: 一个向量 ,满足约束条件,称为可行解或可行点,所有可行点的集合称为可行区域,达到目标函数值最大的可行解称为该线性规划的最优解,相应的目标函数值称为最优目标函数值,简称最优值。 求解线性规划问题已有一些成熟的方法,我们这里介绍利用Matlab来求解线性规划问题。 * * 5.1 无约束优化问题 * * Example: Minimize 2x –

您可能关注的文档

文档评论(0)

四娘 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档