第六章 matlab数据分析与功能函数.ppt

A = 1 3 4 2 B = 2.5000 2.5000 2.5000 2.5000 C=max(A,B) C = 2.5000 3.0000 4.0000 2.5000 D=max(A,3) D = 3 3 4 3 d．求矩阵所有元素的最大值 A=magic(4); max(max(A)) ans = 16 2 最小值求最小值函数是min，其用法和max完全相同。 A=[1,2,3,4]*[1 1 1 1] A = 1 1 1 1 2 2 2 2 3 3 3 3 4 4 4 4 sum(A) ans = 10 10 10 10 cumsum(A) ans = 1 1 1 1 3 3 3 3 6 6 6 6 10 10 10 10 sum(A,2) ans = 4 8 12 16 sum(sum(A)) ans = 40 cumsum(A,2) ans = 1 2 3 4 2 4 6 8 3 6 9 12 4 8 12 16 A=[1,2,3,4]*[1 1 1 1] A = 1 1 1 1 2 2 2 2 3 3 3 3 4 4 4 4 trapz(A) ans = 7.5000 7.5000 7.5000 7.5000 trapz(A,2) ans = 3 6 9 12 cumtrapz(A) ans = 0 0 0 0 1.5000 1.5000 1.5000 1.5000 4.0000 4.0000 4.0000 4.0000 7.5000 7.5000 7.5000 7.5000 cumtrapz(A,2) ans = 0 1 2 3 0 2 4 6 0 3 6 9 0 4 8 12 hist(X,n) 产生分割数为N份的直方图，默认值为10。 x = -4:0.1:4; y = randn(10000,1); hist(y,x) 6.2.3 多项式拟合 在解决实际问题的生产（或工程）实践和科学实验过程中，通常需要通过研究某些变量之间的函数关系来帮助我们认识事物的内在规律和本质属性，而这些变量之间的未知函数关系又常常隐含在从试验、观测得到的一组数据之中。因此，能否根据一组试验观测数据找到变量之间相对准确的函数关系就成为解决实际问题的关键。例如在工程实践和科学实验中，常常需要从一组试验观测数据(xi,yj)，i = 0,1……n之中找到自变量x与因变量y 之间的函数关系，一般可用一个近似函数y = f (x)来表示。函数y = f (x)的产生办法因观测数据和要求不同而异，通常可采用数据拟合与函数插值两种办法来实现。 6.2.4 自定义函数拟合 a 一元函数的非线性拟合 常用的函数命令为Lsqcurvefit和nlinfit，调用格式为 beta = nlinfit(x0,y0,@fun,beta0) beta=lsqcurvefit(@fun,beta0,x0,y0)； fun——编程者需要拟合的函数 x0——自变量向量 y0——因变量向量 beta0——函数系数的初始猜测值向量 beta——经拟合的系数向量  例 设想函数格式为 其中a，b，c为常系数。 Matlab命令如下 x0=[3.5 7.7 9.3 4.5 8.6 2.8 1.3 7.9 10.1 5.4];? %自变量 y0=[16.5 149.6 263.1 24.