数据分析与方程求解.ppt

数据分析;主要内容; 一、多项式计算;二、数据的导入与导出;三、数据的统计分析;四、插值与拟合;1、插值;引例1的求解;例：某实验对一根长为10米的钢轨进行热源的温度传播测试。如下表，其中x表示测量点，h表示测量时间，T表示测得的温度。试用线性插值求出在一分钟内每隔20秒、钢轨每隔1米处的温度。 解： x=0:2.5:10; h=[0,30,60]’; T=[95,14,0,0,0;88,48,32,12,6;67,64,54,48,41]; x1=0:10; h1=[0:20:60]’; T1=interp2(x,h,T,x1,h1) 等价于 [X,H]=meshgrid(0:2.5:10,0:30:60); T=[95,14,0,0,0;88,48,32,12,6;67,64,54,48,41]; [X1,H1]=meshgrid(0:10,0:20:60); T1=interp2(X,H,T,X1,H1) ;2、拟合;引例2的求解;;例：在彩色显影中，由经验得知，形成染料的光学密度与析出银的光学密度由公式 确定，试验测得如下一批数据： 求y关于x的拟合函数。 解：由给定的经验公式来求拟合函数，无法直接用polyfit函数，我们换一种思路，将经验公式两边取对数，得 令Y=lny，X=1/x 只需求Y关于X的线性拟合 x=[0.05,0.06,0.07,0.10,0.14,0.20,0.25,0.31,0.38,0.43,0.47]; y=[0.10,0.14,0.23,0.37,0.59,0.79,1.00,1.12,1.19,1.25,1.29]; X=1./x; Y=log(y) P=polyfit(X,Y,1) P = -0.1459 0.5476 则Y=-0.1459X+0.5476 y=exp(Y)=exp(0.5476)e^(-0.1459X)=exp(0.5476)e^(-0.1459/x),整理即可;五、Mathematica插值;六、Mathematica拟合;;方程求解;主要内容;一、符号方程的求解;;二、线性方程组求解;三、非线性方程求解(近似解);;非线性方程组求解;四、微分方程求解 ;五、Mathematica方程的求解;Mathematica方程的求解;最优化问题求解;主要内容;一、无约束问题求解（求极值、最值）;Matlab专门提供了求极小值的函数，格式为： (1) [x,fval]=fminbnd(@fname,x1,x2,option) 求一元函数在区间(x1,x2)中的极小值点x和极小值。 (2) [x,fval]=fminsearch(@fname,x0,option) 用单纯形法求多元函数在x0附近的极小值点x和极小值. (3) [x,fval]=fminunc(@fname,x0,option) 用拟牛顿法求多元函数在x0附近的极小值点x和极小值. 例:求y=x*sin(x)-ex在区间[-3,2]内的极值点。 (1)建立函数文件myfin.m,命令如下： function y=myfin(x) y=-(x.*sin(x)-exp(x)); (2)调用fminbnd函数求极大值,命令如下： [x,fval]=fminbnd(@myfin,-3,-1.5) 结果：x = -2.0745，fval = -1.6912 y=x*sin(x)-ex在x = -2.0745处取得??大值1.6912。 等价于 f=@(x)-(x*sin(x)-exp(x)); [x,fval]=fminbnd(f,-3,-1.5);二、有约束问题求解;例:设 求解有约束最优化问题： 解: (1)编写目标函数文件fop.mat,命令如下： function f=fop(x) f=0.4*x(2)+x(1)^2+x(2)^2-x(1)*x(2)+1/30*x(1)^3; (2) 设定约束条件，并调用fmincon求解。 x0=[0.5;0.5]; %列向量 A=[-1,-0.5;-0.5,-1]; b=[-0.4;-0.5]; lb=[0;0]; %列向量 options=optimset(Display,off); [x,f]=fmincon(@fop,x0,A,b,[],[],lb,[],[],options)