matlab 数学实验 实验报告 数据拟合
数学实验—实验报告1
一、实验项目：Matlab 数据拟合 二、实验目的和要求
1、掌握用matlab 作最小二乘多项式拟合和曲线拟合的方法。
2、通过实例学习如何用拟合方法解决实际问题，注意差值方法的区别。
3、鼓励不囿于固定的模式或秩序，灵活调整思路，突破思维的呆板性，找到打破常规的解决方法。并在文献检索 动手和动脑等方面得到锻炼。
三、实验内容
操作一：Malthus 人口指数增长模型
用以上数据检验马尔萨斯人口指数增长模型，根据检验结果进一步讨论马尔萨斯人口模型的改进。
马尔萨斯模型的基本假设是人口的增长率为常数，记为r 。记时刻t 的人口为()x t ，且初始时刻的人口为x 0，于是得到如下微分方程
(0)dx rx
dt
x x ?=???=? 需要先求微分方程的解，再用数据拟合模型中的参数。
一、分析
有这个方程很容易解出0()*rt x t x e =
r>0时，是表示人口箭杆指数规律随时间无限增长，称为指数增长模型。 将上式取对数，可得y=rt+a ，y=lnx ，a=lnx0 二、用matlab 编码
t=1790:10:1980;
x=[3.9 5.3 7.2 9.6 12.9 17.1 23.2 31.4 38.6 50.2 62.9 76.0 92 106.5 123.2 131.7 150.7 179.3 204.0 226.5]; p=polyfit(t,log(x),1); r=p(1) x0=exp(p(2)) x1=x0.*exp(r.*t); plot(t,x,'r',t,x1,'b')
三、结果和图像 0.0214r =
0 1.2480016x e =-
1780
1800182018401860188019001920194019601980
050
100
150
200
250
300
350
操练二：旧车价格预测
分析用什么形式的曲线来拟合数据，并预测使用4、5年后的轿车平均价格大致为多少。 一、分析
用matlab 编码绘制出点图，预测图像大致形状。
12345678910
分析图形呈现对数形状。 用函数
()*log(b*)y x a x c =+来拟合以上数据。
二、用matlab 编码
function f=curvefunl(k,xdata)
f=k(1)*log(k(2)*xdata)+k(3); %???Dk(1)=a,k(2)=b,k(3)=c;
xdata=1:1:10;
ydata=[2615 1943 1494 1087 765 538 484 290 226 204]; k0=[1,1,0];
k=lsqcurvefit('curvefunl',k0,xdata,ydata) xi=linspace(0,10,100); yi=curvefunl(k,xi);
plot(xdata,ydata,'ro',xi,yi) xlable('x'),ylable('y=f(x)'), title('nonlinear curve fitting')
三、结果和图像
a=1.0e+003 * -1.1101 b=1.0e+003 *0.0005 c= 1.0e+003 *1.8307
012345678910
1000
2000
3000
4000
5000
MATLAB实验报告50059
实验一MATLAB操作基础 实验目的和要求： 1、熟悉MATLAB的操作环境及基本操作方法。 2、掌握MATLAB的搜索路径及设置方法。 3、熟悉MATLAB帮助信息的查阅方法 实验内容： 1、建立自己的工作目录，再设置自己的工作目录设置到MA TLAB搜索路径下，再试 验用help命令能否查询到自己的工作目录。 2、在MA TLAB的操作环境下验证课本；例1-1至例1-4，总结MATLAB的特点。 例1-1
例1-2 例1-3 例1-4
3、利用帮助功能查询inv、plot、max、round等函数的功能。 4、完成下列操作： （1）在matlab命令窗口输入以下命令： x=0:pi/10:2*pi; y=sin(x); （2）在工作空间窗口选择变量y，再在工作空间窗口选择回绘图菜单命令或在工具栏中单击绘图命令按钮，绘制变量y的图形，并分析图形的含义。
5、访问mathworks公司的主页，查询有关MATLAB的产品信息。 主要教学环节的组织： 教师讲授实验目的、开发环境界面、演示实验过程，然后同学上机练习。 思考题： 1、如何启动与退出MA TLAB集成环境？ 启动： （1）在windows桌面，单击任务栏上的开始按钮，选择‘所有程序’菜单项，然后选择MA TLAB程序组中的MA TLABR2008b程序选项，即可启动 MATLAB系统。 （2）在MA TLAB的安装路径中找到MA TLAB系统启动程序matlab.exe，然后运行它。 （3）在桌面上建立快捷方式后。双击快捷方式图标，启动MA TLAB。 退出： （1）在MA TLAB主窗口file菜单中选择exitMATLAB命令。 （2）在MA TLAB命令窗口中输入exit或quit命令。 （3）单击MATLAB主窗口的关闭按钮。 2、简述MATLAB的主要功能。 MATLAB是一种应用于科学计算领域的数学软件，它主要包括数值计算和符 号计算功能、绘图功能、编程语言功能以及应用工具箱的扩展功能。 3、如果一个MATLAB命令包含的字符很多，需要分成多行输入，该如何处理？
MATLAB中如何直接曲线拟合
MATLAB中如何直接曲线拟合，而不使用cftool的GUI 界面 我们知道在MATLAB中有个很方便的曲线拟合工具：cftool 最基本的使用方法如下，假设我们需要拟合的点集存放在两个向量X和Y中，分别储存着各离散点的横坐标和纵坐标，则在MATLAB中直接键入命令 cftool(X,Y) 就会弹出Curve Fitting Tool的GUI界面，点击界面上的fitting即可开始曲线拟合。 MATLAB提供了各种曲线拟合方法，例如：Exponential, Fourier, Gaussing, Interpolant, Polynomial, Power, Rational, Smoothing Spline, Sum of Functions, Weibull等，当然，也可以使用 Custom Equations. cftool不仅可以绘制拟合后的曲线、给出拟合参数，还能给出拟合好坏的评价 参数(Goodness of fit)如SSE, R-square, RMSE等数据，非常好用。但是如果我们已经确定了拟合的方法，只需要对数据进行计算，那么这种GUI的操作方式就不太适合了，比如在m文件中就不方便直接调用cftool。 MATLAB已经给出了解决办法，可以在cftool中根据情况生成特定的m文件，让我们直接进行特定的曲线拟合并给出参数。具体方法在帮助文件的如下文档中" \ Curve Fitting Toolbox \ Generating M-files From Curve Fitting Tool " ，以下简单举例说明： 以双色球从第125期到第145期蓝球为Y值： Y=[12 15 4 1 7 11 5 7 1 6 16 1 1 14 2 12 9 13 10 12 11]; X=1:1:21; cftool(X,Y); 点击Fitting选择最常用的多项式拟合(Polynomial)，选择3次多项式拟合(cubic)，然后就会出现如下拟合图形： 然后在Curve Fitting Tool窗口中点击 " \ File \ Generate M-file " 即可生成能直接曲线拟合的m函数文件，其中使用的拟合方法就是刚才使用的三次多项式拟合，文件中这条语句证明了这一点： ft_ = fittype('poly3'); 保存该m文件（默认叫做createFit.m），调用方法和通常的m文件一样，使用不同的X和Y值就能拟合出不同的曲线。但是，这种调用方法只能看到一个拟合出的图形窗口，拟合参数以及Goodness of fit参数都看不到了，因此需要在刚才的m文件中稍作修改。 找到这句话： cf_ = fit(X(ok_),Y(ok_),ft_); 修改为： [cf_,gof] = fit(X(ok_),Y(ok_),ft_); 然后将函数声明 function createFit(X,Y) 修改为 function [cf_,gof] = createFit(X,Y) ，这样我们再调用试试看： Y=[12 15 4 1 7 11 5 7 1 6 16 1 1 14 2 12 9 13 10 12 11]; X=1:1:21;
Matlab数学实验报告一
数学软件课程设计 题目非线性方程求解 班级数学081 姓名曹曼伦
实验目的：用二分法与Newton迭代法求解非线性方程的根； 用Matlab函数solve、fzero、fsolve求解非线性方程（组）的解。 编程实现二分法及Newton迭代法； 学会使用Matlab函数solve、fzero、fsolve求解非线性方程（组）的解。 通过实例分别用二分法及迭代法解非线性方程组并观察收敛速度。 实验内容： 比较求exp(x)+10*x-2的根的计算量。(要求误差不超过十的五次方） (1)在区间（0，1)内用二分法； (2)用迭代法x=(2-exp(x))/10，取初值x=0 。 试验程序 (1)二分法: format long syms x s=exp(x)+10*x-2 a=0; b=1; A=subs(s,a) B=subs(s,b) f=A*B %若f<0，则为由根区间 n=0; stop=1.0e-5; while f<0&abs(a-b)>=stop&n<=100; Xk=(a+b)/2; %二分 M= subs(s, Xk); if M* A<0 symbol=1 %若M= subs(s, Xk)为正，则与a二分 b= Xk else symbol=0 % 若M= subs(s, Xk)为负，则与b二分 a= Xk end n=n+1 end Xk n (2)牛顿迭代法； format long
syms x s= (2-exp(x))/10; %迭代公式 f=diff(s); x=0; %迭代初值 a=subs(f,x); %判断收敛性(a是否小于1) s=(2-exp(x))/10; stop=1.0e-5; %迭代的精度 n=0; while a<1&abs(s-x)>=stop&n<=100; x=s %迭代 s=(2-exp(x))/10; n=n+1 end 实验结果： （1）二分法： symbol =1 b =0.50000000000000 n =1 symbol =1 b =0.25000000000000 n =2 symbol =1 b =0.12500000000000 n =3 symbol =0 a =0.06250000000000 n =4 symbol =1 b =0.09375000000000 n =5 symbol =0 a =0.07812500000000 n =6 symbol =1 b =0.09054565429688 n =15 symbol =1 b =0.09053039550781 n =16 symbol =0 a =0.09052276611328 n =17 Xk =0.09052276611328 n =17 （2）迭代法 由x =0.10000000000000 n =1 x =0.08948290819244 n =2 x =0.09063913585958 n =3 x =0.09051261667437 n =4 x =0.09052646805264 n =5 试验结果可见用二分法需要算17次，而用迭代法求得同样精度的解仅用5次，但由于迭代法一般只具有局部收敛性，因此通常不用二分法来求得非线性方程的精确解，而只用它求得根的一个近似解，再用收敛速度较快的迭代法求得其精确解。
数学实验“几种常见的求积分近似解的方法”实验报告(内含matlab程序)
西京学院数学软件实验任务书
实验二十一实验报告 一、实验名称：Romberg 积分法，Gauss 型积分法，高斯-勒让德积分法，高斯-切比雪夫积分法，高斯-拉盖尔积分法，高斯-埃尔米特积分法。 二、实验目的：进一步熟悉Romberg 积分法，Gauss 型积分法，高斯-勒让德积分法，高斯-切比雪夫积分法，高斯-拉盖尔积分法，高斯-埃尔米特积分法。 三、实验要求：运用Matlab/C/C++/Java/Maple/Mathematica 等其中一种语言完成程序设计。 四、实验原理： 1．Romberg 积分法： 龙贝格积分法是用里查森外推算法来加快复合梯形求积公式的收敛速度，它的算法如下，其中()i m T 是通过一系列逼近原定积分的龙贝格分值. 计算(0)1[()()]2 b a T f a f b -= + 对1,2,3,k n = ，计算下列各步： 21()(1)1 111 1(21)()[()]222k k k k k j b a j b a T T f a ---=---=++∑
对1,2,,m k = 和,1,2,,1i k k k =-- ，计算111 441 m i i i m m m m T T T --+-=- 随着计算的步骤的增加，()i m T 越来越逼近积分()b a f x dx ?。 2．Gauss 型积分法： 高斯积分公式的思想是用n 个不等距的节点123,,,n x x x x 对被积函数进行插值，然后对插值后的函数进行积分，其积分公式为： 1 1 1 ()()n k k k f x dx A f x -=≈∑? 如果积分区间不是[1,1]-，则需转换到此区间： 11()()222 b a b a b a b a f x dx f t dt ---+= +? ? 其中系数k A 、节点k x 与n 的关系如下表所示： 3．高斯-切比雪夫积分法： 第一类切比雪夫积分形式为： 1 1 ()()n k k k f x dx A f x -=≈∑? 其中k A n π= ，21cos 2k k x n π-= 4．高斯-拉盖尔积分法： 高斯-拉盖尔公式有两种形式： 1 ()()n x k k k e f x dx A f x +∞ -=≈∑?
matlab曲线拟合实例
曲线拟合 求二次拟合多项式 解：（一）最小二乘法MA TLAB编程： function p=least_squar(x,y,n,w) if nargin<4 w=1 end if nargin<3 n=1 end m=length(y); X=ones(1,m) if m<=n error end for i=1:n X=[(x.^i);X] end A=X*diag(w)*X';b=X*(w.*y)';p=(A\b)' 输入： x=[1 3 5 6 7 8 9 10]; y=[10 5 2 1 1 2 3 4] p=least_squar(x,y,2) 运行得： p = 0.2763 -3.6800 13.4320 故所求多项式为：s(x)=13.432-3.68x+0.27632x （二）正交多项式拟合MATLAB编程： function p=least_squar2(x,y,n,w) if nargin<4 w=1; end if nargin<3 n=1; end m=length(x); X=ones(1,m); if m<=n error end for i=1:n X=[x.^i;X]; end A=zeros(1,n+1);
A(1,n+1)=1; a=zeros(1,n+1); z=zeros(1,n+1); for i=1:n phi=A(i,:)*X;t=sum(w.*phi.*phi); b=-sum(w.*phi.*x.*phi)/t a(i)=sum(w.*y.*phi)/t; if i==1 c=0;else c=-t/t1; end t1=t for j=1:n z(j)=A(i,j+1); end z(n+1)=0 if i==1 z=z+b*A(i,:); else z=z+b*A(i,:)+c*A(i-1,:); end A=[A;z]; end phi=A(n+1,:)*X;t=sum(w.*phi.*phi); a(n+1)=sum(w.*y.*phi)/t; p=a*A; 输入： x=[1 3 5 6 7 8 9 10]; y=[10 5 2 1 1 2 3 4]; p=least_squar2(x,y,2) 运行得： b = -6.1250 t1 = 8 z = 0 1 0 b = -4.9328 t1 = 64.8750 z = 1.0000 -6.1250 0 p = 0.2763 -3.6800 13.4320 故所求多项式为：s(x)=13.432-3.68x+0.27632x
matlab数学实验报告5
数学实验报告 制作成员班级学号 2011年6月12日
培养容器温度变化率模型 一、实验目的 利用matlab软件估测培养容器温度变化率 二、实验问题 现在大棚技术越来越好，能够将温度控制在一定温度范围内。为利用这种优势，实验室现在需要培植某种适于在8.16℃到10.74℃下能够快速长大的甜菜品种。为达到实验所需温度，又尽可能地节约成本，研究所决定使用如下方式控制培养容器的温度：1，每天加热一次或两次，每次约两小时； 2，当温度降至8.16℃时，加热装置开始工作；当温度达到10.74℃时，加热装置停止工作。 已知实验的时间是冬天，实验室为了其它实验的需要已经将实验室的温度大致稳定在0℃。下表记录的是该培养容器某一天的温度 时间(h)温度（℃）时间（h）温度（℃）09.68 1.849.31 0.929.45 2.959.13 3.878.981 4.989.65 4.988.811 5.909.41 5.908.691 6.839.18 7.008.5217.938.92 7.938.3919.048.66 8.978.2219.968.43 9.89加热装置工作20.848.22 10.93加热装置工作22.02加热装置工作10.9510.8222.96加热装置工作12.0310.5023.8810.59 12.9510.2124.9910.35 13.889.9425.9110.18 三、建立数学模型 1，分析：由物理学中的傅利叶传热定律知温度变化率只取决于温度
差，与温度本身无关。因为培养容器最低温度和最高温度分别是：8.16℃和10.74℃；即最低温度差和最高温度差分别是：8.16℃和10.74℃。而且，16.8/74.10≈1.1467，约为1，故可以忽略温度对温度变化率的影响2， 将温度变化率看成是时间的连续函数，为计算简单，不妨将温度变化率定义成单位时间温度变化的多少，即温度对时间连续变化的绝对值（温度是下降的），得到结果后再乘以一系数即可。 四、问题求解和程序设计流程1）温度变化率的估计方法 根据上表的数据，利用matlab 做出温度-时间散点图如下： 下面计算温度变化率与时间的关系。由图选择将数据分三段，然后对每一段数据做如下处理：设某段数据为{(0x ,0y ),(1x ,1y ),(2x , 2y ),…,(n x ,n y )},相邻数据中点的平均温度变化率采取公式： 温度变化率=（左端点的温度-右端点的温度）/区间长度算得即：v( 2 1i i x x ++)=(1+-i i y y )/(i i x x - +1). 每段首尾点的温度变化率采用下面的公式计算：v(0x )=(30y -41y +2y )/(2x -0x )v(n x )=(3n y -41+n y +2+n y )/(n x -2-n x )
MATLAB实验报告(1-4)
信号与系统MATLAB第一次实验报告 一、实验目的 1.熟悉MATLAB软件并会简单的使用运算和简单二维图的绘制。 2.学会运用MATLAB表示常用连续时间信号的方法 3.观察并熟悉一些信号的波形和特性。 4.学会运用MATLAB进行连续信号时移、反折和尺度变换。 5.学会运用MATLAB进行连续时间微分、积分运算。 6.学会运用MATLAB进行连续信号相加、相乘运算。 7.学会运用MATLAB进行连续信号的奇偶分解。 二、实验任务 将实验书中的例题和解析看懂，并在MATLAB软件中练习例题，最终将作业完成。 三、实验内容 1.MATLAB软件基本运算入门。 1). MATLAB软件的数值计算： 算数运算 向量运算：1.向量元素要用”[ ]”括起来，元素之间可用空格、逗号分隔生成行向量，用分号分隔生成列向量。2.x=x0:step:xn.其中x0位初始值，step表示步长或者增量，xn 为结束值。 矩阵运算：1.矩阵”[ ]”括起来；矩阵每一行的各个元素必须用”,”或者空格分开； 矩阵的不同行之间必须用分号”;”或者ENTER分开。2.矩阵的加法或者减法运算是将矩阵的对应元素分别进行加法或者减法的运算。3.常用的点运算包括”.*”、”./”、”.\”、”.^”等等。 举例：计算一个函数并绘制出在对应区间上对应的值。
2).MATLAB软件的符号运算：定义符号变量的语句格式为”syms 变量名” 2.MATLAB软件简单二维图形绘制 1).函数y=f(x)关于变量x的曲线绘制用语：>>plot(x,y) 2).输出多个图像表顺序：例如m和n表示在一个窗口中显示m行n列个图像，p表 示第p个区域，表达为subplot(mnp)或者subplot(m,n,p) 3).表示输出表格横轴纵轴表达范围：axis([xmax,xmin,ymax,ymin]) 4).标上横轴纵轴的字母：xlabel(‘x’),ylabel(‘y’) 5).命名图像就在subplot写在同一行或者在下一个subplot前：title(‘……’) 6).输出：grid on 举例1： 举例2：
Matlab数据拟合程序
课程设计名称：设计二：数据拟合指导教师：张莉 课程设计时数： 6 课程设计设备：安装了Matlab、C++软件的计算机 课程设计日期：实验地点：第五教学楼北902 课程设计目的： 1. 了解最小二乘拟合的原理，掌握用MA TLAB作最小二乘拟合的方法； 2. 学会利用曲线拟合的方法建立数学模型。 课程设计准备： 1.在开始本实验之前，请回顾相关内容； 2.需要一台准备安装Windows XP Professional操作系统和装有数学软件的计算机。 课程设计内容及要求 要求：设计过程必须包括问题的简要叙述、问题分析、实验程序及注释、实验数据及结果分析和实验结论几个主要部分。 1. 用切削机床进行金属品加工时，为了适当地调整机床，需要测定刀具的磨损速度，在一定的时间测量刀具的厚度，得数据如表所示，请选用合适的函数来描述切削时间与刀具厚度的关系。 首先对数据进行分析，画出离散的点，观察点近似的曲线： t=0:1:15; y=[30.0 29.1 29.8 28.1 28.0 27.7 27.5 27.2 27.0 26.8 26.5 26.3 26.1 25.7 25.3 24.8]; plot(t,y,'r*')
判断出曲线是近似直线函数，所以对数据进行测试可以做三次函数拟合： t=0:1:15; y=[30.0 29.1 29.8 28.1 28.0 27.7 27.5 27.2 27.0 26.8 26.5 26.3 26.1 25.7 25.3 24.8]; %plot(t,y,'r*') A=polyfit(t,y,3) z=polyval(A,t); plot(t,y,'r*',t,z,'b') 051015 拟合结果： A = -0.3099 29.5676 拟合函数为：y=-0.3099t+29.5676
matlab_数学实验_实验报告_数据拟合
数据的分析之数据的拟合 一、实验项目：Matlab 数据拟合 二、实验目的和要求 1、掌握用matlab 作最小二乘多项式拟合和曲线拟合的方法。 2、通过实例学习如何用拟合方法解决实际问题，注意差值方法的区别。 3、鼓励不囿于固定的模式或秩序，灵活调整思路，突破思维的呆板性，找到打破常规的解决方法。并在文献检索 动手和动脑等方面得到锻炼。 三、实验内容 操作一：Malthus 人口指数增长模型 用以上数据检验马尔萨斯人口指数增长模型，根据检验结果进一步讨论马尔萨斯人口模型的改进。 马尔萨斯模型的基本假设是人口的增长率为常数，记为r 。记时刻t 的人口为()x t ，且初始时刻的人口为x 0，于是得到如下微分方程 (0)dx rx dt x x ?=???=? 需要先求微分方程的解，再用数据拟合模型中的参数。 一、分析 有这个方程很容易解出0()*rt x t x e = r>0时，是表示人口箭杆指数规律随时间无限增长，称为指数增长模型。 将上式取对数，可得y=rt+a ，y=lnx ，a=lnx0 二、用matlab 编码 t=1790:10:1980; x=[3.9 5.3 7.2 9.6 12.9 17.1 23.2 31.4 38.6 50.2 62.9 76.0 92 106.5 123.2 131.7 150.7 179.3 204.0 226.5]; p=polyfit(t,log(x),1); r=p(1) x0=exp(p(2)) x1=x0.*exp(r.*t); plot(t,x,'r',t,x1,'b')
三、结果和图像 0.0214r = 0 1.2480016x e =- 1780 1800182018401860188019001920194019601980 050 100 150 200 250 300 350 操练二：旧车价格预测 分析用什么形式的曲线来拟合数据，并预测使用4、5年后的轿车平均价格大致为多少。 一、分析 用matlab 编码绘制出点图，预测图像大致形状。
MATLAB实验报告
数字信号处理及MATLAB 实验报告 班级： 学号： 姓名：
4.7.2 例4,2 设x(n)是由两个正弦信号及白噪声的叠加，试用FFT文件对其作频谱分析。程序清单 %产生两个正弦加白噪声 N=256; f1=.1;f2=.2;fs=1; a1=5;a2=3; w=2*pi/fs; x=a1*sin(w*f1*(0:N-1))+a2*sin(w*f2*(0:N-1))+randn(1,N); %应用FFT求频谱 subplot(2,2,1); plot(x(1:N/4)); title('原始信号'); f=-0.5:1/N:0.5-1/N; x=fft(x); y=ifft(x); subplot(2,2,2); plot(f,fftshift(abs(x))); title('频域信号'); subplot(2,2,3); plot(real(x(1:N/4))); title('时域信号');
例4.3 设x（n）为长度N=6的矩形序列，用MATLAB程序分析FFT取不同长度时x（n）频谱的变化。N=8,32,64,时x（n）的FFT MATLAB实现程序如下。 x=[1,1,1,1,1,1]; N=8; y1=fft(x,N); n=0:N-1; subplot(3,1,1);stem(n,abs(y1),'.k');axis([0,9,0,6]); N=32; y2=fft(x,N); n=0:N-1; subplot(3,1,2);stem(n,abs(y2),'.k');axis([0,40,0,6]); N=64; y3=fft(x,N); subplot(3,1,3);stem(n,abs(y3),'.k');axis([0,80,0,6]);
MATLAB中简单的数据拟合方法与应用实例①
MATLAB中简单的数据拟合方法与应用实例 仅供努力学习matlab的同学们参考参考,查阅了M多资料,总结了以下方法 按步骤做能够基本学会matlab曲线拟合的 1.1数据拟合方法 1.1.1多项式拟合 1.多项式拟合命令 polyfit(X,Y,N):多项式拟合，返回降幂排列的多项式系数。 Polyval(P,xi):计算多项式的值。 其中,X,Y是数据点的值；N是拟合的最高次幂；P是返回的多项式系数；xi是要求的横坐标 拟合命令如下： x=[1 2 3 4 5 6 7 8 9]; y=[9 7 6 3 -1 2 5 7 20]; P=polyfit(x,y,3); xi=0:.2:10; yi=polyval(P,xi); plot(xi,yi,x,y,'r*'); 拟合曲线与原始数据如图1-1 图1-1 2图形窗口的多项式拟合 1）先画出数据点如图1-2 x=[1 2 3 4 5 6 7 8 9]; y=[9 7 6 3 -1 2 5 7 20]; plot(x,y,'r*');
图1-2 2）在图形窗口单击Tools—Basic Fitting,如图1-3勾选. 图1-3 图1-3右方分别是线性、二阶、三阶对数据进行多项式拟合。下面的柱状图显示残差，可以看出,三阶多项式的拟合效果是最好的。 1.1.2指定函数拟合 已知M组数据点和对应的函数形式f t （t）=acos(kt)e X Y 编写M文件：
syms t x=[0;0.4;1.2;2;2.8;3.6;4.4;5.2;6;7.2;8;9.2;10.4;11.6;12.4;13.6;14.4;15]; y=[1;0.85;0.29;-0.27;-0.53;-0.4;-0.12;0.17;0.28;0.15;-0.03;-0.15;-0.071;0.059;0.08;0.032;-0.015;-0.02]; f=fittype('a*cos(k*t)*exp(w*t)','independent','t','coefficients',{'a','k','w'}); cfun=fit(x,y,f) xi=0:.1:20; yi=cfun(xi); plot(x,y,'r*',xi,yi,'b-'); 图1-4 运行程序,在命令窗口可达到以下运行结果，图像如图1-4 Warning: Start point not provided, choosing random start point. > In fit>handlewarn at 715 In fit at 315 In Untitled2 at 5 cfun = General model: cfun(t) = a*cos(k*t)*exp(w*t) Coefficients (with 95% confidence bounds): a = 0.9987 ( 0.9835, 1.014) k = 1.001 (0.9958, 1.006) w = -0.2066 (-0.2131, -0.2002) 从结果可以看出,拟合的曲线为： (0.2066) ()0.9987cos(1.001)*t f t t e- =。拟 合曲线给出了数据大致趋势，并给出了各参数的置信区间。
浅析Matlab数学实验报告
数学实验报告 姓名: 班级: 学号: 第一次实验任务 过程: a=1+3i; b=2-i; 结果: a+b =3.0000 + 2.0000i a-b =-1.0000 + 4.0000i a*b = 5.0000 + 5.0000i a/b = -0.2000 + 1.4000i 过程: x=-4.5*pi/180; y=7.6*pi/180; 结果: sin(abs(x)+y)/sqrt(cos(abs(x+y))) =0.2098 心得:对于matlab 中的角度计算应转为弧度。 (1)过程: x=0:0.01:2*pi; y1=sin(x); y2=cos(x); y3=exp(x); y4=log(x); plot(x,y1,x,y2,x,y3,x,y4) plot(x,y1,x,y2,x,y3,x,y4) 结果: (2)过程:>> subplot(2,2,1) >> plot(x,y1) >> subplot(2,2,2) >> plot(x,y2) ./,,,,2,311b a b a b a b a i b i a ?-+-=+=计算、设有两个复数 6,7,5.4)
cos()sin(2=-=++y x y x y x ,其中、计算的图形。 下分别绘制)同一页面四个坐标系)同一坐标系下(、在( x y e y x y x y x ln ,,cos ,sin 213==== >> subplot(2,2,3) >> plot(x,y3) >> subplot(2.2.4) >> subplot(2,2,4) >> plot(x,y4) 结果: 心得:在matlab中,用subplot能够实现在同一页面输出多个坐标系的图像,应注意将它与hold on进行区别,后者为在同一坐标系中划出多条曲线。 5、随机生成一个3x3矩阵A及3x2矩阵B,计算(1)AB,(2)对B中每个元素平方后得到的矩阵C,(3)sinB,(4)A的行列式,(5)判断A是否可逆,若可逆,计算A的逆矩阵,(6)解矩阵方程AX=B,(7)矩阵A中第二行元素加1,其余元素不变,得到矩阵D,计算D。 过程:A=fix(rand(3,3).*10) ; B=fix(rand(3,3).*10);
MATLAB拟合函数
在Matlab 6.5以上的环境下，在左下方有一个"Start"按钮，如同Windows的开始菜单，点开它，在目录"Toolboxes"下有一个"Curve Fitting"，点开"Curve Fitting Tool"，出现数据拟合工具界面，基本上所有的数据拟合和回归分析都可以在这里进行。 下面给你简单介绍一下它的使用方法。 首先在Matlab的命令行输入两个向量，一个向量是你要的x坐标的各个数据，另外一个是你要的y坐标的各个数据。输入以后假定叫x向量与y向量，可以在workspace里面看见这两个向量，要确保这两个向量的元素数一致，如果不一致的话是不能在工具箱里面进行拟合的。 例如在命令行里输入下列数据: x=(0:0.02:0.98)';二胡与施工的计划的风光好舒服很多国家法规和积分高科技 y=sin(4*pi*x+rand(size(x))); 此时x-y之间的函数近似的为正弦关系，频率为2，但是存在一个误差项。 可以通过作图看出它们的大体分布: plot(x,y,'*','markersize',2); 打开曲线拟合共工具界面，点击最左边的"Data..."按钮，出现一个Data对话框，在Data Sets 页面里，在X Data选项中选取x向量，Y Data选项中选取y向量，如果两个向量的元素数相同，那么Create data set按钮就激活了，此时点击它，生成一个数据组，显示在下方Data Sets列表框中。关闭Data对话框。此时Curve Fitting Tool窗口中显示出这一数据组的散点分布图。 点击Fitting...按钮，出现Fitting对话框，Fitting对话框分为两部分，上面为Fit Editor，下面为Table of Fits,有时候窗口界面比较小，Fit Editor部分会被收起来，只要把Table of Fits 上方的横条往下拉就可以看见Fit Editor。在Fit Editor里面点击New Fit按钮，此时其下方的各个选框被激活，在Data Set选框中选中刚才建立的x-y数据组，然后在Type of fit 选框中选取拟合或回归类型，各个类型的拟合或回归相应的分别是： Custom Equations 用户自定义函数 Expotential e指数函数 Fourier 傅立叶函数，含有三角函数 Gaussian 正态分布函数，高斯函数 Interpolant 插值函数，含有线性函数，移动平均等类型的拟合 Polynomial 多项式函数 Power 幂函数 Rational 有理函数（不太清楚，没有怎么用过） Smooth Spline ？？（光滑插值或者光滑拟合，不太清楚） Sum of sin functions正弦函数类 Weibull 威布尔函数（没用过） 不好意思，没有学过数理统计，所以很多东西都是用了才知道，翻译也就不太准确。不过在Type of fit选框下方有一个列表框，基本上各个函数类里的函数都写成解析式列在下方以供选择，所以找合适的函数还是比较容易的。
数学建模：最小二乘拟合实验
《数学建模期末实验作业》 院系：数学学院 专业：信息与计算科学 年级：2014级 试题编号：37
胡克定律的综合评价分析 背景摘要： 利用一个打蛋器和一个物理学公式，毁掉一面六英寸厚的承重墙，这么天 方夜谭的事你能相信吗？但它却真的发生了！ 《越狱》这一电视剧相信很多人都耳熟，即使没看过里面的内容，但应该 都曾经听过它的大名。在《越狱》第一季第六集中，Michael要通过地下管道 爬到医务室的下面，但是一条重要通道是被封死的，因此必须要把这个封死的 墙破坏掉，由于是混凝土结构，因此破坏起来很难，Michael从纹身上拓下魔 鬼的画像，投影在掩住管道入口的墙上，用“胡克定律”计算出最佳位置，再 用小巧的打蛋器在承重墙上钻出了几个小洞，最后借助这几个小洞毁掉了这堵 承重墙。 相信大多数人都觉的很梦幻很不科学，但事实就是这样的令人惊讶。搜狐 娱乐曾经报道过，有《越狱》粉丝不相信这一情节，在现实生活中进行实验， 结果真的重现了“胡克定律”凿墙这一情节。 胡克定律的表达式为F=k·x或△F=k·Δx，其中k是常数，是物体的劲度（倔强）系数。在国际单位制中，F的单位是牛，x的单位是米，它是形变量（弹性形变），k的单位是牛/米。倔强系数在数值上等于弹簧伸长（或缩短） 单位长度时的弹力。 弹性定律是胡克最重要的发现之一，也是力学最重要基本定律之一。在现代，仍然是物理学的重要基本理论。胡克的弹性定律指出：弹簧在发生弹性形 变时，弹簧的弹力Ff和弹簧的伸长量（或压缩量）x成正比，即F= -k·x。k 是物质的弹性系数，它由材料的性质所决定，负号表示弹簧所产生的弹力与其 伸长（或压缩）的方向相反。 但当我们进行多次实验，便会发现随着F的逐步增大，便不再服从胡克定律。为此我们应当运用插值与拟合的内容，探索更加准确的公式。 一、建模问题 1.问题提出 1.1 问题背景 弹簧在压力F 的作用下伸长x，一定范围内服从胡克定理：F与x成正比，即F=kx。现在得到下面一组F，x数据，并在（x，F）坐标下作图，可以看到 当F大到一定数据值后，就不服从这个定律了。 表1-1
matlab实验报告
Matlab实验报告 ——定积分的近似计算 学生姓名： 学号： 专业：数学与应用数学专业
数学实验报告 实验序号:1001114030 日期：2012年10月20日 班级应一姓名陈璐学号1001114030 实验名称：定积分的近似运算 问题背景描述： 利用牛顿—莱布尼茨公式虽然可以精确地计算定积分的值，但它仅适合于被积分函数的原函数能用初等函数表达出来的情形。如果这点办不到或不容易办到， 这就有必要考虑近似计算的方法。在定积分的很多应用问题中，被积函数甚至没 有解析表达式，可能只是一条实验记录曲线，或者是一组离散的采样值，这时只 能应用近似方法去计算相应的定积分。 实验目的： 本实验将主要研究定积分的三种近似计算算法：矩形法、梯形法、抛物线发。对于定积分的近似数值计算，Matlab有专门函数可用。 实验原理与数学模型： 1.sum（a）：求数组a的和。 2.format long：长格式，即屏幕显示15位有效数字。 3.double（）：若输入的是字符则转化为相应的ASCII码；若输入的是整型数之则转化为 相应的实型数值。 4.quad（）：抛物线法求数值积分。格式：quad（fun，a，b）。此处的fun是函数，并且
为数值形式，所以使用*、/、^等运算时要在其前加上小数点。 5.trapz():梯形法求数值积分。格式：trapz（x，y）。其中x为带有步长的积分区间;y为数 值形式的运算。 6.fprintf（文件地址，格式，写入的变量）：把数据写入指定文件。 7.syms 变量1变量2……：定义变量为符号。 8.sym（'表达式'）：将表达式定义为符号。 9.int（f，v，a，b）：求f关于v积分，积分区间由a到b。 10.subs（f，'x'，a）：将a的值赋给符号表达式f中的x，并计算出值。若简单地使用subs （f），则将f的所有符号变量用可能的数值代入，并计算出值。 实验所用软件及版本：Matlab 7.0.1
MATLAB数学实验报告
Matlab 数学实验报告
一、实验目的 通过以下四组实验,熟悉MATLAB的编程技巧,学会运用MATLAB的一些主要功能、命令，通过建立数学模型解决理论或实际问题。了解诸如分岔、混沌等概念、学会建立Malthu模型和Logistic 模型、懂得最小二乘法、线性规划等基本思想。 二、实验内容 2.1实验题目一 2.1.1实验问题 Feigenbaum曾对超越函数y=λsin(πｘ)（λ为非负实数）进行了分岔与混沌的研究，试进行迭代格式x k+1=λsin(πx k),做出相应的Feigenbaum图 2.1.2程序设计 clear;clf; axis([0,4,0,4]); hold on for r=0:0.3:3.9 x=[0.1]; for i=2:150 x(i)=r*sin(3.14*x(i-1)); end pause(0.5) for i=101:150
plot(r,x(i),'k.'); end text(r-0.1,max(x(101:150))+0.05,['\it{r}=',num2str(r)]) end 加密迭代后 clear;clf; axis([0,4,0,4]); hold on for r=0:0.005:3.9 x=[0.1];
for i=2:150 x(i)=r*sin(3.14*x(i-1)); end pause(0.1) for i=101:150 plot(r,x(i),'k.'); end end 运行后得到Feigenbaum图
2.2实验题目二 2.2.1实验问题 某农夫有一个半径10米的圆形牛栏，长满了草。他要将一头牛拴在牛栏边界的桩栏上，但只让牛吃到一半草，问拴牛鼻子的绳子应为多长？ 2.2.2问题分析 如图所示，E为圆ABD的圆心，AB为拴牛的绳子，圆ABD为草场，区域ABCD为牛能到达的区域。问题要求区域ABCD等于圆ABC 的一半，可以设BC等于x,只要求出∠a和∠b就能求出所求面积。先计算扇形ABCD的面积，2a÷π×πx2=2aπ2，再求AB的面积，用扇形ABE的面积减去三角形ABE的面积即可。
数学建模使用MATLAB进行数据拟合
1.线性最小二乘法 x=[19 25 31 38 44]'; y=[19.0 32.3 49.0 73.3 97.8]'; r=[ones(5,1),x.^2]; ab=r\y % if AB=C then B=A\C x0=19:0.1:44; y0=ab(1)+ab(2)*x0.^2; plot(x,y,'o',x0,y0,'r') 运行结果： 2.多项式拟合方法 x0=[1990 1991 1992 1993 1994 1995 1996]; y0=[70 122 144 152 174 196 202]; a=polyfit(x0,y0,1) y97=polyval(a,1997) x1=1990:0.1:1997; y1=a(1)*x1+a(2);
plot(x1,y1) hold on plot(x0,y0,'*') plot(1997,y97,'o') 3.最小二乘优化 3.1 lsqlin函数 例四： x=[19 25 31 38 44]'; y=[19.0 32.3 49.0 73.3 97.8]'; r=[ones(5,1),x.^2]; ab=lsqlin(r,y) x0=19:0.1:44; y0=ab(1)+ab(2)*x0.^2; plot(x,y,'o',x0,y0,'r') 3.2lsqcurvefit函数
（1）定义函数 function f=fun1(x,tdata); f=x(1)+x(2)*exp(-0.02*x(3)*tdata); %其中x(1)=a，x(2)=b，x(3)=k （2） td=100:100:1000; cd=[4.54 4.99 5.35 5.65 5.90 6.10 6.26 6.39 6.50 6.59]; x0=[0.2 0.05 0.05]; x=lsqcurvefit(@fun1,x0,td,cd) %x(1)=a，x(2)=b，x(3)=k t=100:10:1000; c=x(1)+x(2)*exp(-0.02*x(3)*t); plot(t,c) hold on plot(td,cd,'*')
数学实验1数据拟合 (2)
数学实验报告 学生姓名 学科专业 任课教师 所在学院 报告提交日期
实验一斐波那契数列 (一)练习题1 一．实验目的: 学会用MATLAB研究调和级数的变化规律及其性质。 学会用MATLAB进行数据的拟合以及图像的绘制。 1.研究调和级数 观察调和级数的部分数列的折线图。 实验方法： 根据调和级数部分和数列公式：生成以n为自变量和以其 部分数列为因变量的曲线。 代码如下： function fib1(n) fn=1; for i=2:n; fn=[fn,fn(i-1)+1./i]; end plot(fn) 实验过程：
选择n=1000，调用上述函数画图，图形如下。 选择n=10000，调用上述函数画图，图形如下。 得出结论： 由其图可知在n=1000和n=10000时有明显上升，是递增数列，不收敛
问题二： 数列:的变化规律，猜测其是否有极限。 实验方法： 由公式，生成以n为自变量和以其部分数列为因变量的曲线。 代码如下： function fib2(n) fn=1; hn=0.5; for i=2:2*n; fn=[fn,fn(i-1)+1./i]; end for j=2:n; hn=[hn,fn(2*j)-fn(j)]; end plot(hn) 实验过程：选择n=10000，调用上述函数画图，图形如下
得出结论：的增长在n较小时增长速度很快，但当n时，大致收敛 于。 问题三： 数列:的变化规律，寻找恰当的函数拟合。 实验方法： 由公式，生成以n为自变量和以其部分数列为因变量 的曲线。 代码如下： function fib3(n) fn=1; gn=1.5; for i=2:2*n; fn=[fn,fn(i-1)+1./i]; end for j=2:n; gn=[gn,fn(2*j)]; end plot(gn) 实验过程：选择n=10000，调用上述函数画图，图形如下