matlab计算方法实验报告5(数值积分)
Matlab中常用的数值计算方法
Matlab中常用的数值计算方法数值计算是现代科学和工程领域中的一个重要问题。
Matlab是一种用于数值计算和科学计算的高级编程语言和环境，具有强大的数值计算功能。
本文将介绍Matlab中常用的数值计算方法，包括数值积分、数值解微分方程、非线性方程求解和线性方程组求解等。
一、数值积分数值积分是通过数值方法来近似计算函数的定积分。
在Matlab中，常用的数值积分函数是'quad'和'quadl'。
'quad'函数可以用于计算定积分，而'quadl'函数可以用于计算无穷积分。
下面是一个使用'quad'函数计算定积分的例子。
假设我们想计算函数f(x) = x^2在区间[0, 1]上的定积分。
我们可以使用如下的Matlab代码：```f = @(x) x^2;integral = quad(f, 0, 1);disp(integral);```运行这段代码后，我们可以得到定积分的近似值，即1/3。
二、数值解微分方程微分方程是描述自然界各种变化规律的数学方程。
在科学研究和工程应用中，常常需要求解微分方程的数值解。
在Matlab中，可以使用'ode45'函数来求解常微分方程的数值解。
'ode45'函数是采用基于Runge-Kutta方法的一种数值解法。
下面是一个使用'ode45'函数求解常微分方程的例子。
假设我们想求解一阶常微分方程dy/dx = 2*x，初始条件为y(0) = 1。
我们可以使用如下的Matlab代码：```fun = @(x, y) 2*x;[x, y] = ode45(fun, [0, 1], 1);plot(x, y);```运行这段代码后，我们可以得到微分方程的数值解，并绘制其图像。
三、非线性方程求解非线性方程是指方程中包含非线性项的方程。
在很多实际问题中，我们需要求解非线性方程的根。
matlab数值积分
Matlab数值积分引言数值积分是一种计算近似定积分的方法，通过将积分区间划分成若干小区间并计算每个小区间上的函数面积之和来逼近定积分的值。
Matlab提供了多种数值积分的方法，使得用户能够方便地进行数值积分计算。
本文将介绍Matlab中常用的数值积分函数和方法，并通过示例演示其具体用法。
数值积分函数在Matlab中，常用的数值积分函数有： - quad：用于一维定积分的自适应数值积分函数。
- dblquad：用于二维定积分的自适应数值积分函数。
- triplequad：用于三维定积分的自适应数值积分函数。
- quad2d：用于二维定积分的数值积分函数（不支持自适应）。
- integral：用于一维定积分的自适应数值积分函数（推荐使用quad替代）。
接下来将分别介绍这些函数的用法。
一维定积分quad函数quad函数是Matlab中用于一维定积分的自适应数值积分函数。
其语法如下：[q,err] = quad(fun,a,b)[q,err] = quad(fun,a,b,tol)[q,err] = quad(fun,a,b,tol,[],p1,p2,...)•fun是用于计算被积函数的句柄或函数名称。
•a和b是积分区间的上下限。
•tol是计算精度（可选参数，默认值为1e-6）。
•p1,p2,...是传递给函数fun的额外参数（可选参数）。
quad函数将返回两个值： - q是定积分的近似值。
- err 是估计的误差。
下面是一个使用quad函数计算一维定积分的示例：fun = @(x) exp(-x.^2); % 定义被积函数a = 0; % 积分下限b = 1; % 积分上限[q,err] = quad(fun,a,b); % 计算积分disp(['定积分的近似值：', num2str(q)]);disp(['估计的误差：', num2str(err)]);integral函数integral函数是Matlab中用于一维定积分的自适应数值积分函数，与quad函数功能类似。
MATLAB数值积分及算例
6.2.3 被积函数由一个表格定义
(要求积分,但是函数没有直接给出,只是自己在 做实验时得到的一组相关联的数据)
在MATLAB中，对由表格形式定义的函数关系的求定积分问 题用trapz(X,Y)函数。其中向量X,Y定义函数关系Y=f(X)。
例4 用trapz函数计算定积分。
命令如下：
X=1:0.01:2.5; Y=exp(-X); trapz(X,Y)
例2 求定积分:
x sin x
dx
0 (1 cos x cos x)
(1) 被积函数文件fx.m。
function f=fx(x) f=x.*sin(x)./(1+cos(x).*cos(x));
(2) 调用函数quad8求定积分。
I=quad8('fx',0,pi)
例3
分别用quad函数和quad8函数求定积分
global ki;ki=0; I=dblquad('fxy',-2,2,-1,1) ki
6.2 数值积分的实现方法
6.2.1 变步长辛普生法
基于变步长辛普生法，MATLAB给出了quad函数来 求定积分。该函数的调用格式为：
[I, n] = quad('fname', a, b, tol, trace) 其中fname是被积函数名。a和b分别是定积分的下 限 和 上 限 。 tol 用 来 控 制 积 分 精 度 ， 缺 省 时 取 tol=0.001。trace控制是否展现积分过程，若取非0则 展现积分过程，取0则不展现，缺省时取trace=0。 返回参数I即定积分值，n为被积函数的调用次数。
2.5 exdx
1
的近似值，并在相同的积分精度下，比较函数的调
matlab计算机实验报告
matlab计算机实验报告Matlab计算机实验报告引言Matlab是一种强大的计算机软件，广泛应用于科学计算、数据分析和工程设计等领域。
本实验报告旨在介绍我对Matlab的实验研究和应用。
通过实验，我深入了解了Matlab的功能和特点，并通过实际案例展示了其在科学计算和数据处理中的应用。
实验一：基本操作和语法在本实验中，我首先学习了Matlab的基本操作和语法。
通过编写简单的程序，我熟悉了Matlab的变量定义、赋值、运算符和条件语句等基本语法。
我还学习了Matlab的矩阵操作和向量化计算的优势。
通过实例演示，我发现Matlab在处理大规模数据时具有高效性和便捷性。
实验二：数据可视化数据可视化是Matlab的重要应用之一。
在本实验中，我学习了如何使用Matlab绘制各种图表，如折线图、散点图、柱状图和饼图等。
我了解了Matlab 的绘图函数和参数设置，并通过实例展示了如何将数据转化为直观的图形展示。
数据可视化不仅可以帮助我们更好地理解数据，还可以用于数据分析和决策支持。
实验三：数值计算和优化Matlab在数值计算和优化方面具有强大的功能。
在本实验中，我学习了Matlab 的数值计算函数和工具箱，如数值积分、微分方程求解和线性代数运算等。
通过实例研究，我发现Matlab在求解复杂数学问题和优化算法方面具有出色的性能。
这对于科学研究和工程设计中的数值分析和优化问题非常有用。
实验四：图像处理和模式识别Matlab在图像处理和模式识别领域也有广泛的应用。
在本实验中，我学习了Matlab的图像处理工具箱和模式识别算法。
通过实例演示，我了解了如何使用Matlab进行图像滤波、边缘检测和特征提取等操作。
我还学习了一些常见的模式识别算法，如支持向量机和神经网络等。
这些技术在计算机视觉和模式识别中具有重要的应用价值。
实验五：信号处理和系统建模Matlab在信号处理和系统建模方面也有广泛的应用。
在本实验中，我学习了Matlab的信号处理工具箱和系统建模工具。
matlab数值计算实验报告
matlab数值计算实验报告Matlab数值计算实验报告引言：Matlab是一种广泛应用于科学与工程领域的高级计算机语言和环境，它提供了丰富的函数库和工具箱，方便用户进行数值计算、数据分析和可视化等任务。
本实验报告将介绍我在使用Matlab进行数值计算实验中的一些经验和心得体会。
一、数值计算方法数值计算方法是一种利用数值近似来解决实际问题的方法，它在科学和工程领域具有广泛的应用。
在Matlab中，我们可以利用内置的函数和工具箱来实现各种数值计算方法，例如插值、数值积分、数值微分等。
二、插值方法插值是一种通过已知数据点来推测未知数据点的方法。
在Matlab中，我们可以使用interp1函数来进行插值计算。
例如，我们可以通过已知的一些离散数据点，利用interp1函数来估计其他位置的数值。
这在信号处理、图像处理等领域具有重要的应用。
三、数值积分数值积分是一种通过分割曲线或曲面来近似计算其面积或体积的方法。
在Matlab中，我们可以使用quad函数来进行数值积分计算。
例如，我们可以通过quad函数来计算某个函数在给定区间上的积分值。
这在概率统计、物理学等领域具有广泛的应用。
四、数值微分数值微分是一种通过数值逼近来计算函数导数的方法。
在Matlab中，我们可以使用diff函数来进行数值微分计算。
例如，我们可以通过diff函数来计算某个函数在给定点上的导数值。
这在优化算法、控制系统等领域具有重要的应用。
五、数值求解数值求解是一种通过数值近似来计算方程或方程组的根的方法。
在Matlab中，我们可以使用fsolve函数来进行数值求解计算。
例如，我们可以通过fsolve函数来求解某个非线性方程的根。
这在工程计算、金融分析等领域具有广泛的应用。
六、实验应用在本次实验中，我使用Matlab进行了一些数值计算的应用实验。
例如，我利用插值方法来估计某个信号在给定位置的数值，利用数值积分方法来计算某个曲线下的面积，利用数值微分方法来计算某个函数在给定点的导数值，以及利用数值求解方法来求解某个方程的根。
(完整版)数值积分及matlab实现
建立数值积分公式的途径比较多, 其中最常用的
有两种：
（1）由积分中值定理可知，对于连续函数f(x)，在
积分区间[a,b]内存在一点ξ，使得
分,因此将 选(x取) 为插值多项式, 这样f(x)的积分就
可以用其插值多项式的积分来近似代替
2.2 插值求积公式
设已知f(x)在节点 xk (k 0,1, , n) 有函数值 f (xk ) ,作n次拉格朗日插值多项式
式中
n
P(x) f (xk )lk (x)
k 0
lk (x)
n j0
b
n
f (x)dx
a
Ak f (xk )
k 0
为插值型求积公式的充要条件是公式
(
x)dx
时，则称求积公式为插值
设插值求积公式的余项为 R( f ) ,由插值余项定理得
R( f ) b f (x) P(x)dx b f (n1) ( ) (x)dx
a
a (n 1)!
其中 a, b
当f(x)是次数不高于n的多项式时，有 f (n1) (x) 0 R( f ) =0,求积公式(4)能成为准确的等式。由于闭区 间[a,b]上的连续函数可用多项式逼近，所以一个 求积公式能对多大次数的多项式f(x)成为准确等式， 是衡量该公式的精确程度的重要指标，为此给出以 下定义。
数值积分与微分
2009.4.22
数值积分和数值微分
1 引言 我们知道,若函数f(x)在区间[a,b]上连续且其原
函数为F(x),则可用Newton-Leibnitz公式
实验五+MATLAB数值计算(含实验报告)
实验五 MATLAB 数值计算一、实验目的1．掌握求数值导数和数值积分的方法。
2．掌握代数方程数值求解的方法。
3．掌握常微分方程数值求解的方法。
二、实验的设备及条件计算机一台（带有MATLAB7.0以上的软件环境）。
设计提示1．参考本节主要内容，学习并理解相关函数的含义及调用方法。
三、实验内容1．线性系统方程：分别使用左除（\）和求逆（inv ）求解下面系统方程的解：⎪⎩⎪⎨⎧=+=+=++377251463c b b a c b a2. 数值积分：使用quad 和trapz 求解⎰-503/dx xe x 的数值积分，并与其解析解9243/5+--e 相比较；3. 请完成教材P154页中实验指导环节的实验内容第2题4. 请完成教材P155页中思考练习的第3题（1），并绘制解在该求解区间（即[0,5]）上的图像；。
5、请完成教材P164页实验指导环节的实验内容第5题。
（提示：该函数的符号导数，可以通过函数diff 求得。
首先定义符号变表达式，如求sin(x)的一阶符号导数，可以先定义f=’sin(x)’;df=diff(f);可求得df=cos(x)。
其中df 即为函数f 的一阶符号导数）。
四、实验报告要求（包含预习报告要求和最终报告要求）1.实验名称2.实验目的3.实验设备及条件4.实验内容及要求5.实验程序设计指程序代码。
6.实验结果及结果分析实验结果要求必须客观,现象。
结果分析是对实验结果的理论评判。
7.实验中出现的问题及解决方法8. 思考题的回答五、实验报告的提交方式Word文档，命名方式:实验号_你的学号_姓名例如本次实验：实验一_000000001_张三.doc（信息101提交报告邮箱）：E_mail: *******************(网络工程101提交作业邮箱)：E_mail: *******************（注意网络班的M是大写的)下一次课前提交,过期不收!六、参考文献参考教材和Matlab帮助文件。
数值分析matlab实验报告
数值分析matlab实验报告《数值分析MATLAB实验报告》摘要：本实验报告基于MATLAB软件进行了数值分析实验，通过对不同数学问题的数值计算和分析，验证了数值分析方法的有效性和准确性。
实验结果表明，MATLAB在数值分析领域具有较高的应用价值和实用性。
一、引言数值分析是一门研究利用计算机进行数值计算和分析的学科，其应用范围涵盖了数学、物理、工程等多个领域。
MATLAB是一种常用的数值计算软件，具有强大的数值分析功能，能够进行高效、准确的数值计算和分析，因此在科学研究和工程实践中得到了广泛的应用。
二、实验目的本实验旨在通过MATLAB软件对数值分析方法进行实验验证，探究其在不同数学问题上的应用效果和准确性，为数值分析方法的实际应用提供参考和指导。
三、实验内容1. 利用MATLAB进行方程求解实验在该实验中，利用MATLAB对给定的方程进行求解，比较数值解和解析解的差异，验证数值解的准确性和可靠性。
2. 利用MATLAB进行数值积分实验通过MATLAB对给定函数进行数值积分，比较数值积分结果和解析积分结果，验证数值积分的精度和稳定性。
3. 利用MATLAB进行常微分方程数值解实验通过MATLAB对给定的常微分方程进行数值解，比较数值解和解析解的差异，验证数值解的准确性和可靠性。
四、实验结果与分析通过对以上实验内容的实际操作和分析，得出以下结论：1. 在方程求解实验中，MATLAB给出的数值解与解析解基本吻合，验证了MATLAB在方程求解方面的高准确性和可靠性。
2. 在数值积分实验中，MATLAB给出的数值积分结果与解析积分结果基本吻合，验证了MATLAB在数值积分方面的高精度和稳定性。
3. 在常微分方程数值解实验中，MATLAB给出的数值解与解析解基本吻合，验证了MATLAB在常微分方程数值解方面的高准确性和可靠性。
五、结论与展望本实验通过MATLAB软件对数值分析方法进行了实验验证，得出了数值分析方法在不同数学问题上的高准确性和可靠性。
数值分析实验报告matlab
数值分析实验报告matlab数值分析实验报告引言：数值分析是一门研究利用计算机数值方法解决数学问题的学科，它在科学计算、工程设计、金融分析等领域具有重要的应用价值。
本实验报告旨在通过使用MATLAB软件，探索数值分析的基本原理和方法，并通过实际案例加深对数值分析的理解。
一、误差分析在数值计算中，误差是无法避免的。
误差分析是数值分析中的重要一环，它帮助我们了解数值计算的准确性和稳定性。
在实验中，我们通过计算机模拟了一个简单的数学问题，并分别计算了绝对误差和相对误差。
通过比较不同算法的误差大小，我们可以选择最适合的算法来解决实际问题。
二、插值与拟合插值和拟合是数值分析中常用的方法，它们可以通过已知的数据点来推导出未知数据点的近似值。
在本实验中，我们通过MATLAB的插值函数和拟合函数，分别进行了插值和拟合的实验。
通过比较不同插值和拟合方法的结果，我们可以选择最适合的方法来处理实际问题。
三、数值积分数值积分是数值分析中的重要内容，它可以用来计算曲线下的面积或函数的积分值。
在实验中，我们通过MATLAB的数值积分函数，对一些简单的函数进行了积分计算。
通过比较数值积分和解析积分的结果，我们可以评估数值积分的准确性和稳定性，并选择最适合的积分方法来解决实际问题。
四、常微分方程的数值解法常微分方程是数值分析中的重要内容，它可以用来描述许多自然现象和工程问题。
在实验中，我们通过MATLAB的常微分方程求解函数，对一些简单的微分方程进行了数值解法的计算。
通过比较数值解和解析解的结果，我们可以评估数值解法的准确性和稳定性，并选择最适合的数值解法来解决实际问题。
五、线性方程组的数值解法线性方程组是数值分析中的经典问题，它在科学计算和工程设计中广泛应用。
在实验中，我们通过MATLAB的线性方程组求解函数，对一些简单的线性方程组进行了数值解法的计算。
通过比较数值解和解析解的结果，我们可以评估数值解法的准确性和稳定性，并选择最适合的数值解法来解决实际问题。
matlab中的微分方程的数值积分
MATLAB是一种流行的数学软件，用于解决各种数学问题，包括微分方程的数值积分。
微分方程是许多科学和工程问题的数学描述方式，通过数值积分可以得到微分方程的数值解。
本文将介绍在MATLAB中如何进行微分方程的数值积分，以及一些相关的技巧和注意事项。
一、MATLAB中微分方程的数值积分的基本方法1. 常微分方程的数值积分在MATLAB中，常微分方程的数值积分可以使用ode45函数来实现。
ode45是一种常用的数值积分函数，它使用4阶和5阶Runge-Kutta 方法来求解常微分方程。
用户只需要将微分方程表示为函数的形式，并且提供初值条件，ode45就可以自动进行数值积分，并得到微分方程的数值解。
2. 偏微分方程的数值积分对于偏微分方程的数值积分，在MATLAB中可以使用pdepe函数来实现。
pdepe可以求解具有定解条件的一维和二维偏微分方程，用户只需要提供偏微分方程的形式和边界条件，pdepe就可以进行数值积分，并得到偏微分方程的数值解。
二、在MATLAB中进行微分方程数值积分的注意事项1. 数值积分的精度和稳定性在进行微分方程的数值积分时，需要注意数值积分的精度和稳定性。
如果数值积分的精度不够，可能会导致数值解的误差过大；如果数值积分的稳定性差，可能会导致数值解发散。
在选择数值积分方法时，需要根据具体的微分方程来选择合适的数值积分方法，以保证数值解的精度和稳定性。
2. 初值条件的选择初值条件对微分方程的数值解有很大的影响，因此在进行微分方程的数值积分时，需要选择合适的初值条件。
通常可以通过对微分方程进行分析，或者通过试验求解来确定合适的初值条件。
3. 数值积分的时间步长在进行微分方程的数值积分时，需要选择合适的时间步长，以保证数值积分的稳定性和效率。
选择时间步长时，可以通过试验求解来确定合适的时间步长，以得到最优的数值解。
三、MATLAB中微分方程数值积分的实例以下通过一个简单的例子来演示在MATLAB中如何进行微分方程的数值积分。
计算方法matlab实验报告
计算方法matlab实验报告计算方法MATLAB实验报告引言：计算方法是一门研究如何用计算机来解决数学问题的学科。
在计算方法的学习过程中，MATLAB作为一种强大的数值计算软件，被广泛应用于科学计算、工程计算、数据分析等领域。
本实验报告将介绍在计算方法课程中使用MATLAB 进行的实验内容和实验结果。
一、二分法求方程根在数值计算中，求解非线性方程是一个常见的问题。
二分法是一种简单而有效的求解非线性方程根的方法。
在MATLAB中，可以通过编写函数和使用循环结构来实现二分法求解方程根。
实验步骤：1. 编写函数f(x)，表示待求解的非线性方程。
2. 设定初始区间[a, b]，满足f(a) * f(b) < 0。
3. 利用二分法迭代求解方程根，直到满足精度要求或迭代次数达到预设值。
实验结果：通过在MATLAB中编写相应的函数和脚本，我们成功求解了多个非线性方程的根。
例如，对于方程f(x) = x^3 - 2x - 5，我们通过二分法迭代了5次，得到了方程的一个根x ≈ 2.0946。
二、高斯消元法解线性方程组线性方程组的求解是计算方法中的重要内容之一。
高斯消元法是一种常用的求解线性方程组的方法，它通过矩阵变换将线性方程组化为上三角矩阵，从而简化求解过程。
在MATLAB中，可以利用矩阵运算和循环结构来实现高斯消元法。
实验步骤：1. 构建线性方程组的系数矩阵A和常数向量b。
2. 利用高斯消元法将系数矩阵A化为上三角矩阵U，并相应地对常数向量b进行变换。
3. 利用回代法求解上三角矩阵U，得到线性方程组的解向量x。
实验结果：通过在MATLAB中编写相应的函数和脚本，我们成功求解了多个线性方程组。
例如，对于线性方程组：2x + 3y - z = 13x - 2y + 2z = -3-x + y + 3z = 7经过高斯消元法的计算，我们得到了方程组的解x = 1，y = -2，z = 3。
三、数值积分方法数值积分是计算方法中的重要内容之一，它用于计算函数在给定区间上的定积分。
数值分析matlab实验报告
数值分析matlab实验报告数值分析 Matlab 实验报告一、实验目的数值分析是研究各种数学问题数值解法的学科，Matlab 则是一款功能强大的科学计算软件。
本次实验旨在通过使用 Matlab 解决一系列数值分析问题，加深对数值分析方法的理解和应用能力，掌握数值计算中的误差分析、数值逼近、数值积分与数值微分等基本概念和方法，并培养运用计算机解决实际数学问题的能力。
二、实验内容（一）误差分析在数值计算中，误差是不可避免的。
通过对给定函数进行计算，分析截断误差和舍入误差的影响。
例如，计算函数＄f(x) ＝＼sin(x)＄在＄x ＝ 05$ 附近的值，比较不同精度下的结果差异。
（二）数值逼近1、多项式插值使用拉格朗日插值法和牛顿插值法对给定的数据点进行插值，得到拟合多项式，并分析其误差。
2、曲线拟合采用最小二乘法对给定的数据进行线性和非线性曲线拟合，如多项式曲线拟合和指数曲线拟合。
（三）数值积分1、牛顿柯特斯公式实现梯形公式、辛普森公式和柯特斯公式，计算给定函数在特定区间上的积分值，并分析误差。
2、高斯求积公式使用高斯勒让德求积公式计算积分，比较其精度与牛顿柯特斯公式的差异。
（四）数值微分利用差商公式计算函数的数值导数，分析步长对结果的影响，探讨如何选择合适的步长以提高精度。
三、实验步骤（一）误差分析1、定义函数｀compute_sin_error` 来计算不同精度下的正弦函数值和误差。
｀｀｀matlabfunction value, error ＝ compute_sin_error(x, precision)true_value ＝ sin(x)；computed_value ＝ vpa(sin(x)， precision)；error ＝ abs(true_value computed_value)；end｀｀｀2、在主程序中调用该函数，分别设置不同的精度进行计算和分析。
（二）数值逼近1、拉格朗日插值法｀｀｀matlabfunction L ＝ lagrange_interpolation(x, y, xi)n ＝ length(x)；L ＝ 0;for i ＝ 1:nli ＝ 1;for j ＝ 1:nif j ～＝ ili ＝ li （xi x(j)）／（x(i) x(j)）；endendL ＝ L ＋ y(i) li;endend｀｀｀2、牛顿插值法｀｀｀matlabfunction N ＝ newton_interpolation(x, y, xi)n ＝ length(x)；％计算差商表D ＝ zeros(n, n)；D(：， 1) ＝ y'；for j ＝ 2:nfor i ＝ j:nD(i, j) ＝（D(i, j 1) D(i 1, j 1)）／（x(i) x(i j ＋ 1)）；endend％计算插值结果N ＝ D(1, 1)；term ＝ 1;for i ＝ 2:nterm ＝ term （xi x(i 1)）；N ＝ N ＋ D(i, i) term;endend｀｀｀3、曲线拟合｀｀｀matlab％线性最小二乘拟合p ＝ polyfit(x, y, 1)；y_fit_linear ＝ polyval(p, x)；％多项式曲线拟合p ＝ polyfit(x, y, n)；％ n 为多项式的次数y_fit_poly ＝ polyval(p, x)；％指数曲线拟合p ＝ fit(x, y, ＇exp1'）；y_fit_exp ＝ p(x)；｀｀｀（三）数值积分1、梯形公式｀｀｀matlabfunction T ＝ trapezoidal_rule(f, a, b, n)h ＝（b a) ／ n;x ＝ a:h:b;y ＝ f(x)；T ＝ h （（y(1) ＋ y(end)）／ 2 ＋ sum(y(2:end 1)））；end｀｀｀2、辛普森公式｀｀｀matlabfunction S ＝ simpson_rule(f, a, b, n)if mod(n, 2) ～＝ 0error(＇n 必须为偶数'）；endh ＝（b a) ／ n;x ＝ a:h:b;y ＝ f(x)；S ＝ h ／ 3 （y(1) ＋ 4 sum(y(2:2:end 1)）＋ 2 sum(y(3:2:end 2)）＋ y(end)）；end｀｀｀3、柯特斯公式｀｀｀matlabfunction C ＝ cotes_rule(f, a, b, n)h ＝（b a) ／ n;x ＝ a:h:b;y ＝ f(x)；w ＝ 7, 32, 12, 32, 7 ／ 90;C ＝ h sum(w y)；end｀｀｀4、高斯勒让德求积公式｀｀｀matlabfunction G ＝ gauss_legendre_integration(f, a, b)x, w ＝ gauss_legendre(5)；％选择适当的节点数t ＝（b a) ／ 2 x ＋（a ＋ b) ／ 2;G ＝（b a) ／ 2 sum(w f(t)）；end｀｀｀（四）数值微分｀｀｀matlabfunction dydx ＝ numerical_derivative(f, x, h)dydx ＝（f(x ＋ h) f(x h)）／（2 h)；end｀｀｀四、实验结果与分析（一）误差分析通过不同精度的计算，发现随着精度的提高，误差逐渐减小，但计算时间也相应增加。
matlab数值计算 实验报告
matlab数值计算实验报告Matlab数值计算实验报告引言：Matlab是一种强大的数值计算软件，广泛应用于科学和工程领域。
本实验旨在通过实际案例，展示Matlab在数值计算中的应用能力。
本报告将从三个方面进行讨论：数值积分、线性方程组求解和最优化问题。
一、数值积分：数值积分是数学中常见的问题，Matlab提供了多种函数和方法来解决这类问题。
我们以求解定积分为例进行讨论。
假设我们要求解函数f(x) = x^2在区间[0, 1]上的定积分。
我们可以使用Matlab中的quad函数来进行计算，代码如下：```matlabf = @(x) x.^2;integral = quad(f, 0, 1);disp(integral);```运行以上代码，我们可以得到定积分的近似值为0.3333。
通过调整积分方法和精度参数，我们可以得到更精确的结果。
二、线性方程组求解：线性方程组求解是数值计算中的重要问题，Matlab提供了多种函数和方法来解决线性方程组。
我们以一个简单的线性方程组为例进行讨论。
假设我们要求解以下线性方程组：```2x + y = 5x - y = 1```我们可以使用Matlab中的linsolve函数来求解，代码如下：```matlabA = [2 1; 1 -1];B = [5; 1];X = linsolve(A, B);disp(X);```运行以上代码，我们可以得到方程组的解为x = 2，y = 3。
通过调整方程组的系数矩阵和右侧向量，我们可以求解更复杂的线性方程组。
三、最优化问题：最优化问题在科学和工程领域中广泛存在，Matlab提供了多种函数和方法来解决这类问题。
我们以求解无约束最优化问题为例进行讨论。
假设我们要求解函数f(x) = x^2的最小值。
我们可以使用Matlab中的fminunc函数来进行计算，代码如下：```matlabf = @(x) x.^2;x0 = 1; % 初始点options = optimoptions('fminunc', 'Display', 'iter');[x, fval] = fminunc(f, x0, options);disp(x);disp(fval);```运行以上代码，我们可以得到最小值的近似解为x = 0，f(x) = 0。
matlab 实验报告
matlab 实验报告Matlab实验报告引言：Matlab是一种强大的数值计算和可视化软件，广泛应用于科学、工程和经济等领域。
本实验报告将介绍我在使用Matlab进行实验过程中的一些经验和结果。
实验一：矩阵运算在这个实验中，我使用Matlab进行了矩阵运算。
首先，我创建了一个3x3的矩阵A和一个3x1的矩阵B，并进行了矩阵相乘运算。
通过Matlab的矩阵乘法运算符*，我得到了一个3x1的结果矩阵C。
接着，我对矩阵C进行了转置操作，得到了一个1x3的矩阵D。
最后，我计算了矩阵C和矩阵D的点积，并将结果输出。
实验二：数据可视化在这个实验中，我使用Matlab进行了数据可视化。
我选择了一组实验数据，包括时间和温度两个变量。
首先，我将数据存储在一个矩阵中，并使用Matlab的plot函数将时间和温度之间的关系绘制成曲线图。
接着，我使用Matlab的xlabel、ylabel和title函数添加了横轴、纵轴和标题。
最后，我使用Matlab的legend函数添加了图例，以便更好地理解图表。
实验三：数值积分在这个实验中，我使用Matlab进行了数值积分。
我选择了一个函数f(x)进行积分计算。
首先，我使用Matlab的syms函数定义了符号变量x，并定义了函数f(x)。
接着，我使用Matlab的int函数对函数f(x)进行积分计算，并将结果输出。
为了验证结果的准确性，我还使用了Matlab的diff函数对积分结果进行了求导操作，并与原函数f(x)进行了比较。
实验四：信号处理在这个实验中，我使用Matlab进行了信号处理。
我选择了一个音频文件，并使用Matlab的audioread函数读取了该文件。
接着，我使用Matlab的fft函数对音频信号进行了傅里叶变换，并将结果绘制成频谱图。
为了进一步分析信号的特征，我还使用了Matlab的spectrogram函数绘制了信号的时频图。
通过对信号的频谱和时频图的观察，我可以更好地理解信号的频率和时域特性。
应用MATLAB进行实验数据的数值积分
实验数据的数值积分问题用不同温度下固体铅的定压热容数据，求298K 时的绝对熵。
数据见下表：由热力学方法可知，绝对熵与定压热容有如下关系：dT TC S TPT ⎰=0采用MATLAB 来计算，这里将最小二乘B 样条拟合法和三次样条插值函数计算作比较，命令行程序如下：function Entropy_Int clear all clc% 读入数据T = [5. 10. 15. 20. 25. 30. 50. 70. 100. 150. 200. 250. 298.];Cp = [0.305 2.8 7.0 10.8 14.1 16.5 21.4 23.3 24.5 25.4 25.8 26.2 26.5]; CpT = Cp./T;T = [0 T]; CpT = [0 CpT];% 用最小二乘B 样条拟合法和三次样条插值函数计算 knots = 3; K = 3; % 三次B 样条 sp = spapi(knots,K,T,CpT);cs = csapi(T,CpT); % 生成三次样条插值函数cs % 绘制浓度拟合曲线Ti = linspace(T(1),T(end),299); CpT_B = fnval(sp,Ti); CpT_c = fnval(cs,Ti);plot(T,CpT,'ro',Ti,CpT_B,'b-',Ti,CpT_c,'Bl-.') xlabel('T') ylabel('Cp/T')legend('实验值','B 样条拟合','立方样条拟合') % 进行数值积分 pp = fnint(cs); s = fnval(pp,T)TC p /Ts =0 0.0433 0.8733 2.7820 5.3352 8.1104 10.9071 20.7236 28.2599 36.8085 46.9207 54.2919 60.0880 64.7233在解决本问题时，需首先要考虑积分下限，即0=T 时的情形，因此时的C P 为0/0。
控制系统计算机仿真(matlab)实验五实验报告
实验五 控制系统计算机辅助设计一、实验目的学习借助MATLAB 软件进行控制系统计算机辅助设计的基本方法，具体包括超前校正器的设计，滞后校正器的设计、滞后－超前校正器的设计方法。
二、实验学时：4 学时 三、实验原理1、PID 控制器的设计PID 控制器的数学模型如公式（5-1）、（5-2）所示，它的三个特征参数是比例系数、积分时间常数（或积分系数）、微分时间常数（或微分系数），因此PID 控制器的设计就是确定PID 控制器的三个参数：比例系数、积分时间常数、微分时间常数。
Ziegler （齐格勒）和Nichols （尼克尔斯）于1942提出了PID 参数的经验整定公式。
其适用对象为带纯延迟的一节惯性环节，即：s e Ts Ks G τ-+=1)( 5-1式中，K 为比例系数、T 为惯性时间常数、τ为纯延迟时间常数。
在实际的工业过程中，大多数被控对象数学模型可近似为式（5-1）所示的带纯延迟的一阶惯性环节。
在获得被控对象的近似数学模型后，可通过时域或频域数据，根据表5-1所示的Ziegler-Nichols 经验整定公式计算PID 参数。
表控制器的参数。
假定某被控对象的单位阶跃响应如图5-4所示。
如果单位阶跃响应曲线看起来近似一条S 形曲线，则可用Ziegler-Nichols 经验整定公式，否则，该公式不适用。
由S 形曲线可获取被控对象数学模型（如公式5-1所示）的比例系数K 、时间常数T 、纯延迟时间τ。
通过表5-1所示的Ziegler-Nichols 经验整定公式进行整定。
如果被控对象不含有纯延迟环节，就不能够通过Ziegler-Nichols 时域整定公式进行PID 参数的整定，此时可求取被控对象的频域响应数据，通过表5-1 所示的Ziegler-Nichols 频域整定公式设计PID 参数。
如果被控对象含有纯延迟环节，可通过pade 命令将纯延迟环节近似为一个四阶传递函数模型，然后求取被控对象的频域响应数据，应用表5-1求取PID 控制器的参数。
matlab数值计算实验报告
matlab数值计算实验报告Matlab数值计算实验报告一、实验目的本次实验的目的是通过使用Matlab软件进行数值计算，掌握Matlab的基本操作和数值计算方法，了解数值计算的基本原理和方法，提高数学建模和计算能力。
二、实验内容本次实验主要包括以下内容：1. Matlab基本操作：包括Matlab软件的安装、启动、界面介绍、基本命令和语法等。
2. 数值计算方法：包括数值积分、数值微分、线性方程组的求解、非线性方程的求解、插值和拟合等。
3. 数学建模：通过实际问题的建模，运用Matlab进行数值计算，得到问题的解答。
三、实验步骤1. Matlab基本操作（1）安装Matlab软件：根据官方网站提供的下载链接，下载并安装Matlab软件。
（2）启动Matlab软件：双击Matlab图标，启动Matlab软件。
（3）界面介绍：Matlab软件界面分为命令窗口、编辑器窗口、工作区窗口、命令历史窗口、变量编辑器窗口等。
（4）基本命令和语法：Matlab软件的基本命令和语法包括数学运算、矩阵运算、逻辑运算、控制语句等。
2. 数值计算方法（1）数值积分：使用Matlab中的quad函数进行数值积分，求解定积分。
（2）数值微分：使用Matlab中的diff函数进行数值微分，求解函数的导数。
（3）线性方程组的求解：使用Matlab中的inv函数和\运算符进行线性方程组的求解。
（4）非线性方程的求解：使用Matlab中的fsolve函数进行非线性方程的求解。
（5）插值和拟合：使用Matlab中的interp1函数进行插值和拟合。
3. 数学建模（1）实际问题的建模：选择一个实际问题，将其转化为数学模型。
（2）运用Matlab进行数值计算：使用Matlab进行数值计算，得到问题的解答。
四、实验结果通过本次实验，我掌握了Matlab的基本操作和数值计算方法，了解了数值计算的基本原理和方法，提高了数学建模和计算能力。
在实际问题的建模和运用Matlab进行数值计算的过程中，我深刻体会到了数学建模和计算的重要性，也发现了Matlab在数学建模和计算中的重要作用。
【MATLAB】实验五：数值微积分与方程数值求解
实验五 数值微积分与方程数值求解一、实验目的1. 掌握求数值导数和数值积分的方法。
2. 掌握代数方程数值求解的方法。
3. 掌握常微分方程数值求解的方法。
二、实验内容要求：命令手工 ( )输入1. 求函数在指定点的数值导数。
232()123,1,2,3026x x x f x x x x x==2. 用数值方法求定积分。
(1) 210I π=⎰的近似值。
(2) 2220ln(1)1x I dt xπ+=+⎰3. 分别用三种不同的数值方法解线性方程组。
6525494133422139211x y z u x y z u x y z u x y u +-+=-⎧⎪-+-=⎪⎨++-=⎪⎪-+=⎩4. 求非齐次线性方程组的通解。
1234123412342736352249472x x x x x x x x x x x x +++=⎧⎪+++=⎨⎪+++=⎩解：先建立M 函数文件,然后命令窗口中写命令。
121/119/112/115/111/1110/11100010X k k --⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥-⎢⎥⎢⎥⎢⎥=++⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦，其中12,k k 为任意常数。
5. 求代数方程的数值解。
(1) 3x +sin x -e x =0在x 0=1.5附近的根。
(2) 在给定的初值x 0=1，y 0=1，z 0=1下，求方程组的数值解。
23sin ln 70321050y x y z x z x y z ⎧++-=⎪+-+=⎨⎪++-=⎩ans =1289/6826. 求函数在指定区间的极值。
(1) 3cos log ()xx x x x f x e ++=在(0,1)内的最小值。
(2) 33212112122(,)2410f x x x x x x x x =+-+在[0,0]附近的最小值点和最小值。
（以下选作题，是微分方程的数值解）7. 求微分方程的数值解。
x 在[1.0e-9,20]2250(0)0'(0)0xd y dy y dx dx y y ⎧-+=⎪⎪⎪=⎨⎪=⎪⎪⎩解：M 文件：运行结果：8. 求微分方程组的数值解，并绘制解的曲线。
matlab数值分析实验报告
matlab数值分析实验报告Matlab数值分析实验报告引言数值分析是一门研究利用计算机进行数值计算和模拟的学科，它在科学计算、工程技术和金融等领域有着广泛的应用。
本次实验报告将介绍在Matlab环境下进行的数值分析实验，包括数值微分、数值积分和线性方程组求解等内容。
一、数值微分数值微分是通过数值方法计算函数的导数，常用的数值微分方法有前向差分、后向差分和中心差分。
在Matlab中，可以使用diff函数来计算函数的导数。
例如，对于函数f(x)=x^2，在Matlab中可以使用如下代码进行数值微分的计算：```matlabsyms x;f = x^2;df = diff(f, x);```二、数值积分数值积分是通过数值方法计算函数的定积分，常用的数值积分方法有梯形法则、辛普森法则和龙贝格积分法。
在Matlab中，可以使用trapz、quad和integral等函数来进行数值积分的计算。
例如，对于函数f(x)=sin(x)，可以使用如下代码进行数值积分的计算：```matlabx = linspace(0, pi, 100);y = sin(x);integral_value = trapz(x, y);```三、线性方程组求解线性方程组求解是数值分析中的重要问题，常用的求解方法有高斯消元法和LU 分解法。
在Matlab中，可以使用\操作符来求解线性方程组。
例如，对于线性方程组Ax=b，可以使用如下代码进行求解：```matlabA = [1, 2; 3, 4];b = [5; 6];x = A\b;```四、实验结果与分析在本次实验中，我们分别使用Matlab进行了数值微分、数值积分和线性方程组求解的计算。
通过实验结果可以发现，Matlab提供了丰富的数值计算函数和工具，能够方便地进行数值分析的计算和求解。
数值微分的计算结果与解析解相比较，可以发现数值微分的误差随着步长的减小而减小，但是当步长过小时，数值微分的误差会受到舍入误差的影响。
- 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)。
计算方法实验报告(5)
学生姓名杨贤邦学号指导教师吴明芬实验时间2014.4.16地点综合实验大楼203
实验题目数值积分方法
实验目的●利用复化梯形、辛普森公式和龙贝格数值积分公式计算定积分的
近似植。
实验内容●梯形、辛普森、柯特斯法及其Matlab实现；
●变步长的梯形、辛普森、柯特斯法及其Matlab实现。
●题目由同学从学习材料中任意选两题
算法分析梯形：function y=jifeng_tixing(a,b,n,fun)
fa=feval(fun,a);
fb=feval(fun,b);
s=0;
h=(b-a)/n;
for k=1:n-1
xk=a+k*h;
s=feval(fun,xk)+s;
end
y=(h/2)*(fa+fb+2*s);
辛普生：function y=jifeng_xingpu(a,b,n,fun) fa=feval(fun,a);
fb=feval(fun,b);
h=(b-a)/n;
s=0;
s2=feval(fun,a+0.5*h);
for k=1:n-1
xk=a+k*h;
s=feval(fun,xk)+s;
s2=feval(fun,xk+(h/2))+s2;
end
与源程序y=(h/6)*(fa+fb+2*s+4*s2);
龙贝格：function r2=jifeng_long(fun,a,b,e) h=b-a;
t1=(h/2)*(feval(fun,a)+feval(fun,b));
k=1;
r1=10;
r2=0;
c2=0;
while abs(r2-r1)>e;
s=0;
x=a+h/2;
while x<b
s=s+feval(fun,x);x=x+h;
end
t2=t1/2+h*s/2;
s2=t2+(1/3)*(t2-t1);
if k==1
k=k+1;h=h/2;
t1=t2;s1=s2;
elseif k==2
c1=c2;
c2=s2+(1/15)*(s2-s1);
k=k+1;h=h/2;
t1=t2;s1=s2;
elseif k>=3
r1=r2;
c2=s2+(1/15)*(s2-s1);
r2=c2+(1/63)*(c2-c1);
k=k+1;h=h/2;
t1=t2;s1=s2;
c1=c2;
end
end
实验结果与分析函数xe x在区间[1,2]对x进行积分求值，要求误差为0.5*10-7，并与精确值进行比较。
（精确值：7.38905609893065）
梯形：>>jifeng_tixing(1,2,7019,fun)
ans=7.38905612723022
辛普生：>>jifeng_xingpu(1,2,24,fun)
ans=7.38905612621471
龙贝格：>>jifeng_long(fun,1,2,10e-7)
ans=7.38905609893079
有上述结果易知，在同样0.5*10-7精度下，梯形复合公式需要7019等分，而辛普生只需要24等分即可达到要求的精度，而龙贝格算法的精度则更高
其它按照书本龙贝格外推公式写龙贝格算法时，发现了一个问题，就是龙贝格外推算法假设无限外推下去，外推出来的结果并不是无限接近真实值的，而是当接近真实值的小数点后17位左右时，将不会再逼近真实值，而总体数值是在此处徘徊。
不知道是我写的算法出现了问题，还是龙贝格外推的极限精度就是10-17。
成
绩
考
核
算法分析与源程序(50%),实验结果及分析（30%）,实验报告（20%）
指导老师签名：。