matlab100个经典案例（matlab数值计算案例分析的目录）

本文目录

• matlab数值计算案例分析的目录
• matlab案例
• 想学习matlab，有没有典型的程序例子，后面附带注释的，通过这些例子可以学到基本的函数用法
• MATLAB 因子分析法的案例，主要程序

matlab数值计算案例分析的目录

第1章MATLAB编程基础11.1 矩阵的基本操作与基本运算11.1.1 矩阵的基本操作11.1.2 矩阵的基本运算21.1.3 *与 .*和/与./ 的区别31.1.4 使用find函数索引符合某些特定条件的矩阵元素31.1.5 eps函数与避免除以0的方法41.2 MATLAB的数据结构41.3 变量、脚本与函数81.3.1 变 量81.3.2 全局变量使用例子91.3.3 局部变量不会被替代的例子101.3.4 函数与脚本101.3.5 函数的构成111.3.6 函数的类型121.3.7 函数调用与函数句柄141.3.8 可变参数函数调用141.4 MATLAB技巧151.4.1 MATLAB的函数重载151.4.2 冒号(:)操作符171.4.3 Tab键自动补全171.4.4 上下箭头回调171.4.5 可变参数个数的函数的占位符171.4.6 whos 查看181.4.7 whos 通配符的例子181.4.8 程序调试181.5 MATLAB工具箱函数ode23剖析181.6 MATLAB的帮助文档导航221.7 MATLAB常见错误231.7.1 常见写法错误231.7.2 字符串连接出错241.7.3 矩阵维数不同的例子251.7.4 赋值出错26第2章数值分析的基本概念272.1 数值分析的研究对象272.2 误差与有效数字302.2.1 误差的产生及分类302.2.2 误差的相关概念302.3 近似计算中的注意事项312.4 数值算法的稳定性342.5 机器精度35第3章数据插值373.1 插值与多项式插值373.2 Lagrange插值373.2.1 Lagrange插值的定义373.2.2 Lagrange插值的MATLAB实现383.3 Newton插值403.3.1 Newton插值定义403.3.2 有限差商403.3.3 Newton插值的MATLAB实现413.4 Hermite插值423.4.1 Hermite插值定义423.4.2 Hermite插值的MATLAB实现433.5 分段低次插值453.5.1 高次插值的Runge现象453.5.2 分段低次Lagrange插值453.5.3 interp1函数463.6 三次样条插值473.6.1 三次样条插值473.6.2 三次样条函数48第4章数据拟合504.1 数据的曲线拟合504.1.1 曲线拟合的误差504.1.2 曲线拟合的最小二乘法514.2 多项式拟合524.2.1 多项式曲线拟合524.2.2 多项式曲线拟合的MATLAB实现524.2.3 MATLAB多项式曲线拟合应用的扩展544.3 圆拟合的例子讲解574.3.1 圆拟合问题描述(使用最小二乘方法)574.3.2 圆拟合的MATLAB实现584.4 cftool自定义拟合604.5 cftool代码自动生成与修改62第5章数值积分665.1 数值积分的基本思想665.1.1 数值求积的基本思想665.1.2 几种常见的数值积分公式665.2 数值求积公式的构造675.2.1 代数精度685.2.2 插值型求积公式685.2.3 Newton-Cotes求积公式695.3 复化积分公式705.3.1 复化Simpson公式705.3.2 复化求积公式及其MATLAB实现705.3.3 MATLAB的trapz函数725.4 Romberg求积公式735.4.1 数值积分公式误差分析735.4.2 Romberg算法745.4.3 Romberg求积公式的MATLAB实现765.5 Gauss求积公式775.5.1 Gauss积分公式775.5.2 Gauss-Legendre求积公式的MATLAB实现及应用实例785.6 积分的运算选讲795.6.1 二重积分795.6.2 三重积分795.6.3 变上限积分795.6.4 符号积分815.6.5 MATLAB常见积分函数列表82第6章常微分方程836.1 常微分方程分类及其表示形式836.1.1 MATLAB关于ODE的函数帮助简介836.1.2 MATLAB ODE suite中关于ODE的分类836.2 典型常微分方程举例846.2.1 一阶常微分方程846.2.2 二阶常微分方程846.2.3 高阶常微分方程856.2.4 边值问题856.2.5 延迟微分方程856.3 解的存在性、唯一性和适定性866.3.1 初值问题的存在性与唯一性866.3.2 MATLAB中常微分方程的通用形式及其向量表示876.3.3 刚性常微分方程876.4 常微分方程的时域频域表示以及状态方程表示896.4.1 时域与频域表示形式896.4.2 状态空间表示形式906.5 单步多步和显式隐式概念916.6 常微分方程数值求解方法构造思想举例926.7 常微分方程数值解的基本原理936.7.1 一阶常微分方程与一阶微分方程组936.7.2 求解区间的离散936.7.3 微分方程的离散936.7.4 Taylor展开法946.7.5 常微分方程数值求解的欧拉方法976.7.6 欧拉方法的MATLAB实现976.7.7 改进的欧拉方法986.7.8 改进的欧拉方法的MATLAB实现996.7.9 四阶龙格库塔公式的MATLAB实现996.7.10 Adams预测校正公式1006.8 常微分方程工具箱1026.8.1 总体介绍1026.8.2 各个求解器的特点与比较1036.8.3 使用odefile.m模板求解常微分方程1036.8.4 odefile.m模板使用1056.9 单自由度振动系统例子1066.9.1 单自由度二阶系统基于传递函数与状态空间的simulink模型求解1066.9.2 总 结1106.10 三自由度振动系统例子1106.10.1 三自由度振动系统simulink模型求解以及状态方程的ode45求解器求解1106.10.2 总 结114第7章线性方程组的迭代解法1157.1 线性方程组的迭代法概述1157.1.1 迭代法概述及压缩原理1157.1.2 迭代法基本概念1157.1.3 MATLAB的相关命令1177.2 常见的线性方程组的迭代法1187.2.1 Jacobi迭代法1187.2.2 Gauss-Seidel迭代法1207.2.3 SOR迭代法1237.3 迭代法的收敛性1257.3.1 迭代法的收敛性定理1257.3.2 主对角优势1257.3.3 SOR迭代法的收敛性126第7章线性方程组的直接解法1278.1 线性方程组的消元法1278.1.1 线性方程组的直接求解方法1278.1.2 Gauss消去法1278.1.3 Gauss主元素法1308.1.4 Jordan消去法1338.2 矩阵的三角分解1358.2.1 LU分解1368.2.2 LU分解的MATLAB实现1368.2.3 对称正定矩阵的Cholesky分解1388.2.4 Cholesky分解法的MATLAB实现1398.2.5 改进平方根法1418.2.6 改进平方根法的MATLAB实现1428.3 MATLAB的相关命令1448.3.1 逆矩阵1448.3.2 矩阵的左除及最小二乘解1458.3.3 欠定方程的解145第9章非线性方程求解1479.1 求解非线性方程的MATLAB符号法1479.2 二分法1499.2.1 二分法原理1499.2.2 二分法的MATLAB程序1499.3 迭代法1519.3.1 迭代法原理1519.3.2 迭代法的几何意义1519.3.3 迭代法的MATLAB程序1529.4 切线法1539.4.1 切线法的几何意义1549.4.2 切线法的收敛性1549.5 割线法（弦截法）1559.5.1 割线法的几何意义1559.5.2 割线法的MATLAB程序1559.6 常见非线性方程数值方法的优缺点1569.7 方程f(x)=0数值解的MATLAB实现1579.7.1 求函数零点指令fzero1579.7.2 fzero的使用举例1579.8 求解非线性方程组MATLAB命令1609.8.1 符号方程组求解1609.8.2 求解非线性方程组的基本方法1619.8.3 求方程组的数值解162第10章偏微分方程数值解16610.1 基本概念16610.2 有限差分法16710.2.1 椭圆方程的差分形式16710.2.2 抛物方程的差分形式16810.2.3 双曲方程的差分形式17010.3 MATLAB的pdepe函数17110.3.1 pdepe函数的说明17110.3.2 pdepe函数的实例17210.4 MATLAB的PDEtool工具箱17310.4.1 PDEtool的界面17410.4.2 PDEtool的使用174第11章数值优化17711.1 单变量函数优化17711.1.1 基本数学原理17711.1.2 黄金分割法17811.1.3 牛顿法18111.1.4 最速下降法18511.1.5 共轭梯度法18811.2 多变量函数优化19111.2.1 Nelder-mead方法19111.2.2 Nelder-mead方法的MATLAB实现19211.2.3 Powell方法19311.2.4 Powell方法的MATLAB实现19411.3 MATLAB最优化函数19711.3.1 MATLAB最优化工具箱介绍19711.3.2 MATLAB最优化函数介绍19811.3.3 MATLAB最优化工具介绍20111.3.4 MATLAB最优化函数应用实例204第12章特征值和特征向量20812.1 特征值与特征向量20812.1.1 特征值与特征向量的定义20812.1.2 特征值与特征向量的计算20812.1.3 MATLAB的eig命令20912.2 幂法与反幂法20912.2.1 幂法的原理21012.2.2 幂法的MATLAB实现21012.2.3 反幂法21212.2.4 反幂法的MATLAB实现21312.3 对称矩阵的特征值——Jacobi方法21412.3.1 Jacobi方法的原理21412.3.2 Jacobi方法的MATLAB实现21512.4 Householder方法21712.4.1 初等反射矩阵21812.4.2 用正交相似变换约化矩阵21812.4.3 算法的MATLAB实现22012.5 QR分解与QR方法22112.5.1 矩阵的QR分解22112.5.2 计算矩阵特征值的QR方法22212.5.3 QR方法的MATLAB实现222参考文献224

matlab案例

t1=(0:11)/11*pi; t2=(0:400)/400*pi; t3=(0:50)/50*pi; y1=sin(t1).*sin(9*t1); y2=sin(t2).*sin(9*t2);y3=sin(t3).*sin(9*t3);subplot(2,2,1),plot(t1,y1,’r.’) %《7》axis() % 《8》axis([0,pi,-

想学习matlab，有没有典型的程序例子，后面附带注释的，通过这些例子可以学到基本的函数用法

clc;clear;close all;num=input(’please input num:’); %输入传函分子分母系数%den=input(’please input den:’);num=num/den(1);den=den/den(1); %把分母首项转化成首一型%sys=tf(num,den) %求得传函表达式%a=size(num);b=size(den); %分子系数维数与分母系数维数分别放入变量m,n中%n=b(1,2);m=a(1,2); A_1=eye(n-2); %建立A阵%A_0=zeros((n-2),1);for i=1:1:n-1 k(1,i)=-den(1,n+1-i); A_2(1,i)=k(1,i);endA=; %输出C阵% D=0;else disp(’error!’) endenddisp(’传函对应的可控标准型为：’);A %输出A阵% B %输出B阵%C %输出C阵%D %输出D阵%disp(’传函对应的可观标准型为：’);Ag=A’ %建立能观标准型矩阵%Bg=C’ %输出能观标准型矩阵%Cg=B’Dg=D’

MATLAB 因子分析法的案例，主要程序

呵呵。这个正好我会啊。我搞数学建模的时候做的题目很多都是数据分析，市场调查分析就是其中一种很简单的啊。最基本的分析工具是SPSS和SAS，他们都是常用的统计工具。你需要做哪方面的分析，就用他们的哪些功能。最常用的是回归分析。如果你不会使用这个软件，我也可以给你分析，然后把分析数据发给你啊。你也可以去百度里面搜“问卷调查 spss”或者“市场调查 spss”，很多这样的例子，你照着做就可以分析出来了。先发一点资料给你看：SPSS在市场调查统计分析中的应用 SPSS是“社会科学统计软件包”（StatisticalPackagefortheSocialScience）的简称，是一种集成化的计算机数据处理应用软件，是目前世界上流行的三大统计软件之一，除了适用于社会科学之外，还适用于自然科学各领域的统计分析。将其应用于市场调查统计分析的过程，能使研究者以客观的态度，通过对受众的系统提问，收集并分析有关研究数据，以描述、解释或预测问卷调查内容的现象及其各相关因素之间的关系。在这些方面，SPSS技术的应用为市场调查实证研究中的定量分析提供了支持与保障，特别是它的易用、易学、功能强大等特点是其他方法所无法替代的。 一、SPSS的基本特点 在问卷应用于市场调查的实证研究中，会有大量的检测数据需要进行统计分析，而SPSS技术的特点恰恰适合这种实证研究的要求。其在市场调查统计的应用中具有如下特点： 1.易用、易学。SPSS采用直觉式使用界面或者说可视化界面，无需编程就可以完成工作，极大地提高了工作效率；此外，SPSS拥有强大的辅助说明系统，可帮助用户学的更快。 2.强大的表格和图形功能。SPSS能清楚地显示用户的分析结果，可以提供16种表格格式。此外，它具有顶级图形分析功能，能给出各种有用的统计图形。作为分析的一部分，它能自动生成统计结果图形，还能独立于统计过程进行图形绘制和图形分析。 3.深入分析数据的功能。除了一般常见的描述统计和推断统计外，它还包括在基本分析中最受欢迎也是在市场调查中最常用的现代统计程序，如列联表分析、主成分分析、因子分析、判别及聚类分析。 二、SPSS在市场调查统计分析的应用模式 根据上述的SPSS技术的特点和市场调查统计分析的需要，可以将SPSS在市场调查实证研究中的应用模式分为以下几种类型： 1.统计描述应用模式 统计描述应用模式指在市场调查统计分析的过程中，借助SPSS统计功能将收集到的大量数据进行分析、综合、归纳、列表、绘图等处理工作。一般而言，统计描述主要分为三方面的内容：①单变量截面数据的描述；②相对数的统计描述；③双变量截面数据的描述。SPSS最常用于描述性分析的五个过程集中在DescriptiveStatistics菜单中，分别为：Frequencies过程；Descriptives过程；Explore过程；Crosstabs过程；Ratio过程。 统计描述应用模式不仅可以使研究者了解事物的性质，而且其统计量还是对事物进行推断统计的依据。 2.假设检验应用模式 在市场调查中，通常所关心的是总体的某些特征和分布规律，而问卷调查只可以考察总体的一部分或一个样本，统计推断和假设检验就是用样本去推断总体，实质上就是凭借概率理论用观察到的部分随机变量资料来推断总体随机变量的概率分布或数字特征，如期望值和方差等，并且作出具有一定可靠程度的估计和判断。 3.量表分析应用模式 客观世界是普遍联系的统一整体，事物之间存在着相互依存、相互制约、相互影响的关系。市场活动中的许多现象也不例外，也都有其产生的原因，都要受一定因素的制约，都是一定原因的必然结果。通过不同事物“量”的变化可以观察并测量出事物之间的相互关系、密切程度、因果关系、交互效应等。在市场调查中，量表分析应用模式主要指通过对不同因子之间的发展变化而揭示出因子之间关系结果的方式。量表分析主要包括以下几种分析：回归分析、聚类分析、判别分析、因子分析、相关分析、可靠性分析等。 三、应用案例 例如：一电器公司对某地区电冰箱的销售情况进行了市场调查，其中，年份、电冰箱销售量Y（千台）、新结婚户数X1（千户）、居民户均收入X2（千户）的资料如表1所示： 首先，分别对电冰箱销售量Y（千台）、新结婚户数X1（千户）、居民户均收入X2（千户）进行描述性统计分析，具体步骤如下： 1.运行SPSS，按Analyze→DescriptiveStatistics→Descriptives顺序打开Descriptives对话框； 2.选定Y、X1、X2变量送入Variable(s)栏中；选中Savestandardizedvaluesasvariables复选项，要求计算变量的标准化值，并保存在当前数据文件中； 3.单击Options按钮，打开对话框，选中Mean、Sum、Std.deviation、Minimum、Maximum、Range复选项； 4.在主对话框中单击OK按钮，提交运行。 输出结果如表2所示。此表中，从左到右看，分别为变量名称、观测量的频数、全距、最小值、最大值、和、均数以及标准差。 其次，分别考察Y变量与X1变量、X2变量的关系，对其进行相关分析，具体步骤如下： 1.运行SPSS，读取数据文件后按Analyze→Correlate→Bivariate顺序单击菜单项，展开对话框； 2.制定分析变量，选择源变量栏中的Y、X1、X2送入Variable(s)栏； 3.分别选择Person相关，One-tailed单尾t检验，选中Flagsignificantcorrelations复选项； 4.在主对话框中单击OK按钮，提交运行。 输出结果如表3所示。表3表在行变量与列变量的交叉单元格上市这两个变量的相关计算结果。自上而下三个统计量分别为：PersonCorrelation——皮尔逊相关系数；Sig.(1-tailed)——单尾t检验结果。对于相关系数为0的假设成立的概率；N为参与相关系数计算的有效观测量数。 表3显示，电冰箱销售量Y与新结婚户数X1、居民户均收入X2有着极强的正相关，皮尔逊相关系数分别高达0.943和0.993。 最后，从表3中可以看出电冰箱销售量Y同居民新结婚户数X1、居民户均收入X2有一定关系，可用二元线性回归预测法进行预测。具体步骤如下： 1.运行SPSS，读取数据文件后按Analyze→Regression→Linear顺序单击菜单项，展开对话框； 2.在左侧的源变量栏中选择变量Y（电冰箱销售量）作为因变量进入Dependent框中，选择X1（居民新结婚户数）、X2（居民户均收入）作为自变量进入Independent(s)框中； 3.在Method选择框中选择Stepwise（逐步回归）作为分析方式； 4.提交系统执行结果。 从输出的众多表格中选取表4（回归系数分析表）。其中，Model为回归方程模型编号，UnstandardizedCoefficients为非标准化回归系数，StandardizedCoefficients为标准化回归系数，t为偏回归系数为0的假设检验的t值，Sig.为偏回归系数为0的假设检验的显著性水平值。 表4显示，常数（Constant）、居民户均收入（X2）具有统计意义，而居民新结婚户数（X1）因显著性水平值（t=0.834＞0.5）较高而不具有统计意义。从表4中可以推出模型方程：Y=-20.771+1.387X2。若预计2006年该地区居民新婚户数为30.2千户，居民户均收入62.5千元，根据模型方程不难推出2006年电冰箱销售量Y=-20.771+1.387×62.5=65.92（千台）。上述案例为较简单的线性回归操作，实际上，多元线性回归操作包含了众多的知识和内容，较为复杂，本例从中提取出一般的规律性，便于快速学习和快速操作。 四、结语 综合上述SPSS技术的应用案例，SPSS技术在市场调查统计分析中应用的一般方法： 1.录入市场调查中的数据； 2.根据研究需要以及问题的性质确定出利用SPSS的相应的哪些统计功能； 3.调用SPSS的菜单功能得到相应的统计结果以及相应的图表； 4.根据统计结果和图表进行相关分析，为市场调查提供可靠的科学依据。 上述范例给出了如何利用SPSS技术来减少市场调查研究人员的统计工作量、提高研究结果准确性、可信性的一种工作方案。 总之，SPSS技术集数据录入、数据管理、统计分析、报表制作、图形绘制为一体，为市场调查的统计分析提供了有力的支持和实用的方法，是市场调查统计分析的良好工具。 ：）友情提示：20份的文件调查太少了，分析出来的结果不具有代表性啊。