- 1、本文档共28页,可阅读全部内容。
- 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、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、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
MATLB数学实验
MATLAB数学实验 第五章 应用微积分 第五章 应用微积分 5.1 预备知识:微积分的基本概念 5.2 数值微积分MATLAB指令 5.3 计算实验:数值微积分 5.4 建模实验:奶油蛋糕 5.1 预备知识:微积分 Taylor展开的几何解释 多元函数Taylor公式 二元函数在(x0,y0)附近局部线性化(平面近似曲面): f(x,y) ? f(x0,y0) + f x’(x0,y0) (x-x0) + f y’(x0,y0) (y-y0) 函数极值 一元可微f(x)在内点x0取得局部极大或极小的必要条件是f ’(x0) =0. 局部极大(或极小)充分条件是f ’(x0) =0, f ’’(x0) 0 (或f ’’(x0) 0). 二元可微f(x,y)在内点(x0,y0) 取得局部极大或极小的必要条件是梯度?f (x0,y0)=0, 充分条件是 ?f (x0,y0) =0且下列Hesse矩阵负定(局部极大)或正定(局部极小) 梯度?f =( ), Hesse矩阵 曲线曲面 平面曲线(x(t), y(t)), atb的长度为 空间曲线(x(t), y(t), z(t)), atb的长度为 曲面 z=z(x,y), (x,y) ?G的面积为 5.2 数值微积分MATLAB指令 例子 ? clear;x=[1 1.1 1.2 1.3];y=x.^3; ? 3*x.^2 ? dy=diff(y)./diff(x) ? dy=gradient(y,x) 注意 (1)gradient内点用中心差商精度高,两端用向前或向后差商精度低; (2)计算精度随着步长变小而提高。 5.3 计算实验:数值微积分 %M脚本eg5_6.m clear;R=5;b=0.1;g=9.81;z1=0.5-R;z2=R; n=100;h=(z2-z1)/n;z=z1:h:z2; f=(R^2-z.^2)./(b^2*sqrt(2*g*(z+R))); I=trapz(z,f)/60/60 结果为0.5144小时。 Page94 习题 ex4 ex5(2)(4)(6)(7)(8) ex6 ex10 ex12 ex13 * * 1.极限和连续 数列极限: ??0, ? N0 ,使当nN时 有?xn -a??,则 函数极限: 如果当x?x0时有f(x) ? A, 则 连续: 如果当x?x0时,有f(x)? f(x0) 则称 f(x)在x0连续。 闭区间上连续函数必有最大值和最小值。 2. 微分与导数 函数f(x)在点x = x0的导数为 若f(x)在x0可导则在x0可微,dy = Adx 当f’(x0)0,函数在x0点附近是上升的; 当f’(x0)0,函数在x0点附近是下降的; 当f’(x0)=0, x0为驻点, 当n=0 得微分中值定理 f(x) - f(x0) = f’(?) (x- x0) 其中?是x0与x之间某个值 Taylor公式:当f(x)在含有x0某个开区间内具有直到n+1阶的导数, 3.多元函数微分学 设f(x,y)在点(x0,y0)附近有定义,当(x,y)以任何方式趋向于(x0,y0)时,f(x,y)趋向于一个确定的常数A,则二重极限 若 A=f(x0,y0), 称f(x,y)在(x0,y0) 点连续 f(x,y)在点(x0,y0)的偏导数 4 . 积分? 函数f(x)在区间[a,b]上的积分定义为 其中 a=x0x1…xn=b, ?xi=xi-xi-1, ?i?(xi-1,xi), i=1,2,…,n 若在[a,b]上, F’(x)=f(x), 则牛顿莱布尼兹公式 二重积分定义为 1.数值差分? n维向量x=(x1, x2, ?, xn)的差分定义为 n-1维向量?x = (x2-x1, x3-x2, ?, xn- xn-1)。 diff(x) 如果x是向量,返回向量x的差分 如果x是矩阵,则按各列作差分。 diff(x, k) k阶差分,即差分k次 2.数值导数和梯度 q=polyder(p) 求得由向量p表示的多项式 导函数的向量表示q. Fx=gradient(F,x) 返回向量F表示的一元 函数沿x方向的导函数F ’(x). 其中x是与F同维数的向量. [Fx,Fy]=gradient(F,x,y) 返回矩阵F表示的二 元函数的数值梯度(F ’x,F’y),当F为m×n 矩阵时, x,y 分别为n维
文档评论(0)