MATLAB：函数与数值积分

一、数学函数图像的绘制

clc,clear
fh = @(x)2*exp(-x).*sin(x);
Xrange = [0,8];
gx = @(x)3*exp(-x)*0.8.*sin(x);
fplot(fh,Xrange,'r-*','LineWidth',1.5)
hold on
grid on 
fplot(gx,Xrange,'b-o','LineWidth',1.5)
axis([-0.5,8.5,-0.1,0.85])
legend('fh = @(x)2*exp(-x).*sin(x)','gx = @(x)3*exp(-x)*0.8.*sin(x)')
legend('boxoff')
title('fplot函数绘制示例')
xlabel('X')
ylabel('Y')

function y = eqsfun_fplot(x)y(:,1) = 200*sin(x)./x;y(:,2) = x.^2 - 3.5*x + 10;
end
clc,clear
fplot(@eqsfun_fplot,[-20,20],'LineWidth',1.5)
grid on
legend('y_1 = 200*sin(x)./x','y_2 = x.^2 - 3.5*x + 10')
legend('boxoff')

二、函数极值 

 一元函数极值

clc,clear
fh = @(x)x - 1./x + 5;
fplot(fh,[-10,10],'b-','LineWidth',1.5)
grid on
% fminbnd: Single-variable bounded nonlinear function minimization.
% exitflag > 0收敛到解，exitflag = 0已达最大迭代次数，exitflag < 0不收敛；
options = optimset('Display','iter','PlotFcns',@optimplotfval,'TolX',1e-6);
[x,fval,exitflag,output] = fminbnd(fh,-10,1,options)

 

fh_min = @(x)2*exp(-x).*sin(x); %最小值匿名函数
fh_max = @(x)-2*exp(-x).*sin(x); %最大值匿名函数，前加负号
[xmin,fmin,exitflag] = fminbnd(fh_min,0,8);
[xmax,fmax,exitflag] = fminbnd(fh_max,0,8);
fplot(fh_min,[0,8])
axis([0 8 -0.1 0.7]) %改变坐标轴的范围
text(xmin+0.1,fmin,['最小值点：',num2str(fmin)])
text(xmax+0.1,-fmax,['最大值点：',num2str(-fmax)])
hold on
plot(xmin,fmin,'ro', xmax,-fmax, 'bo')
grid on

 多元函数的极小值：

% [x,fval,exitflag,output] = fminsearch(@fh, x0, options)
% 此函数使用单纯型法搜索最值。其中𝒇𝒉为待求最值的向量函数，𝒙𝟎为搜索过程开始时自变量的初始值。
% [x,fval,exitflag,output,grad,hessian] = fminunc(@fh,x0 , options)
% 此函数使用牛顿法搜索最值，在效率上有所提高。% fh = @(x,y)(x.^2-2*x).*exp(-x.^2-y.^2-x.*y);
% fsurf(fh,'ShowContours','on')
x = -5:0.2:5;
y = -5:0.2:5;
[X,Y] = meshgrid(x,y);
Z = (X.^2-2*X).*exp(-X.^2-Y.^2-X.*Y);
mesh(X,Y,Z)
figure(2)
[c,h] = contour(X,Y,Z);
set(h,'ShowText','on')
grid onfh = @(x)(x(1).^2-2*x(1)).*exp(-x(1).^2-x(2).^2-x(1).*x(2));
options = optimset('Display','iter','PlotFcns',@optimplotfval,'TolX',1e-6);
[x,fval,exitflag,output] = fminsearch(fh,[0.5,-0.5],options)
% [x,fval,exitflag,output] = fminunc(fh,[0.5,-0.5],options)

三、函数求解 

单变量非线性函数求解：

clc,clear
fh = @(t)(sin(t)).^2.*exp(-0.1*t)-0.5*abs(t);
fplot(fh,[-5,5],'r-','LineWidth',1.5)
hold on 
grid on
fplot(@(t)0*t,[-5,5])
x0 = [-2,-0.5,0,0.5,1.6];  % 初值选择
sol = zeros(5,2);
for i = 1:5[t,y] = fzero(fh,x0(i));sol(i,1) = t;  % 零点sol(i,2) = y;  % 函数值
end
plot(sol(:,1),sol(:,2),'co','MarkerFaceColor','c')[t1,y1,exitflag,output] = fzero(fh,-2)

多元非线性函数求解：

options = optimoptions('fsolve','Display','iter','PlotFcn',@optimplotfirstorderopt,'StepTolerance',1e-12);
[x,fval,exitflag,output] = fsolve(@nlineqs_fun,[0,0,0],options)

四、数值积分 

 矩形区域积分：

fh = @(x)sin(x);
format long
I1 = quad(fh,0,pi/2)
I2 = quadl(fh,0,pi/2)
I3 = quadgk(fh,0,pi/2)
I4 = integral(fh,0,pi/2)
% quad,quadl精度低，在未来的matlab中会被移除

 

fh = @(x)exp(-0.5*x).*sin(x+pi/6);
fplot(fh,[0,3*pi])
I = integral(fh,0,3*pi,'RelTol',1e-8,'AbsTol',1e-12)
x = 0:pi/30:3*pi;
y = fh(x);
h = area(x,y);
h.FaceColor = [0 0.75 0.75];
hold on; 
grid on
fplot(fh,[0,3*pi],'r-','LineWidth',1.5)
axis([-0.5,3*pi+0.5,-0.2,0.8])

y1 = @(x)sin(x);
y2 = @(x)cos(x);
fplot(y1,[-1,2],'r-','LineWidth',1.5)
hold on
fplot(y2,[-1,2],'b-','LineWidth',1.5)
[x0,y0] = fzero(@(x)sin(x)-cos(x),[-0.5,1.5]);
x1 = -0.5:0.01:x0;
x2 = x0:0.01:1.5;
fill([x1,fliplr(x1)],[y1(x1),fliplr(y2(x1))],'c')
fill([x2,fliplr(x2)],[y2(x2),fliplr(y1(x2))],'c')fh = @(x)abs(cos(x)-sin(x));
S = integral(fh,-0.5,1.5)

可以计算广义积分、含参积分问题、含奇点积分、高震荡积分、不连续积分、分段函数积分、围道积分...

fh = @(x)exp(x.^2).*(x<=2) + 80./(4-sin(16*pi*x)).*(x>2);
I1 = integral(fh,0,4,'Waypoints',[2])
I2 = quadgk(fh,0,4,'Waypoints',[2])

 

fh = @(x)exp(x).*log(x);
I = integral(fh,0,1)

fh = @(x)x.^5.*exp(-x).*sin(5*x);
fplot(fh,[0,100],'r-','LineWidth',1.5)
%积分限中可以有inf，但必须快速收敛
[q,errbnd] = quadgk(fh,0,inf,'RelTol',1e-8,'AbsTol',1e-12)
I = integral(fh,0,inf,'RelTol',1e-8,'AbsTol',1e-12)

Waypoints = [-1-i 1-i 1+i -1+i -1-i];
plot(Waypoints);%绘制积分路径
xlabel('Real axis');
ylabel('Image axis');
axis([-1.5 1.5 -1.5 1.5]);
grid on;
%注意各点间使用直线连接
[Q,errbnd] = quadgk(@(z)1./(2*z - 1),-1-i,-1-i,'Waypoints',[1-i,1+i,-1+i])
[Q2,errbnd2] = quadgk(@(z)1./(2*z - 1),-1-i,-1-i,'Waypoints',Waypoints)
%使用这个的效果也是一样的，就是说始末点可以随便包不包含在Waypoints中
I = integral(@(z)1./(2*z - 1),-1-i,-1-i,'Waypoints',Waypoints)

fh = @(x,alpha)exp(-alpha.*x.^2).*sin(alpha.^2.*x);
alphai = 0:0.1:4;  % 对alpha分点
I = integral(@(x)fh(x,alphai),0,inf,'RelTol',1e-8,'AbsTol',1e-12,'ArrayValued',true);
plot(alphai,I,'r-','LineWidth',1.5)
grid on
title('I(alpha)与alpha的关系曲线')
xlabel('alpha')
ylabel('I(alpha)')
grid on

二重积分：

 

fh = @(x,y)exp(-x.^2/2).*sin(x.^2 + y);
I = integral2(fh,-2,2,-1,1,'RelTol',1e-10)

三重积分： 

fh = @(x,y,z)4*x.*z.*exp(-x.^2.*y-z.^2);
I = integral3(fh,0,1,0,pi,0,pi,'AbsTol',1e-8,'RelTol',1e-12)

向量化积分：

 fh2 = @(x)besselk(0,(1:10).^2*x.^0.5+1);I = integral(fh2,0,1,'ArrayValued',true)

离散数据积分：

trapezoid：通过梯形法计算近似积分

x = 0:pi/100:pi/2;
y = sin(x);
S1 = trapz(x,y)x = -3:0.01:3; 
y = -5:0.01:5; 
[X,Y] = meshgrid(x,y); 
Z = X.^2 + Y.^2;
mesh(X,Y,Z)
%trapz 先对x求积分以生成列向量。然后，y上的积分可将列向量减少为单个标量。
%trapz 稍微高估计确切答案680，因为f(x,y)是凸函数。
V1 = trapz(y,trapz(x,Z,2)) 
V2 = trapz(x,trapz(y,Z,1)) 

x = [0,2,4,5:9,10.5,11.5,12.5,14,16:24];
y = [20,25,30,35,40,50,155,92,60,62,60,43,59,140,120,68,60,80,55,65,20];
plot(x,y,'r-','LineWidth',1.5)
grid on
tf1 = trapz(x,y)
xi = 0:1/60:24;
yi = spline(x,y,xi);
hold on
plot(xi,yi,'b-','LineWidth',1.5)
tf2 = trapz(xi,yi)pp = spline(x,y); %三次样条插值生成插值点系数矩阵
fh = @(x)fnval(pp,x); %获得系数矩阵函数
tf = integral(fh,0,24) %采用一重积分函数

 

x = [1 1 1 1 1 2 2 2 2 2 3 3 3 3 3 4 4 4 4 4]*1000;
y = [1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5]*1000;
z = -[13.72 25.80 8.47 25.27 22.32 15.47 21.33 14.49 24.83 26.19 23.28...26.48 29.14 12.04 14.58 19.95 23.73 15.35 18.01 16.29];
hx = 1000:10:4000;
hy = 1000:10:5000;
[X,Y] = meshgrid(hx,hy);
Z = griddata(x,y,z,X,Y,'cubic');
mesh(X,Y,Z)
V1 = trapz(hy,trapz(hx,Z,2))
n = length(hx);
m = length(hy);
V2 = -10*10*(-5*Z(1,1)-5*Z(1,n)-5*Z(m,1)-5*Z(m,n)+2*(sum(Z(1,:)+Z(m,:))+sum(Z(:,1)+Z(:,n)))+4*sum(sum(Z)))/4

一般区域的二重积分：

fh = @(x,y)sqrt(10000-x.^2);
tic,I1 = quad2d(fh,-100,100,@(x)-sqrt(10000-x.^2),@(x)sqrt(10000-x.^2)),toc
tic,I2 = integral2(fh,-100,100,@(x)-sqrt(10000-x.^2),@(x)sqrt(10000-x.^2)),toc % 一般效率更高

 

fh = @(x,y)exp(sin(x)).*log(y);
tic,I1 = quad2d(fh,10,20,@(x)5*x,@(x)x.^2),toc
tic,I2 = integral2(fh,10,20,@(x)5*x,@(x)x.^2),toc

一般区域的三重积分： 

fh = @(x,y,z)x.*sin(y+z).*(x+z.^2);
xmin = 1;
xmax = 2;
ymin = @(x)sqrt(x); %y的下限
ymax = @(x)2*x; %y的上限
zmin = @(x,y)x.*y; %z的下限，是关于x和y的函数
zmax = @(x,y)2*x + y; %z的上限，是关于x和y的函数
q = integral3(fh,xmin,xmax,ymin,ymax,zmin,zmax)

fhy = @(y)2*y.*exp(-y.^2).*(integral(@(x)exp(-x.^2)./(y.^2+x.^2),-1,1))^2;
I = integral(fhy,0.2,1,'ArrayValued',true)

基本的蒙特卡洛积分法（Monte Carlo）：

fhm = @(x)(x(:,1).^4 - 8*x(:,1).*x(:,2) + 2*sin(x(:,2)) - 3);
n = 1000000;
x(:,1) = unifrnd(2,5,n,1);
x(:,2) = unifrnd(0,23,n,1);
ind = (x(:,2) >= 0 & (x(:,2) <= x(:,1).^2 - 2));
% 期望法
fhIm = (5-2)*(23-0)*sum(fhm(x(ind,:)))/nfh = @(x,y)(x.^4 - 8*x.*y + 2*sin(y) - 3);
fhI = integral2(fh,2,5,0,@(x)(x.^2-2),'RelTol',1e-10)

fh = @(x)(sqrt(x(:,1).*x(:,2)).*log(x(:,3)) + sin(x(:,4)./x(:,2)));
n = 1000000;
x(:,1) = unifrnd(1,2,1,n); %x1上下限
x(:,2) = unifrnd(1,6,1,n); %x2上下限
x(:,3) = unifrnd(1,24,1,n); %x3上下限
x(:,4) = unifrnd(2,98,1,n); %x4上下限
ind = (x(:,2) >= x(:,1) & x(:,2) <= 3*x(:,1)) &...(x(:,3) >= x(:,1).*x(:,2) & x(:,3) <= 2*x(:,1).*x(:,2)) &...(x(:,4) >= (x(:,1)+x(:,1).*x(:,3)) & x(:,4) <= (x(:,1)+2*x(:,1).*x(:,3)));
fnI = (2-1)*(6-1)*(24-1)*(98-2)*sum(fh(x(ind,:)))/n

等分布序列的蒙特卡洛积分法： 

 

fh = @(x)x(:,1).*sin(x(:,2)+x(:,3)).*(x(:,1)+x(:,3).^2);
n = 100000000;
data = bsxfun(@times, repmat(1:n,3,1),[sqrt(2);sqrt(3);sqrt(6)/3]);
data = mod(data,1);  % 剩下小数部分
x(:,1) = data(1,:)+1;
x(:,2) = 3*data(2,:)+1;
x(:,3) = 7*data(3,:)+1;
ind = (x(:,2)>=sqrt(x(:,1)) & x(:,2)<=2*x(:,1) & x(:,3)>=x(:,1).*x(:,2) & x(:,3)<=2*x(:,1)+x(:,2));
In = (2-1)*(4-1)*(8-1)*sum(fh(x(ind,:)))/n

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/765893.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

Docker之docker compose！！！！

Docker之docker compose！！！！

一、概述 是 Docker 官方提供的一款开源工具&#xff0c;主要用于简化在单个主机上定义和运行多容器 Docker 应用的过程。它的核心作用是容器编排&#xff0c;使得开发者能够在一个统一的环境中以声明式的方式管理多容器应用的服务及其依赖关系。 也就是说Docker Compose是一个…
阅读更多...
基于ssm的农家乐管理系统+数据库+论文+免费远程调试

基于ssm的农家乐管理系统+数据库+论文+免费远程调试

开发环境 项目编号:JavaMySQL ssm231农家乐管理系统-民宿-餐饮-房间预定-vue 开发语言&#xff1a;Java 开发工具:IDEA /Eclipse 数据库:MYSQL5.7 应用服务:Tomcat7/Tomcat8 使用框架:ssmvue 项目介绍: ssm的农家乐管理系统。Javaee项目。采用M&#xff08;model&#xff09;V…
阅读更多...
jenkins构建完成后部署到本机，无法读取容器外文件夹

jenkins构建完成后部署到本机，无法读取容器外文件夹

项目背景&#xff1a; Dockerjenkins 构建完成后&#xff0c;要把打包的dist文件夹内容移动到网站目录 /www/wwwroot/xxxxxx 文件夹下&#xff1b;但是获取不到jenkins容器外的文件夹。 解决办法&#xff1a; 在容器中&#xff0c;添加挂载/映射本机目录&#xff0c;把网站…
阅读更多...
【保姆级教程】YOLOv8目标检测：训练自己的数据集

【保姆级教程】YOLOv8目标检测：训练自己的数据集

一、YOLOV8环境准备 1.1 下载安装最新的YOLOv8代码 仓库地址&#xff1a; https://github.com/ultralytics/ultralytics1.2 配置环境 pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple二、数据准备 2.1 安装labelme标注软件 pip install label…
阅读更多...
React系列 之 React进阶 含源码解读 （一）事件合成、state原理

React系列 之 React进阶 含源码解读 （一）事件合成、state原理

资料来源&#xff1a;掘金课程 https://juejin.cn/book/6945998773818490884?enter_fromcourse_center&utm_sourcecourse_center 记录一些笔记 事件合成 React的事件其实是React重新实现的一套事件系统。目标是统一管理事件&#xff0c;提供一种跨浏览器一致性的事件处…
阅读更多...
5G智能网关助力工业铸造设备监测升级

5G智能网关助力工业铸造设备监测升级

随着物联网技术的迅猛发展和工业4.0浪潮的推进&#xff0c;传统工业正面临着严峻的转型升级压力。在这一背景下&#xff0c;铸造行业——这一典型的传统重工业领域&#xff0c;也必须积极探索借助5G、物联网、边缘计算等技术提升生产经营效率的新路径。 本文就基于佰马合作伙伴…
阅读更多...
【技巧】ChatGPT Prompt 提示语大全

【技巧】ChatGPT Prompt 提示语大全

转载请注明出处&#xff1a;小锋学长生活大爆炸[xfxuezhang.cn] 主要来自&#xff1a;https://github.com/f/awesome-chatgpt-prompts ChatGPT SEO提示 Contributed by: StoryChief AI Reference: 7 Powerful ChatGPT Prompts to Create SEO Content Faster 供稿人&#xff1a;…
阅读更多...
链表oj测试题（上）

链表oj测试题（上）

链表的申明&#xff1a; struct ListNode {int val;struct ListNode* next; }; 1.题1 删除指定元素 例如&#xff1a;链表1 2 6 3 4 5 6&#xff0c;然后选择删除元素6&#xff0c;返回的链表为1 2 3 4 5 。 代码演示&#xff1a; typedef struct ListNode ListNode;List…
阅读更多...
Spark与flink计算引擎工作原理

Spark与flink计算引擎工作原理

Spark是大批量分布式计算引擎框架&#xff0c;scale语言开发的&#xff0c;核心技术是弹性分布式数据集&#xff08;RDD&#xff09;可以快速在内存中对数据集进行多次迭代&#xff0c;支持复杂的数据挖掘算法及图形计算算法&#xff0c;spark与Hadoop区别主要是spark多个作业之…
阅读更多...
什么是行业垂直类媒体？有哪些？怎么邀约

什么是行业垂直类媒体？有哪些？怎么邀约

传媒如春雨&#xff0c;润物细无声&#xff0c;大家好&#xff0c;我是51媒体胡老师。 行业垂直类媒体是聚焦于特定行业或领域的媒体平台。 行业垂直类媒体不同于主流媒体&#xff0c;它们专注于提供与某个特定领域相关的深入内容和服务&#xff0c;例如商业新闻、旅游、数字…
阅读更多...
能拍英语的搜题软件？九个免费好用的大学生搜题工具 #经验分享#知识分享#其他

能拍英语的搜题软件？九个免费好用的大学生搜题工具 #经验分享#知识分享#其他

积极参加社团活动和实践项目&#xff0c;可以帮助大学生拓宽人脉圈和锻炼实际操作能力。 1.粉鹿搜题 这是一个公众号 搜题拥有非常强大的题库&#xff0c;包含IT认证、建筑工程:、会计资格、教师资格、研究生、公务员等类型的题目。 下方附上一些测试的试题及答案 1、BPR基…
阅读更多...
Qt 利用共享内存实现一次只能启动一个程序(单实例运行)

Qt 利用共享内存实现一次只能启动一个程序(单实例运行)

Qt 利用共享内存实现一次只能启动一个程序 文章目录 Qt 利用共享内存实现一次只能启动一个程序摘要利用共享内存实现一次只能启动一个程序示例代码 关键字&#xff1a; Qt、 unique、 单一、 QSharedMemory、 共享内存 摘要 今天接着在公司搞我的屎山代码&#xff0c;按照…
阅读更多...
[MAUI]集成高德地图组件至.NET MAUI Blazor项目

[MAUI]集成高德地图组件至.NET MAUI Blazor项目

文章目录 前期准备&#xff1a;注册高德开发者并创建 key登录控制台创建 key获取 key 和密钥 创建项目创建JS API Loader配置权限创建定义创建模型创建地图组件创建交互逻辑 项目地址 地图组件在手机App中常用地理相关业务&#xff0c;如查看线下门店&#xff0c;设置导航&…
阅读更多...
LeetCode 热题 100 | 堆（二）

LeetCode 热题 100 | 堆（二）

目录 1 什么是优先队列 1.1 优先队列与堆的关系 1.2 如何定义优先队列 1.3 如何使用优先队列 1.4 如何设置排序规则 2 347. 前 K 个高频元素 2.1 第 2 步的具体实现 2.2 举例说明 2.3 完整代码 3 215. 数组中的第 K 个最大元素 - v2 菜鸟做题&#xff0c;语…
阅读更多...
Shell学习

Shell学习

一、 变量 shell是弱类型语言&#xff0c;不用定义数据类型&#xff0c;默认都是字符串。 变量与值之间不得有空格 只能包含数字、字母、下划线 不能以数字开头 区分大小写 根据变量的作用域可以将shell变量分为&#xff1a;全局变量、局部变量、环境变量。全局变量通常和…
阅读更多...
app自动化测试怎么学？

app自动化测试怎么学？

app测试的主要内容有那些 1、功能测试 : 查看功能是否正常&#xff0c;主要针对每一个功能点进行一一测试&#xff0c;主要核心就是把验证的每个测试点都满足需求的对应功能&#xff0c;验证标准就是让预期结果和实际结果保持一致。 2、安装卸载测试&#xff1a;首先要测试的…
阅读更多...
【Linux】从零认识进程 — 中下篇

【Linux】从零认识进程 — 中下篇

送给大家一句话&#xff1a; 人一切的痛苦&#xff0c;本质上都是对自己无能的愤怒。而自律&#xff0c;恰恰是解决人生痛苦的根本途径。—— 王小波 从零认识进程 1 进程优先级1.1 什么是优先级1.2 为什么要有优先级1.3 Linux优先级的特点 && 查看方式1.4 其他概念 2…
阅读更多...
深度解析深度学习中的长短期记忆网络（LSTM）（含代码实现）

深度解析深度学习中的长短期记忆网络（LSTM）（含代码实现）

在深度学习中&#xff0c;长短期记忆网络&#xff08;LSTM&#xff09;是一种强大的循环神经网络结构&#xff0c;能够更好地处理长序列数据并减轻梯度消失的问题。本文将介绍LSTM的工作原理&#xff0c;并使用PyTorch实现一个简单的LSTM模型来展示其在自然语言处理中的应用。 …
阅读更多...
MongoDB完全开发手册（一篇学会MongoDB所有知识点）

MongoDB完全开发手册（一篇学会MongoDB所有知识点）

目录 一、MongoDB 基础 1.1 、MongoDB 是什么&#xff1f; 1.2、 MongoDB 的存储结构是什么&#xff1f; 1.3 、文档 1.4 、集合 1.5 、数据库 1.6、 MongoDB 有什么特点&#xff1f; 1.7、 MongoDB 适合什么应用场景&#xff1f; 二、MongoDB 存储引擎 2.1 、MongoDB…
阅读更多...
Autosar Crypto Interface学习笔记

Autosar Crypto Interface学习笔记

文章目录 前言Functional specificationError classificationError detection API specificationType DefinitionsFunction definitionsGeneral APICryIf_InitCryIf_GetVersionInfo Job Processing InterfaceCryIf_ProcessJobDispatch Key IDs匹配KeyId Job Cancellation Inter…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023