第7章 符号计算——7.10 符号分析可视化

简介: 第7章 符号计算——7.10 符号分析可视化

7.10  符号分析可视化


MATLAB的符号数学工具箱为符号函数可视化提供了一组简便易用的指令。本节着重介绍两个进行数学分析的可视化界面,即图示化符号函数计算器界面(由指令funtool引出)和泰勒级数逼近分析界面(由指令taylortool引出)。


7.10.1  funtool分析界面


对于习惯使用计算器或者只做一些简单的符号运算与图形处理的读者,MATLAB提供的图示化符号函数计算器是一个较好的选择。该计算器功能虽简单,但操作方便,可视性强。

进入funtool分析界面的方法是在MATLAB命令行窗口中输入funtool命令。在命令行窗口中输入:

funtool

弹出如图7-1所示的funtool分析界面。

2337ae6d195bdfb78a26e4b06a32fb8d_640_wx_fmt=png&wxfrom=5&wx_lazy=1&wx_co=1.png

7-1  funtool分析界面


funtool分析界面由两个图形窗口(fg)与一个函数运算控制窗口(funtool)组成。在任何时候,两个图形窗口只有一个处于激活状态。

函数运算控制窗口中的任何操作都只能对被激活的函数图形窗口起作用,即被激活的函数图像可随运算控制窗口的操作而做相应的变化。

1)第1排按键只对f起作用,如求导、积分、简化、提取分子和分母、计算1/f及求反函数。

2)第2排按键处理函数f和常数a之间的加、减、乘、除等运算。

3)第3排的前4个按键对两个函数fg之间进行算术运算;第5个按键求复合函数;第6个按键的功能是把f函数传递给g;最后一个按键swap用于实现fg的互换。

4)第4排按键用于对计算器自身进行操作。funtool计算器有一张函数列表fxlist。这7个按键的功能依次如下。

● Insert:把当前激活窗的函数写入列表。

● Cycle:依次循环显示fxlist中的函数。

● Delete:从fxlist列表中删除激活窗的函数。

● Reset:使计算器恢复到初始调用状态。

● Help:获得关于界面的在线提示说明。

● Demo:自动演示。

● Close:关闭对话框。


7-35funtool符号函数运算示例。

在命令行窗口中输入:

funtool

funtool窗口的f函数右侧的文本输入框中输入sin(2*x),按Enter键,完成f函数的设置。f函数的图像如图7-2所示。

63802eb7f410e0729a9a846e0c02967a_640_wx_fmt=png&wxfrom=5&wx_lazy=1&wx_co=1.png

7-2  sin(2x)函数图像

funtool窗口的g函数右侧的文本输入框中输入cos(x)+sin(x),完成g函数的设置。g函数的图像如图7-3所示。

b94d380b802581e2359f76837ec195d1_640_wx_fmt=png&wxfrom=5&wx_lazy=1&wx_co=1.png

7-3  cos(x)+sin(x)函数图像

设置完成的funtool如图7-4所示。

4de471cef051feaa36f4dfc165e686fb_640_wx_fmt=png&wxfrom=5&wx_lazy=1&wx_co=1.png

7-4  funtool分析界面的参数设置


下面计算f函数与g函数的乘积。单击funtool中第3排第3个按钮,完成函数的乘积,乘积的函数图像显示在f窗口中,如图7-5所示。

f6f96f02b720a8a0669c647350dd3595_640_wx_fmt=png&wxfrom=5&wx_lazy=1&wx_co=1.png

7-5  sin(2x)(cos(x)+sin(x))函数图像


计算f函数与g函数的复合函数。单击funtool中第3排第5个按钮,完成复合函数f(g),复合函数图像显示在f窗口中,如图7-6所示。

9d44ba19e2843cd528d7cd48ff55667a_640_wx_fmt=png&wxfrom=5&wx_lazy=1&wx_co=1.png

7-6  复合函数图像



7.10.2  taylortool分析界面


在命令行窗口中输入:

taylortool

弹出如图7-7所示的taylortool分析界面。该界面用于观察函数f(x)在给定区间内被N阶泰勒多项式TN(x)逼近的情况。

49517b1cb37eef2ebb8b152bee918a65_640_wx_fmt=png&wxfrom=5&wx_lazy=1&wx_co=1.png

7-7 taylortool分析界面

函数f(x)的输入方式有两种:直接由指令taylortool(fx)引入;在界面的f(x)栏中直接输入表达式,然后按Enter键输入。

界面中N被默认设置为7,可以用其右侧的加减按钮改变阶次,也可以直接写入阶次。

界面中的a是级数的展开点,默认值为0

函数的观察区被默认设置为(-2π,2π)


7-36taylortool符号函数运算示例。

在命令行窗口中输入:

taylortool

Taylor Tool图形框f(x)右侧的文本框中输入1+exp(x)N的值采用默认值7,求解函数1+ex的泰勒展开。展开以后的图形如图7-8所示。

09a7f8bf52c0a24f7eb439d58300fd98_640_wx_fmt=png&wxfrom=5&wx_lazy=1&wx_co=1.png

7-8  1+e x0点的泰勒展开


在图形区可以看到函数的泰勒展开为:

TN(x)=x+x2 /2+x3 /6+x4 /24+x5 /120+x6 /720+…+2

下面来对函数1+ex进行4次方展开,并且在1处对函数进行4次方展开,展开的结果分别如图7-9和图7-10所示。

d9340f64544901c590f92997224d3b67_640_wx_fmt=png&wxfrom=5&wx_lazy=1&wx_co=1.png

7-9  1+ex0点的4次方泰勒展开

920ae45faab9c7c80d75dd28d7b40fb3_640_wx_fmt=png&wxfrom=5&wx_lazy=1&wx_co=1.png

7-10  1+e x1处的4次方泰勒展开




本章小结


本章介绍了MATLAB中的符号计算功能,主要讲解了符号对象及符号表达式的创建、运算及精度;符号表达式的显示、合并、展开、嵌套、分解及化简;符号表达式的替换;符号函数的复合函数和反函数操作;符号表达式的极限、微分、积分、级数求和及泰勒级数展开;符号函数的傅里叶变换、拉普拉斯变换及Z变换;符号代数方程求解;符号微分方程求解;符号分析的可视化过程。

通过本章的讲解,能够使读者掌握MATLAB所提供的符号计算和分析功能,为后面的学习打下基础,方便读者学习和理解MATLAB在数值计算及信号分析领域的应用。


相关文章
|
数据挖掘
16 最小二乘法 - 数据分析的瑞士军刀
16 最小二乘法 - 数据分析的瑞士军刀
43 0
|
6月前
|
数据可视化 数据挖掘 计算机视觉
【数据分析与可视化】Scipy中常用函数及线性代数基本运算讲解(附源码 超详细)
【数据分析与可视化】Scipy中常用函数及线性代数基本运算讲解(附源码 超详细)
111 0
|
4月前
|
数据可视化 数据挖掘 数据处理
深度挖掘!Python 数据分析中 Matplotlib 与 Seaborn 的隐藏功能,让数据可视化更出彩!
【7月更文挑战第23天】在Python数据分析中,Matplotlib与Seaborn是关键的可视化工具。Matplotlib提供深度自定义,如调整轴刻度和网格,支持多子图布局。Seaborn基于Matplotlib,简化美观图表生成,内置主题与调色板,适用于复杂统计图形如小提琴图和成对关系图,且无缝集成Pandas数据框。掌握这些库的高级功能,能显著提升数据可视化效果,助力数据分析决策。
46 4
|
5月前
|
数据可视化 SDN Python
广义曼德勃罗特集的探索与交互式可视化
这篇文章介绍了如何使用Python和matplotlib库创建广义曼德勃罗特集的交互式可视化。作者探讨了曼德勃罗特集的基本概念,包括其自相似性和复杂边界,并扩展到广义集合,其中幂运算指数可以是任意复数。通过提供的Python代码示例,读者可以学习如何绘制并实现鼠标驱动的放大缩小功能,从而深入探索这个数学结构的细节。文章鼓励读者修改指数以观察不同形态,并提供了相关参考资料链接。
|
4月前
|
机器学习/深度学习 算法 Java
矩阵运算在数据分析中的应用
矩阵运算在数据分析中的应用
|
6月前
|
分布式计算 数据可视化 数据库
R语言进行相关矩阵分析及其可视化
R语言进行相关矩阵分析及其可视化
|
6月前
|
机器学习/深度学习 监控 数据可视化
Scikit-learn与可视化:让机器学习结果更直观
【4月更文挑战第17天】本文探讨了如何使用Scikit-learn和可视化工具使机器学习结果更直观。Scikit-learn作为Python的开源机器学习库,结合Matplotlib、Seaborn等可视化库,便于数据探索、模型训练过程监控及结果展示。通过示例代码,展示了数据探索的pairplot、模型训练准确率曲线的绘制以及聚类结果的散点图,强调了可视化在提升模型理解度和应用普及性上的作用。随着可视化技术进步,机器学习将变得更直观易懂。
|
6月前
|
分布式计算 数据可视化 数据挖掘
R语言进行相关矩阵分析及其网络可视化
R语言进行相关矩阵分析及其网络可视化
|
6月前
|
存储 数据可视化 算法
【数据分析与可视化】Scipy中的优化、数据拟合及稀疏矩阵处理(超详细 附源码)
【数据分析与可视化】Scipy中的优化、数据拟合及稀疏矩阵处理(超详细 附源码)
193 0
|
数据挖掘 Serverless
第6章 数据分析——6.4 函数数值积分
第6章 数据分析——6.4 函数数值积分