数据分析-MATLAB相关算法

数据分析-MATLAB相关算法一．非线性方程求解

1．二分法

m文件：

function[c,err,yc]=bisect(f,a,b,delta)

%f是所要求解的函数

%a,b是区间的左右限

%delta是误差界

%c是近似解

%yc是函数f在c上的值，err为误差

if nargin<4

delta=1e-5;

end

ya=feval('f',a);

yb=feval('f',b);

if yb==0

c=b,return,end

if ya*yb>0,

disp('(a,b)不是有根区间');

return,end

max1=1+round((log(b-a)-log(delta))/log(2));

for k=1:max1

c=(a+b)/2;

yc=feval('f',c);

if yc==0

a=c;

b=c;

break,

elseif yb*yc>0

b=c;

yb=yc;

else

a=c;

ya=c;

end

if (b-a)

break,

end

k,c=(a+b)/2,err=abs(b-a),yc=feval('f',c); end

2.不动点迭代

m文件

function[p0,k,err,p]=fixpt(g,p0,tol.max1) %g是给定的迭代函数

%p0是初值

%p是不动点的近似值

P(1)=p0;

for k=2:max1

P(k)=feval('g',P(k-1));

k,err=abs(P(k)-P(k-1))

p=P(k);

if (err

break;end

if k==max1

disp('超过了迭代最大次数;

end

end

P

选定的迭代函数：

function y=g(x)

y=sin(x)/x;

二．方阵的特征值与特征向量

1幂法

function [m xbiaozhi]=mifa(A,jingdu,cishu)

%幂法求矩阵最大特征值，其中

%m为绝对值最大的特征值，x为对应最大特征值的特征向量%biaozhi表明迭代是否成功

if nargin<3

cishu=100;

end

if nargin<2

jingdu=1e-5;

end

n=length(A);

x=ones(n,1);

biaozhi='迭代失败！';

k=0;m1=0;

while k<=cishu

v=A*x;

[vmax,k]=max(abs(v));

m=v(k);

x=v/m;

if abs(m-m1)

biaozhi='迭代成功！';break; end

m1=m;

k=k+1;

end

三．常微分方程求解

1.改进欧拉法解微分方程

function yout=gaijinoula(f,x0,y0,xn,n)

%定义输入输出

x=zeros(1,n+1);y=zeros(1,n+1);

x(1)=x0;y(1)=y0;

h=(xn-x0)/n;

for i=1:n

x(i+1)=x(i)+h;

z0=y(i)+h*feval(f,x(i),y(i));

y(i+1)=y(i)+(feval(f,x(i),y(i))+feval(f,x(i+1),z0))*h/2; end

shuchu=[x',y']

fprintf(' x(i) y(i)')

举例：

所要求解的函数:

function Dy=f(x,y)

Dy=x+y;

2.四阶龙格库塔法解微分方程

functionyout=xin(bianliang)

%定义输入输出

clear all

x0=0;xn=1;y0=1;h=0.1;

%设置初始值、区间和步长

[y,x]=lgkt4j(x0,xn,y0,h);

%四阶龙格库塔法

n=length(x);

fprintf(' i x(i) y(i)\n');

%输出格式

for i=1:n

fprintf('%2d %3.3f %4.4f\n',i,x(i),y(i)); end

function[y,x]=lgkt4j(x0,xn,y0,h)

x=x0:h:xn;

%设置区间

n=length(x);

y1=x;

y1(1)=y0;

for i=1:n

K1=f(x(i),y1(i));

K2=f(x(i)+h/2,y1(i)+h/2*K1);

K3=f(x(i)+h/2,y1(i)+h/2*K2);

K4=f(x(i)+h,y1(i)+h*K3);

y1(i+1)=y1(i)+h/6*(K1+2*K2+2*K3+K4);

end

y=y1;

举例：

function Dy=f(x,y)

Dy=y-2*x/y;

执行结果为：

i x(i) y(i)

1 0.000 1.0000

2 0.100 1.0954

3 0.200 1.1832

4 0.300 1.2649

5 0.400 1.3416

6 0.500 1.4142

7 0.600 1.4832

8 0.700 1.5492

9 0.800 1.6125

10 0.900 1.6733

11 1.000 1.7321

四．插值法

1拉格朗日插值

function[c,l]=lglr(x,y)

%x为n个节点的横坐标组成的向量，y为纵坐标组成的向量%c为插值函数的系数组成的向量

%输出为差值多项式的系数

w=length(x);

n=w-1;

l=zeros(w,w);

for k=1:n+1

v=1;

for j=1:n+1

if k~=j

v=conv(v,poly(x(j)))/(x(k)-x(j));

end

end

l(k,:)=v;

end

c=y*l;

五．数据拟合

1.最小二乘拟合

functionc=zxrc(x,y,m)

%x是数据点横坐标，y数据点纵坐标

%m要构造的多项式的系数，c是多项式由高到低的系数所组成的向量n=length(x);

b=zeros(1:m+1);

f=zeros(n,m+1);

for k=1:m+1

f(:,k)=x'.^(k-1);

end

a=f'*f;

b=f'*y';

c=a\b;

c=flipud(c);

六．矩阵相关程序

1.求矩阵的行列式

function d=hanglieshi(a)

%求任意输入矩阵的行列式

clear all;

a=input('输入矩阵a=');

d=1;

n=size(a); %方阵的行（或者列）数

for k=1:n-1

e=a(k,k); %设矩阵的主元

fori=k:n %求出矩阵的全主元

forj=k:n

if abs(a(i,j))>e

e=a(i,j);

p=i;

q=j;

else c=0;

end

end

end

for j=k:n %行交换

t=a(k,j);

a(k,j)=a(p,j);

a(p,j)=t;

end

if p~=k %判断行列式是否换号

d=d*(-1);

else d=d;

end

for i=k:n %列交换

t=a(i,k);

a(i,k)=a(i,q);

a(i,q)=t;

end

if q~=k %判断行列式是否换号

d=d*(-1);

else d=d;

end

if a(k,k)~=0

for i=k+1:n %消元

r=a(i,k)/a(k,k);

for j=k+1:n

a(i,j)=a(i,j)-r*a(k,j); end

end

else d=d;

end

end

for i=1:n%求行列式

d=d*a(i,i);

end

disp('矩阵a的行列式为：')

d

2.矩阵的换行

function c=huanhang(a)

%实现矩阵换行

clear all;

a=input('输入矩阵a='); [m,n]=size(a);

for j=1:n

t=a(1,j);

a(1,j)=a(2,j);

a(2,j)=t;

end

c=a;

disp('换行后矩阵a变为：')

c

3.列主元消元法解方程function d=jiefang(a)

%列主元消元法解方程

clear all;

a=input('输入矩阵a='); [row,column]=size(a);

fori=1:column%每一列的列标

m(i)=i;

s(i)=0;

x(i)=0;

end

for k=1:row-1%最后一行不用比较e=a(k,k);

p=k;

q=k;

fori=k:row

forj=k:column-1

ifabs(a(i,j))>abs(e)

e=a(i,j);

p=i;

q=j;

else c=0;

end

end

end

t=m(k); %换列标记

m(k)=m(q);

m(q)=t;

for i=1:row %列交换

t=a(i,k);

a(i,k)=a(i,q);

a(i,q)=t;

end

for j=k:column %行变换

t=a(k,j);

a(k,j)=a(p,j);

a(p,j)=t;

end

ifa(k,k)==0 %消元

disp('非唯一解')

else for i=k+1:row

r=a(i,k)/a(k,k);

for j=k:column

a(i,j)=a(i,j)-r*a(k,j); end

end

end

end

ifa(row,row)==0

disp('非唯一解')

s(row)=a(row,column)/a(row,row); s(row)

q=m(row);

x(q)=s(row);

for i=row-1:1

for j=i+1:row

s(i)=s(i)+a(i,j)*x(i);

end

s(i)=[a(i,column)-s(i)]/a(i,i);

q=m(i);

x(q)=s(i);

end

end

for i=1:row

x(i)

end

end

4.两矩阵相乘

function d=chengfa(A,B)

% 实现两个矩阵相乘

A=input('输入矩阵A=');

B=input('输入矩阵B=')

[m n]=size(A);

[nb p]=size(B);

C=zeros(m,p);

if n~=nb

disp('不满足矩阵相乘条件') else for i=1:m

for j=1:p

d=0;

for k=1:n

d=d+A(i,k)*B(k,j);

end

C(i,j)=d;

end

end

disp('矩阵AB结果为：')

C

End

5.矩阵元素最大值及下标

function d=xunzhuyuan(a)

%求一个矩阵的最大元素及其下标

clear all;

a=input('输入矩阵a=');

e=a(1,1); %设e=a(1,1)为最大元素 p=1;

q=1;

[m,n]=size(a);

for i=1:m

for j=1:n

if abs(a(i,j))>e

e=a(i,j);

p=i;

q=j;

else c=0;

end

end

end

disp('最大元素为:')

d=a(p,q)

disp('最大元素所在的行为:')

p

disp('最大元素所在的列为:')

q

end

6. 矩阵元素最大值及下标

function d=zuidazhi(A)

%求矩阵的最大元素及其下标

clear all;

A=input('输入矩阵A=');

B=A'; %转置

[a,r]=max(A); %求出矩阵A每一列的最大值和每列最大值所在的行数[maxV,column]=max(a); %最大元素及其所在的列

[b,c]=max(B);

[maxV1,row]=max(b);%最大元素及其所在的行

disp('矩阵A的最大元素为：')

maxV

disp('矩阵A最大元素所在的列为：')

column

disp('矩阵A最大元素所在的行为：')

matlab在统计数据的描述性分析的应用

统计数据的描述性分析 一、实验目的 熟悉在matlab中实现数据的统计描述方法，掌握基本统计命令：样本均值、样本中位数、样本标准差、样本方差、概率密度函数pdf、概率分布函数df、随机数生成rnd。 二、实验内容 1 、频数表和直方图 数据输入,将你班的任意科目考试成绩输入 >> data=[91 78 90 88 76 81 77 74]; >> [N,X]=hist(data,5) N = 3 1 1 0 3 X = 75.7000 79.1000 82.5000 85.9000 89.3000 >> hist(data,5)

2、基本统计量 1) 样本均值 语法: m=mean(x) 若x 为向量，返回结果m是x 中元素的均值； 若x 为矩阵，返回结果m是行向量，它包含x 每列数据的均值。 2) 样本中位数 语法: m=median(x) 若x 为向量，返回结果m是x 中元素的中位数； 若x 为矩阵，返回结果m是行向量，它包含x 每列数据的中位数3) 样本标准差 语法:y=std(x) 若x 为向量，返回结果y 是x 中元素的标准差； 若x 为矩阵，返回结果y 是行向量，它包含x 每列数据的标准差

std(x)运用n-1 进行标准化处理，n是样本的个数。 4) 样本方差 语法：y=var(x); y=var(x,1) 若x 为向量，返回结果y 是x 中元素的方差； 若x 为矩阵，返回结果y 是行向量，它包含x 每列数据的方差 var(x)运用n-1 进行标准化处理（满足无偏估计的要求），n 是样本的个数。var(x,1)运用n 进行标准化处理，生成关于样本均值的二阶矩。 5) 样本的极差（最大之和最小值之差） 语法：z= range(x) 返回结果z是数组x 的极差。 6) 样本的偏度 语法：s=skewness(x) 说明：偏度反映分布的对称性，s>0 称为右偏态，此时数据位于均值右边的比左边的多；s<0,情况相反；s 接近0 则可认为分布是对称的。 7) 样本的峰度 语法：k= kurtosis(x) 说明：正态分布峰度是3，若k 比3 大得多，表示分布有沉重的尾巴，即样本中含有较多远离均值的数据，峰度可以作衡量偏离正态分布的尺度之一。 >> mean(data) ,

MATLAB数据分析与多项式计算(M)

第7章 MATLAB数据分析与多项式计算 6.1 数据统计处理 6.2 数据插值 6.3 曲线拟合 6.4 离散傅立叶变换 6.5 多项式计算 6.1 数据统计处理 6.1.1 最大值和最小值 MATLAB提供的求数据序列的最大值和最小值的函数分别为max 和min，两个函数的调用格式和操作过程类似。 1．求向量的最大值和最小值 求一个向量X的最大值的函数有两种调用格式，分别是： (1) y=max(X)：返回向量X的最大值存入y，如果X中包含复数元素，则按模取最大值。 (2) [y,I]=max(X)：返回向量X的最大值存入y，最大值的序号存入I，如果X中包含复数元素，则按模取最大值。 求向量X的最小值的函数是min(X)，用法和max(X)完全相同。 例6-1 求向量x的最大值。 命令如下： x=[-43,72,9,16,23,47]; y=max(x) %求向量x中的最大值 [y,l]=max(x) %求向量x中的最大值及其该元素的位置 2．求矩阵的最大值和最小值 求矩阵A的最大值的函数有3种调用格式，分别是： (1) max(A)：返回一个行向量，向量的第i个元素是矩阵A的第i 列上的最大值。 (2) [Y,U]=max(A)：返回行向量Y和U，Y向量记录A的每列的最大值，U向量记录每列最大值的行号。 (3) max(A,[],dim)：dim取1或2。dim取1时，该函数和max(A)完全相同；dim取2时，该函数返回一个列向量，其第i个元素是A矩阵的第i行上的最大值。 求最小值的函数是min，其用法和max完全相同。

例6-2 分别求3×4矩阵x中各列和各行元素中的最大值，并求整个矩阵的最大值和最小值。 3．两个向量或矩阵对应元素的比较 函数max和min还能对两个同型的向量或矩阵进行比较，调用格式为： (1) U=max(A,B)：A,B是两个同型的向量或矩阵，结果U是与A,B 同型的向量或矩阵，U的每个元素等于A,B对应元素的较大者。 (2) U=max(A,n)：n是一个标量，结果U是与A同型的向量或矩阵，U的每个元素等于A对应元素和n中的较大者。 min函数的用法和max完全相同。 例6-3 求两个2×3矩阵x, y所有同一位置上的较大元素构成的新矩阵p。 6.1.2 求和与求积 数据序列求和与求积的函数是sum和prod，其使用方法类似。设X是一个向量，A是一个矩阵，函数的调用格式为： sum(X)：返回向量X各元素的和。 prod(X)：返回向量X各元素的乘积。 sum(A)：返回一个行向量，其第i个元素是A的第i列的元素和。 prod(A)：返回一个行向量，其第i个元素是A的第i列的元素乘积。 sum(A,dim)：当dim为1时，该函数等同于sum(A)；当dim为2时，返回一个列向量，其第i个元素是A的第i行的各元素之和。 prod(A,dim)：当dim为1时，该函数等同于prod(A)；当dim为2时，返回一个列向量，其第i个元素是A的第i行的各元素乘积。 例6-4 求矩阵A的每行元素的乘积和全部元素的乘积。 6.1.3 平均值和中值 求数据序列平均值的函数是mean，求数据序列中值的函数是median。两个函数的调用格式为： mean(X)：返回向量X的算术平均值。 median(X)：返回向量X的中值。

Matlab对采样数据进行频谱分析

使用Matlab对采样数据进行频谱分析 1、采样数据导入Matlab 采样数据的导入至少有三种方法。 第一就是手动将数据整理成Matlab支持的格式，这种方法仅适用于数据量比较小的采样。 第二种方法是使用Matlab的可视化交互操作，具体操作步骤为：File --> Import Data，然后在弹出的对话框中找到保存采样数据的文件，根据提示一步一步即可将数据导入。这种方法适合于数据量较大，但又不是太大的数据。据本人经验，当数据大于15万对之后，读入速度就会显著变慢，出现假死而失败。 第三种方法，使用文件读入命令。数据文件读入命令有textread、fscanf、load 等，如果采样数据保存在txt文件中，则推荐使用 textread命令。如 [a,b]=textread('data.txt','%f%*f%f'); 这条命令将data.txt中保存的数据三个三个分组，将每组的第一个数据送给列向量a，第三个数送给列向量b，第二个数据丢弃。命令类似于C语言，详细可查看其帮助文件。文件读入命令录入采样数据可以处理任意大小的数据量，且录入速度相当快，一百多万的数据不到20秒即可录入。强烈推荐！ 2、对采样数据进行频谱分析 频谱分析自然要使用快速傅里叶变换FFT了，对应的命令即 fft ，简单使用方法为：Y=fft(b,N)，其中b即是采样数据，N为fft数据采样个数。一般不指定N，即简化为Y=fft(b)。Y即为FFT变换后得到的结果，与b的元素数相等，为复数。以频率为横坐标，Y数组每个元素的幅值为纵坐标，画图即得数据b的幅频特性；以频率为横坐标，Y数组每个元素的角度为纵坐标，画图即得数据b的相频特性。典型频谱分析M程序举例如下： clc fs=100; t=[0:1/fs:100]; N=length(t)-1;%减1使N为偶数 %频率分辨率F=1/t=fs/N p=1.3*sin(0.48*2*pi*t)+2.1*sin(0.52*2*pi*t)+1.1*sin(0.53*2*pi*t)... +0.5*sin(1.8*2*pi*t)+0.9*sin(2.2*2*pi*t); %上面模拟对信号进行采样，得到采样数据p，下面对p进行频谱分析 figure(1) plot(t,p); grid on title('信号 p(t)'); xlabel('t') ylabel('p')

Matlab大数据处理

Matlab大数据处理2：硬盘访问.mat文件 分类：Matlab Hack2013-09-08 20:16 146人阅读评论(0) 收藏举报Matlab程序中经常要访问.mat文件，通常在作法是用load函数直接加载.mat文件。如果.mat文件非常大，超过了系统可用内存的时候该怎么办呢？Matlab2013b为提供了matfile函数，matfile函数可以通过索引直接访问.mat文件中的Matlab变量，而无需将.mat文件加载入内存。 matfile有两种用法： m = matfile(filename)，用文件名创建matfile对象，通过这个对象可以直接访问mat文件中的matlab变量。 m = matfile(filename,'Writable',isWritable)，isWritable开启或关闭文件写操作。 使用示例： 1. 向mat文件中写入变量 x = magic(20); m = matfile('myFile.mat'); % 创建一个指向myFile.mat的matfile对象 m.x = x; % 写入x m.y(81:100,81:100) = magic(20); % 使用坐标索引

2. 加载变量 filename = 'topography.mat'; m = matfile(filename); topo = m.topo; %读取变量topo [nrows,ncols] = size(m,'stocks'); %读取stocks变量的size avgs = zeros(1,ncols); for idx = 1:ncols avgs(idx) = mean(m.stocks(:,idx)); end 3. 开启写权限 filename = 'myFile.mat'; m = matfile(filename,'Writable',true); 或者 m.Properties.Writable = true;

第6章matlab数据分析与多项式计算_习题答案

第6章 MATLAB数据分析与多项式计算 习题6 一、选择题 1．设A=[1,2,3,4,5;3,4,5,6,7]，则min(max(A))的值是（）。B A．1 B．3 C．5 D．7 2．已知a为3×3矩阵，则运行mean(a)命令是（）。B A．计算a每行的平均值 B．计算a每列的平均值 C．a增加一行平均值 D．a增加一列平均值 3．在MATLAB命令行窗口输入下列命令： >> x=[1,2,3,4]; >> y=polyval(x,1); 则y的值为（）。 D A．5 B．8 C．24 D．10 4．设P是多项式系数向量，A为方阵，则函数polyval(P,A)与函数polyvalm(P,A)的值（）。D A．一个是标量，一个是方阵 B．都是标量 C．值相等 D．值不相等 5．在MATLAB命令行窗口输入下列命令： >> A=[1,0,-2]; >> x=roots(A); 则x(1)的值为（）。 C A．1 B．-2 C． D． 6．关于数据插值与曲线拟合，下列说法不正确的是（）。A A．3次样条方法的插值结果肯定比线性插值方法精度高。 B．插值函数是必须满足原始数据点坐标，而拟合函数则是整体最接近原始数据点，而不一定要必须经过原始数据点。 C．曲线拟合常常采用最小二乘原理，即要求拟合函数与原始数据的均方误差达到极小。 D．插值和拟合都是通过已知数据集来求取未知点的函数值。 二、填空题 1．设A=[1,2,3;10 20 30;4 5 6]，则sum(A)= ，median(A)= 。 [15 27 39]，[4 5 6[ 2．向量[2,0,-1]所代表的多项式是。2x2-1 3．为了求ax2+bx+c=0的根，相应的命令是（假定a、b、c已经赋值）。为了

实验一数据处理方法MATLAB实现

实验一数据处理方法的MATLAB实现 一、实验目的 学会在MATLAB环境下对已知的数据进行处理。 二、实验方法 1. 求取数据的最大值或最小值。 2. 求取向量的均值、标准方差和中间值。 3．在MATLAB环境下，对已知的数据分别进行曲线拟合和插值。 三、实验设备 1．586以上微机，16M以上内存，400M硬盘空间，2X CD-ROM 2．MATLAB5.3以上含CONTROL SYSTEM TOOLBOX。 四、实验内容 1．在MATLAB环境下，利用MATLAB控制系统工具箱中的函数直接求取数据的最大值或最小值，以及向量的均值、标准方差和中间值。 2．在MATLAB环境下，选择合适的曲线拟合和插值方法，编写程序，对已知的数据分别进行曲线拟合和插值。 五、实验步骤 1. 在MATLAB环境下，将已知的数据存到数据文件mydat.mat中。 双击打开Matlab，在命令窗口（command window）中，输入一组数据：实验一数据处理方法的MATLAB实现 一、实验目的 学会在MATLAB环境下对已知的数据进行处理。 二、实验方法 1. 求取数据的最大值或最小值。 2. 求取向量的均值、标准方差和中间值。 3．在MATLAB环境下，对已知的数据分别进行曲线拟合和插值。 三、实验设备 1．586以上微机，16M以上内存，400M硬盘空间，2X CD-ROM 2．MATLAB5.3以上含CONTROL SYSTEM TOOLBOX。 四、实验内容

1．在MATLAB环境下，利用MATLAB控制系统工具箱中的函数直接求取数据的最大值或最小值，以及向量的均值、标准方差和中间值。 2．在MATLAB环境下，选择合适的曲线拟合和插值方法，编写程序，对已知的数据分别进行曲线拟合和插值。 五、实验步骤 1. 在MATLAB环境下，将已知的数据存到数据文件mydat.mat中。 双击打开Matlab，在命令窗口（command window）中，输入一组数据： x=[1,4,2,81,23,45] x = 1 4 2 81 2 3 45 单击保存按钮，保存在Matlab指定目录（C:\Program Files\MATLAB71）下，文件名为“mydat.mat”。 2. 在MATLAB环境下，利用MATLAB控制系统工具箱中的函数直接求取数据的最大值或最小值，以及向量的均值、标准方差和中间值。 继续在命令窗口中输入命令： （1）求取最大值“max（a）”； >> max(x) ans = 81 （2）求取最小值“min（a）”； >> min(x) ans = 1 （3）求取均值“mean（a）”； >> mean(x) ans =

基于MATLAB的EXCEL数据计算与分析

基于MATLAB的EXCEL数据计算与分析 潜刘方 摘要：再怎么样希望先看摘要，阅读本文需要一定的MA TLAB基础知识，不需要excel相关知识。结合本人近期工作上的需要测量计算，想偷懒就选择了利用MATLAB偷懒，于是便有了本文。本文首先利用MA TLAB读取数据，计算，将数据写入excel，然后花了很大的精力来根据实际需要画图，最后将图保存在excel所在的文件夹下。这个m文件可谓花了我不少的时间和精力。最后根据m文件的不足（不能将图形输入到excel文档当中），进一步弥补这不足，就有了exlink（也叫excel link），在网上搜索了相关的知识，发现很多关于exlink 的培训，觉得实在可笑，所以就将exlink的使用写的比较详细，以供读者自行分析体会。关键字：MATLAB excel exlink 接口 一、前沿 MATLAB是一款应用在各个领域的数学软件，最初叫做矩阵实验室，专用于矩阵的运算，后来的版本再各个领域都得到了很好的应用，比如：通信、电力电子、电机控制、运动控制、计算机控制、自动控制，DSP数字信号处理。但是MATLAB对于数据的处理与可视化是很多软件所不能及的。 EXCEL作为办公必备软件，能对简单数据分析计算与作图分析，但是处理复杂数据显得力不从心，比如三维作图就无法利用EXCEL作出；EXCEL本身的函数远远没有MATLAB 多，MATLAB作为数据有其独特的优势，集成了很多数学函数，包括数据拟合差值等。MATLAB 可以从EXCEL中读取数据，经过相关运算之后又可以将数据写入EXCEL，假如需要重复性的对excel可以利用MATLAB编写函数，每次只要运行MATLAB程序就可以完成，大大节省时间和精力。 另外，MATLAB还有与EXCEL的接口，叫做EXLINK，运用这个接口可以在excel中完成MATLAB函数的调用，还能传送数据给MATLAB，从MATLAB当中读取数据，从MATLAB 当中读取图形，使用方便，操作简单。 二、基于MATLAB的数据分析 数据分析操作流程主要分为三步：第一步，从excel中读取数据；第二部：利用MATLAB 大量函数对数据分析处理；第三步：将分析结果写入excel中。在整个过程中，不需要打开excel软件，操作十分方便，每次操作唯一要做就是修改excel所在的目录及文件名。主要函数如下（具体使用方法可在MATLAB命令窗口输入help +函数名查看）：Xlsread 从excel中读数据 Xlswrite 向excel中邪数据 num2str 将数字转换为字符串 strncmp 字符串比较 polyfit 数据拟合 polyval 具体数值代入求值 plot 作图

第6章MATLAB数据分析与多项式计算_习题答案

第6章MATLAB数据分析与多项式计算 习题6 一、选择题 1．设A=[1,2,3,4,5;3,4,5,6,7]，则min(max(A))的值是（）。B A．1B．3C．5D．7 2．已知a为3×3矩阵，则运行mean(a)命令是（）。B A．计算a每行的平均值B．计算a每列的平均值 C．a增加一行平均值D．a增加一列平均值 3．在MATLAB命令行窗口输入下列命令： >>x=[1,2,3,4]; >>y=polyval(x,1); 则y的值为（）。D A．5B．8C．24D．10 4．设P是多项式系数向量，A为方阵，则函数polyval(P,A)与函数polyvalm(P,A)的值（）。D A．一个是标量，一个是方阵B．都是标量 C．值相等D．值不相等 5．在MATLAB命令行窗口输入下列命令： >>A=[1,0,-2]; >>x=roots(A); 则x(1)的值为（）。C A．1B．-2C．1.4142D．-1.4142 6．关于数据插值与曲线拟合，下列说法不正确的是（）。A A．3次样条方法的插值结果肯定比线性插值方法精度高。 B．插值函数是必须满足原始数据点坐标，而拟合函数则是整体最接近原始数据点，而不一定要必须经过原始数据点。 C．曲线拟合常常采用最小二乘原理，即要求拟合函数与原始数据的均方误差达到 极小。 D．插值和拟合都是通过已知数据集来求取未知点的函数值。 二、填空题 1．设A=[1,2,3;102030;456]，则sum(A)=，median(A)=。 [152739]，[456[ 2．向量[2,0,-1]所代表的多项式是。2x 2-1

2 3 ．为 了求a x +b x +c =0的根，相应的命令是（假定a 、b 、c 值）。为了 将求得的根代回方程进行验证，相应的命令是。 x=roots([a,b,c])，polyval([a,b,c],x) 4．如果被插值函数是一个单变量函插值，相应的MATLAB 函数 是。一维，interp1 5．求曲线拟合多项式系数的函数是，计算多项式在给定点上函数值的函数 是。polyfit ，polyval 三、应用题 1．利用M A T L A B 提供的r a n d n 函数生 成符合 正态分 布的10× 5随A ，进行如下 操作： （1）A 各列元素的均值和标。 （2）A 的最大元素和最小元素。 （3）求A 每行元素的和以及全部元素之和。 （4对A 的每列元素按升序、每行元素按降序排序。 第一题: (1): A=randn(10,5) B=mean(A) C=std(A) (2): mx=max(max(A)) mn=min(min(A)) (3): sm=sum(A,2) sz=sum(sum(A)) (4): [Y,I]=sort(A,1) [Z,J]=sort(A,2)； rot90(Z,1)'%旋转90度后，再转置便可得到每行按降序排列 2．已知多项式P1(x)=3x+2，P2(x)=5x 2-x+2，P3(x)=x 2-0.5，求： （1）P(x)=P 1(x)P2(x)P3(x)。 （2）P(x)=0的全部根。 （3）计算x i =0.2i(i=0，1，2，?，10)各点上的P(x i )。 第二题： (1): p1=[0,3,2]; p2=[5,-1,2]; 2