matlab计算结果的可视化
如何进行MATLAB地图数据处理和可视化
如何进行MATLAB地图数据处理和可视化地图数据处理和可视化在很多领域中都是很重要的一项任务，如地理信息系统（GIS）、城市规划、气象学等。
MATLAB作为一种功能强大的科学计算软件，提供了丰富的地图数据处理和可视化工具，能够帮助用户快速、准确地处理和展示地理数据。
本文将介绍如何使用MATLAB进行地图数据处理和可视化。
一、导入地图数据在MATLAB中，我们可以通过导入地理数据文件的方式来获取地图数据。
常见的地理数据文件格式包括Shapefile、GeoTIFF等。
运用MATLAB的Mapping Toolbox中的函数，我们可以轻松地读取这些文件，并将其转换成MATLAB能够处理的数据结构。
例如，如果我们有一个Shapefile文件，可以使用shaperead()函数将其读取为MATLAB中的结构体。
该结构体包含了Shapefile中所有的属性和几何信息。
我们可以通过访问这些属性和几何信息，进行进一步的数据处理和可视化操作。
二、地图数据处理与分析在导入地图数据之后，我们可以进行一系列的数据处理和分析操作。
MATLAB 提供了丰富的地理数据处理函数，如计算地理距离、邻近分析、空间插值等。
下面，我们将介绍两个常用的地图数据处理方法。
1. 计算地理距离MATLAB中使用distance()函数可以计算两点之间的地理距离。
这对于一些需要考虑地球曲率的应用非常重要。
例如，在城市规划中，我们可以使用该函数计算出两个位置之间的实际距离，从而帮助规划交通路线、确定最佳布局等。
2. 空间插值空间插值是指根据有限的采样点数据，通过数学方法推算未知点的数值。
在地图数据处理中，空间插值经常用于填充缺失值、生成连续的等值线图等。
MATLAB中的griddata()函数可以对地理数据进行插值，并生成高质量的连续地图。
三、地图数据可视化地图数据可视化是将处理后的地理数据以图形的形式展示出来。
MATLAB提供了多种可视化方式，如制作等高线图、色彩填充地图、散点图等。
MATLAB7.0使用详解-第7章 数据可视化
7.2.1 调用plot函数绘制二维图形
二维绘图函数中最基本的是plot函数，其余函数都是围绕 其发展扩充形成的。本小节首先介绍如何调用plot函数来 绘制图形。 MATLAB中调用plot函数的方式有3种，具体格式、功能及举 例如下。 1.plot(X,'s') 如X为实数向量时，MATLAB以X中元素的下标为横坐标，元 素值为纵坐标绘制连续曲线。如下绘制实数向量的图形。 2.plot(X,Y,'s') 如X和Y为同维向量，MATLAB以X为横坐标、以Y为纵坐标绘 制图形。 3.plot(X1,Y1,'s',X2,Y2,'s',X3,Y3,'s',…) 此种方式与第2种类似，不同的只是同时在图形窗口中绘制 多条互不影响的连续曲线。
7.2.4 设置坐标轴范围
在绘制某些图形的时候，用户对坐标轴的范围和刻度要求常常比 较严格，虽然MATLAB拥有便捷智能的函数和内部自适应设置，但 是显示的图形往往仍达不到用户所要求的效果。所以，MATLAB提 供给用户一系列坐标轴操作控制指令，使用户可以根据自己的具 体需要和爱好，有针对性地调整和设置坐标轴的某些参数。下面 首先列出MATLAB中常用的坐标轴操作函数。
7.3.2 使用mesh函数绘制三Байду номын сангаас网格图
用户在绘制三维图形时，常需要绘制曲线网格图，MATLAB提供了专门绘制 曲线网格图的函数mesh，此函数可以绘制出完整的曲面，其常用的调用格 式及功能如下。 mesh(Z)：分别以矩阵Z的列、行下标作为x、y轴的自变量，进行绘图。 绘制一个随机5阶矩阵的曲线网格图，代码如下。 >> x=rand(5); >> mesh(x) 随即生成图形，如图所示。 mesh(X,Y,Z)： 最常用的一般调用格式。 mesh(X,Y,Z,C)：完整的调用格式，其中‘C’作用为指定图形的着色， ‘C’没有指定，系统默认C=Z。
MATLAB中的机器学习模型解释与可视化方法
MATLAB中的机器学习模型解释与可视化方法引言：机器学习在近年来取得了巨大的发展，并成功应用于各种领域，如金融、医疗、图像处理等。
然而，机器学习模型对于其内部的工作原理往往是一个黑盒子，这让人们对于模型的可解释性产生了困惑。
在国际学术界，许多研究人员开始探索如何解释和可视化机器学习模型。
在本文中，我们将介绍在MATLAB中实现机器学习模型解释和可视化的方法，以帮助读者更好地理解模型的工作原理和决策过程。
一、局部解释方法局部解释方法是指通过解释单个样本的预测结果来理解机器学习模型的决策过程。
在MATLAB中，常用的局部解释方法包括特征重要性、局部特征影响力和局部特征说明。
1. 特征重要性：特征重要性通过衡量特征在模型中所占的重要性来解释模型的决策。
在MATLAB中，可以使用LIME（Local Interpretable Model-agnostic Explanations）库来计算特征重要性。
LIME库能够针对不同的机器学习模型进行解释，并生成特征重要性可视化结果。
2. 局部特征影响力：局部特征影响力指的是在给定样本下，每个特征对于模型预测结果的影响。
在MATLAB中，可以使用SHAP（SHapley Additive exPlanation）库来计算局部特征影响力。
SHAP库能够根据特征的不同取值来计算特征的影响力，并生成可视化结果。
3. 局部特征说明：局部特征说明通过给出关于该样本的特征重要性和特征取值的解释来解释模型的决策。
在MATLAB中，可以使用ELI5（Explain Like I'm 5）库来生成局部特征说明。
ELI5库能够生成简明易懂的解释结果，帮助用户更好地理解模型的决策过程。
二、全局解释方法全局解释方法是通过对整个模型的结构和参数进行解释来理解机器学习模型的决策过程。
在MATLAB中，常用的全局解释方法包括决策树解释、特征相关性分析和模型结构可视化。
1. 决策树解释：对于基于决策树的机器学习模型，可以通过解释决策树的节点和分支来理解模型的决策过程。
Matlab中常用的数据可视化工具与方法
Matlab中常用的数据可视化工具与方法MATLAB是一种强大的数值计算和数据分析工具，具有丰富的数据可视化功能。
本文将介绍MATLAB中常用的数据可视化工具与方法，帮助读者更好地利用MATLAB进行数据可视化分析。
一、绘图函数在MATLAB中，绘图函数是实现数据可视化的基础。
MATLAB提供了多种绘图函数，包括plot、scatter、bar等。
这些函数能够绘制线图、散点图、柱状图等不同类型的图形，便于展示各种数据的分布和趋势。
1. 线图线图是常用的一种数据可视化方式，它通过连接数据点来展示数据的变化趋势。
在MATLAB中，可以使用plot函数创建线图。
例如，以下代码可以绘制一个简单的线图：```matlabx = 1:10;y = sin(x);plot(x, y);```通过设置不同的线型、颜色和标记，我们可以进一步定制线图的样式，使其更具辨识度。
2. 散点图散点图用于展示数据点的分布情况，常用于观察数据之间的关系。
在MATLAB中，可以使用scatter函数创建散点图。
以下是一个简单的例子：x = rand(100, 1);y = rand(100, 1);scatter(x, y);```通过调整点的大小、颜色和形状，我们可以更好地展示多维数据之间的关系。
3. 柱状图柱状图用于比较不同类别或组之间的数据大小差异。
在MATLAB中，可以使用bar函数创建柱状图。
以下是一个示例：```matlabdata = [3, 5, 2, 7];bar(data);```通过设置不同的颜色和样式，我们可以使柱状图更加直观、易于理解。
二、图形属性设置为了使数据可视化更具吸引力和表达力，MATLAB提供了丰富的图形属性设置功能。
通过调整这些属性，我们可以改变图形的样式、颜色、标记等，使其更好地展示数据。
1. 图形样式设置MATLAB允许用户自定义图形的样式，包括线形、线宽、颜色等。
例如，以下代码可以绘制一条红色的虚线：x = 0:0.1:2*pi;y = sin(x);plot(x, y, '--r');```通过设置不同的样式，我们可以使图形更具辨识度和美观度。
MATLAB中的统计指标计算与分析技术
MATLAB中的统计指标计算与分析技术1. 引言统计指标是用于描述和衡量数据集中分布特征的数值，对于数据分析和处理有着重要的作用。
而MATLAB作为一种强大的科学计算软件，提供了丰富的统计函数与工具，可以方便地进行统计指标的计算与分析。
本文将详细介绍MATLAB中常用的统计指标计算与分析技术，包括均值、中位数、方差、标准差等指标的计算方法，以及数据分布的可视化分析等内容。
2. 均值与中位数计算均值和中位数是常用的描述数据集中趋势的指标。
在MATLAB中，计算均值使用mean()函数，计算中位数使用median()函数。
这两个函数的使用方法非常简单，只需要输入数据集即可。
例如，对于一个包含100个数据点的数据集，可以使用以下代码计算均值和中位数：```matlabdata = randn(1, 100); % 生成一个包含100个随机数据点的数据集mean_value = mean(data); % 计算均值median_value = median(data); % 计算中位数```通过这样的计算，我们可以获得数据集的中心趋势信息，帮助我们进一步分析和理解数据。
3. 方差与标准差计算方差和标准差是度量数据集分散程度的重要指标。
方差表示数据点与均值之间的差异程度，标准差则是方差的平方根。
在MATLAB中，分别可以使用var()和std()函数来计算方差和标准差。
同样地，我们只需要输入数据集作为输入参数即可。
下面是一个例子：```matlabdata = randn(1, 100); % 生成一个包含100个随机数据点的数据集variance = var(data); % 计算方差standard_deviation = std(data); % 计算标准差```方差和标准差的计算结果可以用来描述数据集的分散情况，提供了对数据集变异程度的度量。
4. 数据分布可视化除了计算常见的统计指标，MATLAB还提供了各种数据分布可视化的函数，例如直方图、箱线图等。
matlab实验四 数据可视化方法
实验四数据可视化方法[实验目的]1．掌握曲线绘制的基本技法和指令，会使用线形、色彩、数据点标记表现不同数据的特征，掌握生成和运用标识注释图形。
2．进一步掌握函数编写及数据可视化方法。
[实验原理]MATLAB 提供了相当强大的可视化指令，通过这些指令，我们可以非常简单地实现数据的可视化。
首先我们来看离散数据和离散函数的可视化方法。
对于离散实函数y n=f(x n)，当x n以递增（或递减）次序取值时，根据函数关系可以求得同样数目的y n，当把这两组向量用直角坐标中的点次序图示时，就实现了离散函数的可视化。
当然这种图形上的离散序列所反映的只是某确定的有限区间内的函数关系，不能表现无限区间上的函数关系。
通常我们可以采用plot 或者stem 来实现。
只是需要注意的是使用plot 时，需要使用星号或者点等标识来表示数据点，比如plot(x n,y n,’r*’,’MarkerSize’,20)，就表示用字号20的红色星点来标识数据点,此时为了便于观察，通常随后加上一条语句“grid on”，即给图形加上坐标方格。
而采用stem 标识数据点的格式是stem(x n,y n)。
连续函数的可视化与离散函数可视化类似，也必须先在一组离散自变量上计算相应的函数值，并把这一组“数据点”用点图示。
但这些离散的点不能表现函数的连续性。
为了进一步表示离散点之间的函数函数情况，MATLAB 有两种常用处理方法：一是对区间进行更细的分割，计算更多的点，去近似表现函数的连续变化；或者把两点用直线连接，近似表现两点间的（一般为非线性的）函数形状。
但要注意，倘若自变量的采样点不足够多，则无论哪种方法都不能真实地反映原函数。
对于二维数据，常用指令仍旧是plot。
对于离散数据，plot指令默认处理方法是：自动地把这些离散数据用直线（即采用线性插值）连接，使之成为连续曲线。
对于三维图形的表示，通常有plot3 等指令。
通常，绘制二维或三维图形的一般步骤如下表所示：说明：●步骤1、3 是最基本的绘图步骤，一般来说，由这两步所画出的图形已经具备足够的表现力。
如何利用MATLAB进行数据可视化
如何利用MATLAB进行数据可视化引言：随着大数据时代的到来，数据可视化变得越来越重要。
数据可视化能够将复杂的数据以图形的方式展现出来，使得用户能够快速准确地理解数据中的信息和模式。
MATLAB是一种强大的工具，能够帮助用户进行数据可视化分析。
在本文中，我们将探讨如何利用MATLAB进行数据可视化。
一、选择适合的图表类型数据可视化的第一步是选择适合的图表类型。
MATLAB提供了丰富多样的图表类型供用户选择，包括折线图、散点图、柱状图、饼图等。
对于不同类型的数据，选择合适的图表类型能够更好地展现数据的特征和关系。
二、数据导入与准备在进行数据可视化之前，需要将数据导入到MATLAB环境中并进行相应的准备。
MATLAB支持多种数据格式的导入，如Excel、CSV、TXT等。
用户可以使用MATLAB提供的数据导入工具或者编写代码来实现数据的导入。
导入数据后，需要对其进行必要的清洗和预处理，例如去除空值、处理异常值等。
三、基本图形绘制当数据导入到MATLAB环境中并进行了准备后，便可以开始进行基本图形的绘制。
例如，可以使用plot函数绘制折线图，scatter函数绘制散点图，bar函数绘制柱状图等。
通过调整图表的颜色、线型、点型等属性，可以使得图表更加美观清晰。
四、高级图形绘制除了基本图形之外，MATLAB还提供了许多高级图形绘制的函数和工具箱。
例如，使用histogram函数可以绘制直方图，boxplot函数可以绘制箱线图，heatmap函数可以绘制热力图等。
这些高级图形可以更加全面地呈现数据的分布、变化和关系，帮助用户更深入地理解数据。
五、图表的注释与标记为了使得图表更加易懂和具有解释性，可以对图表进行注释和标记。
MATLAB 提供了多种方式来实现图表的注释和标记，如添加标题、轴标签、图例、文字说明等。
这些注释和标记可以帮助用户更好地传达数据的含义和结论。
六、动态数据可视化为了更好地展现数据的变化和趋势，可以利用MATLAB的动态数据可视化功能。
运用Matlab进行科学计算与数据可视化的基础知识
运用Matlab进行科学计算与数据可视化的基础知识第一章：Matlab的介绍与安装1.1 Matlab的概念与特点Matlab是一款高效的科学计算与数据可视化软件，常用于工程、数学、统计学等领域的数据处理和分析。
其特点包括交互式操作、可编程性强、功能丰富、图形界面友好等。
1.2 Matlab的安装与配置在安装Matlab之前，需要先下载安装包，并按照指示完成安装过程。
安装完成后，可以根据需要进行一些配置，如设置工作路径、添加附加功能包等。
第二章：Matlab基础语法与操作2.1 Matlab的命令行窗口与脚本文件Matlab提供了交互式的命令行窗口，用户可以直接在窗口中输入命令并执行。
此外，还可以创建脚本文件，将多个命令按顺序写入，并一次性执行。
2.2 Matlab的基本数据类型与变量Matlab支持多种基本数据类型，包括数值型、字符型、逻辑型等。
使用变量可以保存数据，进行计算和操作。
2.3 Matlab的基本运算与函数调用Matlab提供了丰富的数学运算符和函数，可以进行各种数值计算，并支持自定义函数的调用。
第三章：科学计算与数据处理3.1 数学计算与矩阵运算Matlab内置了许多数学函数和运算符，可以进行数值计算，并支持矩阵的创建和运算。
3.2 统计分析与数据拟合Matlab提供了多种统计函数和工具箱，可以进行统计分析、概率分布拟合、回归等操作，适用于数据处理和建模。
3.3 信号处理与滤波器设计Matlab中的信号处理工具箱提供了丰富的函数和工具，可用于信号滤波、频谱分析、系统建模等。
第四章：数据可视化与图形绘制4.1 二维图形绘制Matlab支持各种二维图形的绘制，包括折线图、散点图、柱状图、饼图、曲线图等。
可以设置图形属性、添加标题、坐标轴标签等。
4.2 三维图形绘制Matlab提供了三维图形绘制的功能，包括曲面图、散点图、等高线图等。
可以设置视角、颜色、透明度等属性。
4.3 数据可视化与交互式操作Matlab还支持交互式的数据可视化操作，如动态图形、数据标注、交互式控制等，方便用户对数据进行直观展示和分析。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第五讲计算结果的可视化本节介绍MATLAB 的两种基本绘图功能：二维平面图形和三维立体图形。
5.1 二维平面图形5.1.1 基本图形函数plot 是绘制二维图形的最基本函数，它是针对向量或矩阵的列来绘制曲线的。
也就是说，使用plot 函数之前，必须首先定义好曲线上每一点的x 及y 坐标，常用格式为：（1）plot(x) 当x 为一向量时，以x 元素的值为纵坐标，x 的序号为横坐标值绘制曲线。
当x 为一实矩阵时，则以其序号为横坐标，按列绘制每列元素值相对于其序号的曲线，当x 为m× n 矩阵时，就由n 条曲线。
（2）plot(x,y) 以x 元素为横坐标值，y 元素为纵坐标值绘制曲线。
（3）plot(x,y1,x,y2,…) 以公共的x 元素为横坐标值，以y1,y2,… 元素为纵坐标值绘制多条曲线。
例5.1.1 画出一条正弦曲线和一条余弦曲线。
>> x=0:pi/10:2*pi;>> y1=sin(x);>> y2=cos(x);>> plot(x,y1,x,y2)图5.1.1 函数plot 绘制的正弦曲线在绘制曲线图形时，常常采用多种颜色或线型来区分不同的数据组，MATLAB 软件专门提供了这方面的参数选项（见表5.1.1），我们只要在每个坐标后加上相关字符串，就可实现它们的功能。
- 2 -表5.1.1 绘图参数表色彩字符颜色线型字符线型格式标记符号数据点形式标记符号数据点形式y 黄- 实线. 点<小于号m 紫：点线o 圆s 正方形c 青-. 点划线x 叉号d 菱形r 红- - 虚线+ 加号h 六角星g 绿* 星号p 五角星b 蓝v 向下三角形w 白^ 向上三角形k 黑>大于号例如，在上例中输入>> plot(x,y1,'r+-',x,y2,'k*:')则得图5.1.2图5.1.2 使用不同标记的plot 函数绘制的正弦曲线5.1.2 图形修饰MATLAB 软件为用户提供了一些特殊的图形函数，用于修饰已经绘制好的图形。
表5.1.2 图形修饰函数表函数含义grid on (/off) 给当前图形标记添加（取消）网络xlable(‘string’) 标记横坐标ylabel(‘string’) 标记纵坐标title(‘string’) 给图形添加标题text(x,y,’string’) 在图形的任意位置增加说明性文本信息gtext(‘string’) 利用鼠标添加说明性文本信息axis([xmin xmax ymin ymax]) 设置坐标轴的最小最大值- 3 -例5.1.2 给例5.1.1 的图形中加入网络和标记。
（见图5.1.3 和5.1.4）>> x=0:pi/10:2*pi;>> y1=sin(x);>> y2=cos(x);>> plot(x,y1,x,y2)>> grid on>> xlabel('independent variable X')>> ylabel('Dependent Variable Y1 & Y2')>> title('Sine and Cosine Curve')>> text(1.5,0.3,'cos(x)')>> gtext('sin(x)')>> axis([0 2*pi -0.9 0.9])图5.1.3 使用了图形修饰的plot 函数绘制的正弦曲线5.1.3 图形的比较显示在一般默认的情况下，MATLAB 每次使用plot 函数进行图形绘制，将重新产生一个图形窗口。
但有时希望后续的图形能够和前面所绘制的图形进行比较。
一般来说有两种方法：一是采用hold on(/off)命令，将新产生的图形曲线叠加到已有的图形上；二是采用subplot(m,n,k)函数，将图形窗口分隔成n m×个子图，并选择第k 个子图作为当前图形，然后在同一个视图窗口中画出多个小图形。
例5.1.3 在同一窗口中绘制线段。
（见图5.1.5）>> x=0:pi/10:2*pi;>> y1=sin(x);>> y2=cos(x);>> y3=x;- 4 ->> y4=log(x);>> plot(x,y1,x,y2)>> hold on>> plot(x,y3)>> plot(x,y4)>> hold off例5.1.4 在多个窗口中绘制图形。
（见图5.1.6）>> x=0:pi/10:2*pi;>> y1=sin(x);>> y2=cos(x);>> y3=exp(x);>> y4=log(x);>> subplot(2,2,1);>> plot(x,y1);>> subplot(2,2,2);>> plot(x,y2);>> subplot(2,2,3);>> plot(x,y3);>> subplot(2,2,4);>> plot(x,y4);[说明] （1）子窗口的序号按行由上往下，按列从左向右编号。
（2）如果不用指令clf 清除，以后图形将被绘制在子图形窗口中。
图5.1.4 设置坐标轴最大最小值的正弦曲线- 5 -图5.1.5 图形的比较显示（曲线叠加方法）图5.1.6 图形的比较显示（图形窗口分割方法）- 6 -5.2 三维立体图形5.2.1 三维曲线图与二维图形相对应，MATLAB 提供了plot3 函数，可以在三维空间中绘制三维曲线，它的格式类似于plot，不过多了z 方向的数据。
plot3 的调用格式为：plot3(x1,y1,z1,x2,y2,z2,...)其中x1,y1,z1,x2,y2,z2,…等分别为维数相同的向量，分别存储着曲线的三个坐标值，该函数的使用方式和plot 类似，也可以采用多种的颜色或线型（见表5.1.1）来区分不同的数据组，只需在每组变量后面加上相关字符串即可实现该功能。
例5.2.1 绘制方程x=ty=sin(t)z=cos(t)在t=[0,2*pi]上的空间方程。
（见图5.2.1）>> clf>> x=0:pi/10:2*pi;>> y1=sin(x);>> y2=cos(x);>> plot3(y1,y2,x,'m:p')>> grid on>> xlabel('Dependent Variable Y1')>> ylabel('Dependent Variable Y2')>> zlabel('Independent Variable X')>> title('Sine and Cosine Curve')图5.2.1 函数plot 绘制的三维曲线图- 7 -5.2.2 三维曲面图如果要画一个三维的曲面，可以使用mesh(X,Y,Z)或surf(X,Y,Z)函数来实现。
mesh 函数为数据点绘制网格线，图形中的每一个已知点和其附近的点用直线连接。
surf函数和mesh 的用法类似，但它可以画出着色表面图，图形中的每一个已知点与其相邻点以平面连接。
为方便测试立体绘图，MATLAB 提供了一个peaks 函数，它可以产生一个的高斯分布矩阵，其生成方程是N N ×z=3*(1-x).^2.*exp(-(x.^2)-(y+1).^2)-10*(x/5-x.^3-y.^5).*exp(-x.^2-y.^2) -1/3*exp(-(x+1).^2-y.^2)对应的图形是一个凹凸有致的曲面，包含了三个局部极大点及三个局部极小点。
下面使用peaks 函数来比较一下mesh 和surf 的区别。
例5.2.2 分别用mesh 函数和surf 函数绘制高斯矩阵的曲面。
>> z=peaks(40);>> mesh(z);>> surf(z);图5.2.2 mesh 函数绘制的三维曲面图- 8 -图5.2.3 surf 函数绘制的着色表面图在曲面绘图中，另一个常用的函数是meshgrid 函数，其一般引用格式是：[X, Y]=meshgrid (x, y)其中x 和y 是向量，通过meshgrid 函数就可将x 和y 指定的区域转换成为矩阵X 和Y。
这样我们在绘图时就可以先用meshgrid 函数产生在x-y 平面上的二维的网格数据，再以一组z 轴的数据对应到这个二维的网格，即可画出三维的曲面。
例5.2.3 绘制方程sin((x^2+y^2)^(1/2))z = ---------------------(x^2+y^2)^(1/2)在x∈[-7.5,7.5];y∈[-7.5,7.5] 的图形。
>> x=-7.5:0.5:7.5;y=x;>> [X,Y]=meshgrid(x,y);>> R=sqrt(X.^2+Y.^2)+eps;>> Z=sin(R)./R;>> surf(X,Y,Z)>> xlabel('X 轴方向')>> ylabel('Y 轴方向')>> zlabel('Z 轴方向')(见图5.2.4)_(x^2+y^2)例5.2.4 绘制由方程形成的立体图。
（见图5.2.5）z=xe>> clear>> x=-2:0.1:2;y=x;>> [X,Y]=meshgrid(x,y);>> Z=X.*exp(-X.^2-Y.^2);- 9 ->> surf(X,Y,Z)图5.2.4图5.2.5- 10 -5.2.3 观察点MTALAB 允许用户设置观察点，其指令是：view(azimuth,elevation)其中方位角azimuth 是观察点和坐标原点连线在x-y 平面的投影和y 轴负方向的夹角，仰角elevation 是观察点与坐标原点的连线和x-y 平面的夹角。