matlab

1.matlab

当数据很大时，可用主页中的导入数据，直接将数据导入工作区。
在工作区右键可以新建一个变量，或者ctrl+n, 清除工作区可以清除所有变量。
应用程序：
curve fitting 很重要，拟合，可以选择x轴和y轴，一般可以用多项式拟合，来拟合出一个大概的曲线。
编辑器：
断点：若代码调试不出来就设个断点

2. matlab的常见命令

matlab是以矩阵为基础的系统计算平台

注释：
1、x1：生成了一个一行三列的矩阵，x3 = x1’:x3为x1的转置。
2、初始值：步长：终值。x1:3.4是初始值，6.7是终值。冒号如果中间什么都不填，代表间隔为1，后面两个中间红色的为间隔。
4、一行中的变量可以用，可以不用，矩阵换行时要用;

2.1 复数矩阵生成

2.2 符号矩阵生成

2.3 特殊矩阵生成

单位矩阵，随机矩阵，正太随机矩阵

随机矩阵在蒙特卡洛中用的比较多

2.4 matlab中数据分析的基本原则

例子：

这里默认对列进行运算，若想对行进行运算，转置一下。

2.5 矩阵的运算

2.5.1 矩阵的标识

a = rand(4)
vr = [1, 3]
vc = [1,3]
a1 = a(vr, vc)

A11:12行12列的矩阵，A12：12行345列
A（1,:）:1 代表一行，：没标列代表所有列。
意为第一行所有列全为0；

3. matlab绘图

3.1 线性图的绘制

plot是二维图的绘制
linspace:把一个连续的图形离散化了
手动标横纵坐标：工具——编辑——双击

3.2 如何让图像更好看

3.2.1 增加颜色，线性

3.2.2 增加网格线，坐标轴

多个图形的绘制：
因为做数模会用到对比图

注释：
1、要求是所有的横纵坐标都是一个值
2、hold on:等等，还有一张图
3、这个也可以画多个图，但后面标属性会麻烦一点

x = linspace(0, 8*pi, 100)  %在(0，8pi)之间产生100个线性等分点
y1 = sin(x + cos(x+sin(x)))
y2 = 0.2*x + sin(x+cos(x+sin(x)))
plot(x,y1,'k:',x,y2,'k-')  %k是颜色, :是线性
plotyy(x,y1,x,y2,'plot')

迭代的时候会用到
此代码的结果图：

3.2.3 直方图的绘制

y = randn(1, 1000)
subplot(2,1,1)
hist(y,10)
title('Bins = 10')
subplot(2,1,2)
hist(y,50)
title('Bins = 50')

代码运行图

适合去看是否符合正态分布

3.2.4 条形图的绘制

x = [1 2 5 4 8]
y = [x;1:5]
subplot(1,3,1)
bar(x)
subplot(1,3,2)
bar(y)
subplot(1,3,3)
bar3(y)

代码运行示例：

y是两列
ylim是对y的刻度进行限制

3.2.5 堆积图和横条图,饼图的绘制

x = [1 2 5 4 8]
y = [x;1:5]
subplot(1,2,1)
bar(y,'stacked')
subplot(1,2,2)
barh(y)

代码运行：

a=[10 5 20 20]
subplot(1,2,1)
pie(a,[0,0,0,1])
subplot(1,2,2)
pie3(a,[0,0,0,1])

3.2.6 阶梯状图和柱状图的绘制

x = linspace(0.4*pi,40)
y = sin(x)
subplot(1,2,1)
stairs(y)
subplot(1,2,2)
stem(y)

3.2.7 箱状图绘制

boxplot(x) 用于数据分析，排除一些错误数据，数据类题目中很需要
数据分析中常用的两种方法：
箱状图：计算数据的最大值，最小值还有极限的最大值，最小值，如果不在这些范围之内的都认为是错误数据
插值拟合法：比如说可以拟合成一个函数，如果离这个函数比较远的话就是错误数据

median：中值
最大值和最小值

红色为均值

数据要在-3.5到32.5之间

3.3 三维图形的绘制

4.插值和拟合

插值：给了你十个点，你要给我一个函数，这叫插值
拟合：给了你六个点，你要给我一个函数使所有的点里这个函数最近

4.1 一维插值

例子：

x0 = [0 3 5 7 9 11 12 13 14 15]
y0 = [0 1.2 1.7 2.0 2.1 2.0 1.8 1.2 1.0 1.6]
x = 0:0.1:15 %在0-15之间每间隔0.1取一个数值
y = interp1(x0, y0, x,'spline') % x:对每个x求一个y，spline:三次样条插值
plot(x0, y0, 'k+',x,y,'r')
gird on

4.2 二维插值&散点数据插值

二维插值

散点数据插值：

例子：


是一个散点图的插值

4.3 拟合

例子：

x = 0: 0.1: 1
y = [-0.447, 1.978, 3.28, 6.16, 7.08, 7.34, 7.66, 9.56, 9.48, 9.30, 11.2]
A = polyfit(x,y,2)
z = polyval(A,x)
plot(x,y,'k+',x,z,'r')

课后作业：



求出来的为lna，求出点再用plot函数连接起来。ployfit 得出的是系数，一个lna一个b。

5 非线性函数插值和拟合

最小二乘法：所有的点到曲线的距离越近越好。F：最终要拟合出来的函数，
lsqcurverfit，
lsqnonlin：非线性拟合

x为输出值，所有的系数。
lsqcurvefit: matlab命令 ‘fun’: 函数名 x0：迭代初值，因为所有的非线性最小二乘法拟合本质上是一个迭代的过程。 xdata,ydata:数据值
lb,ub:上下限 option:不加也没事。
上面三个比较常用。

x：输出值
options：不加也没有太大的影响

x0：迭代初始值 lb,ub:上下限


第二行的k代表了k(1),k(2),k(3)。xdata:表格中的数据。会有一个初始值。resnrom:最终值，有没有都行。

这里的F定义的是差值，最后要减去ydata；

6. 微积分

考的较多



var: 符号 l1: 输出值 inf:无穷

syms x, a
l = limit(a/x, x, 0)

int: 积分的函数 var:f 关于谁求积分

syms x y z
l1 = int(sin(x*y+z), z)

考的很多：


这两个遇到特别复杂的问题的时候，通常用他们两个来求解。
‘sin’:函数 0，pi:上下限
辛普森公式的精度会更高一点
这里设x 100等分，y就是对应步长下的值。

7. 常微分方程的求解

一阶常微分方程

第二行为y的初始值
类热传导方程
龙格库塔：‘fun‘：函数 y0:初始值

刹车问题：

mg=摩擦力。
初始条件：t=0时的位置和速度，

第一个公式就是速度公式，左右都乘了个t，变成了对t求导，加了个初始值，v0。v减速到0，他经过的时间为t0，
第二个公式再求积分，把t0再带进来就可以求出刹车距离。
T为司机的反应时间，加上反应时间就是黄灯的时间。
其实只和v0有关。

v在10-75之间，每隔一个速度求一个值。