下载文档原格式
Mathematica使用教程【Mathematica 简介】Mathematica 软件是由沃尔夫勒姆研究公司（Wolfram Research Inc.）研发的。
Mathematica 版发布于1988年6月23日。
发布之后，在科学、技术、媒体等领域引起了一片轰动，被认为是一个革命性的进步。
几个月后，Mathematica 就在世界各地拥有了成千上万的用户。
今天，Mathematica 已经在世界各地拥有了数以百万计的忠实用户。
Mathematica 已经被工业和教育领域被广泛地采用。
实际上，Mathematica 负责将高级的数学和计算引入了传统上非技术的领域，极大的增加了科技软件的市场。
一个包含应用、咨询、书籍、和课程软件的行业支持着国际化的 Mathematica 用户群，这个行业还在不断地膨胀。
随着沃尔夫勒姆研究公司不断地扩大和 Mathematica 的使用被不断地扩展到不同的领域，将会看到 Mathematica 在全世界范围内对未来产品、重要研究发现、和教学的巨大影响。
数学软件是现在科研工作者的必备的工具，个人比较喜欢用Mathematica，因为它是最接近数学语言的。
Mathematica 在15日发布，其最显著的变化是允许自由形式的英文输入，而不再需要严格按照Mathematica语法，这类似于Wolfram|Alpha搜索引擎。
Mathematica 8允许用户按照自己习惯的思考过程输入方程式或问题，最令人激动的部分是软件不是逐行执行命令，而是能理解上下文背景。
1. Enter your queries in plain English using new free-form linguistic input2. Access more than 10 trillion sets of curated, up-to-date, and ready-to-use data3. Import all your data using a wider array of import/export formats4. Use the broadest statistics and data visualization capabilities on the market5. Choose from a full suite of engineering tools, such as wavelets and control systems6. Use more powerful image processing and analysis capabilities7. Create interactive tools for rapid exploration of your ideas8. Develop faster and more powerful applicationsWolfram Research 的CEO 和创立者斯蒂芬·沃尔夫勒姆表示：“传统上，让计算机执行任务必须使用计算机语言或者使用点击式界面：前者要求用户掌握它的语法；而后者则限制了可访问函数的范围。
mathematica中数据拟合算符的用法在数据处理中常常设法用一个函数按照某种法则去描述一组数据，这就是数据拟合。
上面介绍的最小二乘法就是一种最常用的数据拟合方法。
mathematica中最基本的数据拟合算符是fit[ ] ,语法为fit[数据,拟合函数的基函数列表，变量]线性函数拟合的基函数为1，x ，n阶多项式拟合的基函数是1,x,x2,…xn。
例一册书的成本费y与印刷的册数x有关，统计数据如下：xi(千册) 1 2 3 4 5 6 7 8 9 10yi（元）10.15 5.52 4.08 2.85 2.11 1.62 1.41 1.30 1.21 1.15试用y=a+ 去拟合上述数据。
mathematica程序及运行结果如下：data={10.15,5.52,4.08,2.85,2.11,1.62,1.41,1.30,1.21,1.15};fit[data,{1,1/x},x]四、实验内容与要求1 画出实验问题的数据图，并粗略估计这些数据与什么类型的函数比较吻合？2 取经验公式为线性函数y＝ax＋b 按照最小二乘法的原理用mathematica编程解实验问题。
3 取经验公式为y＝ax＋b ＋c sin[ x]+d cos[ x] ,用mathematica中算符fit[]来求解实验问题，并与内容2的精度比较，对比实际情况，你能得出什么？五、操作提示12 拟合程序及运行结果如下：预测程序及运行结果如下：3 程序及运行结果如下：计算两种经验公式的精度可以看出第二种较好，这与客流量呈季节被动变动的实际情况吻合。
怎样用mathematica拟合二元函数？数据拟合由一组已知数据（xk，yk）（k=1，2，…，n），求函数的近似解析式y=f（x），就是数据拟合问题，当然函数还可以是多元的。
Mathematica提供了进行数据拟合的函数：Fit[data，funs，vars] 对数据data用最小二乘法求函数表funs中各函数的一个线性组合作为所求的近似解析式，其中vars是自变量或自变量的表。
Mathematica函数及使用方法(来源：北峰数模)--------------------------------------------------------------------- 注：为了对Mathematica有一定了解的同学系统掌握Mathematica的强大功能，我们把它的一些资料性的东西整理了一下，希望能对大家有所帮助。
---------------------------------------------------------------------一、运算符及特殊符号Line1; 执行Line，不显示结果Line1,line2 顺次执行Line1，2，并显示结果name 关于系统变量name的信息name 关于系统变量name的全部信息!command 执行Dos命令n! N的阶乘!!filename 显示文件内容< Expr>> filename 打开文件写Expr>>>filename 打开文件从文件末写() 结合率[] 函数{} 一个表<*Math Fun*> 在c语言中使用math的函数(*Note*) 程序的注释#n 第n个参数## 所有参数rule& 把rule作用于后面的式子% 前一次的输出%% 倒数第二次的输出%n 第n个输出var::note 变量var的注释"Astring " 字符串Context ` 上下文a+b 加a-b 减a*b或a b 乘a/b 除a^b 乘方base^^num 以base为进位的数lhs&&rhs 且lhs||rhs 或!lha 非++,-- 自加1，自减1+=,-=,*=,/= 同C语言>,<,>=,<=,==,!= 逻辑判断（同c）lhs=rhs 立即赋值lhs:=rhs 建立动态赋值lhs:>rhs 建立替换规则lhs->rhs 建立替换规则exprule 将规则rule应用于exprexpr..的无限精度数值E ...的无限精度数值Catalan ..卡塔兰常数EulerGamma ....高斯常数GoldenRatio ...黄金分割数Degree Pi/180角度弧度换算I 复数单位Infinity 无穷大-Infinity 负无穷大ComplexInfinity 复无穷大Indeterminate 不定式—————————————————————————————————————三、代数计算Expand[expr] 展开表达式Factor[expr] 展开表达式Simplify[expr] 化简表达式FullSimplify[expr] 将特殊函数等也进行化简PowerExpand[expr] 展开所有的幂次形式ComplexExpand[expr,{x1,x2...}] 按复数实部虚部展开FunctionExpand[expr] 化简expr中的特殊函数Collect[expr, x] 合并同次项Collect[expr, {x1,x2,...}] 合并x1,x2,...的同次项Together[expr] 通分Apart[expr] 部分分式展开Apart[expr, var] 对var的部分分式展开Cancel[expr] 约分ExpandAll[expr] 展开表达式ExpandAll[expr, patt] 展开表达式FactorTerms[poly] 提出共有的数字因子FactorTerms[poly, x] 提出与x无关的数字因子FactorTerms[poly, {x1,x2...}] 提出与xi无关的数字因子Coefficient[expr, form] 多项式expr中form的系数Coefficient[expr, form, n] 多项式expr中form^n的系数Exponent[expr, form] 表达式expr中form的最高指数Numerator[expr] 表达式expr的分子Denominator[expr] 表达式expr的分母ExpandNumerator[expr] 展开expr的分子部分ExpandDenominator[expr] 展开expr的分母部分TrigExpand[expr] 展开表达式中的三角函数TrigFactor[expr] 给出表达式中的三角函数因子TrigFactorList[expr] 给出表达式中的三角函数因子的表TrigReduce[expr] 对表达式中的三角函数化简TrigToExp[expr] 三角到指数的转化ExpToTrig[expr] 指数到三角的转化RootReduce[expr]ToRadicals[expr]—————————————————————————————————————四、解方程Solve[eqns, vars] 从方程组eqns中解出varsSolve[eqns, vars, elims] 从方程组eqns中削去变量elims,解出varsDSolve[eqn, y, x] 解微分方程，其中y是x的函数DSolve[{eqn1,eqn2,...},{y1,y2...},x]解微分方程组，其中yi是x的函数DSolve[eqn, y, {x1,x2...}] 解偏微分方程Eliminate[eqns, vars] 把方程组eqns中变量vars约去SolveAlways[eqns, vars] 给出等式成立的所有参数满足的条件Reduce[eqns, vars] 化简并给出所有可能解的条件LogicalExpand[expr] 用&&和||将逻辑表达式展开InverseFunction[f] 求函数f的逆函数Root[f, k] 求多项式函数的第k个根Roots[lhs==rhs, var] 得到多项式方程的所有根—————————————————————————————————————五、微积分函数D[f, x] 求f[x]的微分D[f, {x, n}] 求f[x]的n阶微分D[f,x1,x2..] 求f[x]对x1,x2...偏微分Dt[f, x] 求f[x]的全微分df/dxDt[f] 求f[x]的全微分dfDt[f, {x, n}] n阶全微分df^n/dx^nDt[f,x1,x2..] 对x1,x2..的偏微分Integrate[f, x] f[x]对x在的不定积分Integrate[f, {x, xmin, xmax}] f[x]对x在区间(xmin,xmax)的定积分Integrate[f, {x, xmin, xmax}, {y, ymin, ymax}] f[x,y]的二重积分Limit[expr, x->x0] x趋近于x0时expr的极限Residue[expr, {x,x0}] expr在x0处的留数Series[f, {x, x0, n}] 给出f[x]在x0处的幂级数展开Series[f, {x, x0,nx}, {y, y0, ny}]先对y幂级数展开，再对xNormal[expr] 化简并给出最常见的表达式SeriesCoefficient[series, n] 给出级数中第n次项的系数SeriesCoefficient[series, {n1,n2...}]'或Derivative[n1,n2...][f] 一阶导数InverseSeries[s, x] 给出逆函数的级数ComposeSeries[serie1,serie2...] 给出两个基数的组合SeriesData[x,x0,{a0,a1,..},nmin,nmax,den]表示一个在x0处x的幂级数，其中ai为系数O[x]^n n阶小量x^nO[x, x0]^n n阶小量(x-x0)^n—————————————————————————————————————八、数值函数N[expr] 表达式的机器精度近似值N[expr, n] 表达式的n位近似值，n为任意正整数NSolve[lhs==rhs, var] 求方程数值解NSolve[eqn, var, n] 求方程数值解，结果精度到n位NDSolve[eqns, y, {x, xmin, xmax}]微分方程数值解NDSolve[eqns, {y1,y2,...}, {x, xmin, xmax}]微分方程组数值解FindRoot[lhs==rhs, {x,x0}] 以x0为初值，寻找方程数值解FindRoot[lhs==rhs, {x, xstart, xmin, xmax}]NSum[f, {i,imin,imax,di}] 数值求和，di为步长NSum[f, {i,imin,imax,di}, {j,..},..] 多维函数求和NProduct[f, {i, imin, imax, di}]函数求积NIntegrate[f, {x, xmin, xmax}] 函数数值积分优化函数：FindMinimum[f, {x,x0}] 以x0为初值，寻找函数最小值FindMinimum[f, {x, xstart, xmin, xmax}]ConstrainedMin[f,{inequ},{x,y,..}]inequ为线性不等式组，f为x,y..之线性函数，得到最小值及此时的x,y..取值ConstrainedMax[f, {inequ}, {x, y,..}]同上LinearProgramming[c,m,b] 解线性组合在>=b&&x>=0约束下的最小值，x,b,c为向量,m为矩阵LatticeReduce[{v1,v2...}] 向量组vi的极小无关组数据处理：Fit[data,funs,vars]用指定函数组对数据进行最小二乘拟和data可以为{{x1,y1,..f1},{x2,y2,..f2}..}多维的情况emp: Fit[{,12,,}, {1, x, x^2,Sin[x]}, x]Interpolation[data]对数据进行差值,data同上，另外还可以为{{x1,{f1,df11,df12}},{x2,{f2,.}..}指定各阶导数InterpolationOrder默认为3次，可修改ListInterpolation[array]对离散数据插值，array可为n维ListInterpolation[array,{{xmin,xmax},{ymin,ymax},..}] FunctionInterpolation[expr,{x,xmin,xmax}, {y,ymin,ymax},..]以对应expr[xi,yi]的为数据进行插值Fourier[list] 对复数数据进行付氏变换InverseFourier[list] 对复数数据进行付氏逆变换Min[{x1,x2...},{y1,y2,...}]得到每个表中的最小值Max[{x1,x2...},{y1,y2,...}]得到每个表中的最大值Select[list, crit] 将表中使得crit为True的元素选择出来Count[list, pattern] 将表中匹配模式pattern的元素的个数Sort[list] 将表中元素按升序排列Sort[list,p] 将表中元素按p[e1,e2]为True的顺序比较list的任两个元素e1,e2,实际上Sort[list]中默认p=Greater集合论：Union[list1,list2..] 表listi的并集并排序Intersection[list1,list2..] 表listi的交集并排序Complement[listall,list1,list2...]从全集listall中对listi的差集—————————————————————————————————————九、虚数函数Re[expr] 复数表达式的实部Im[expr] 复数表达式的虚部Abs[expr] 复数表达式的模Arg[expr] 复数表达式的辐角Conjugate[expr] 复数表达式的共轭—————————————————————————————————————十、数的头及模式及其他操作Integer _Integer 整数Real _Real 实数Complex _Complex 复数Rational_Rational 有理数(*注：模式用在函数参数传递中，如MyFun[Para1_Integer,Para2_Real]规定传入参数的类型，另外也可用来判断If[Head[a]==Real,...]*) IntegerDigits[n,b,len] 数字n以b近制的前len个码元RealDigits[x,b,len] 类上FromDigits[list] IntegerDigits的反函数Rationalize[x,dx] 把实数x有理化成有理数，误差小于dxChop[expr, delta] 将expr中小于delta的部分去掉,dx默认为10^-10 Accuracy[x] 给出x小数部分位数,对于Pi,E等为无限大Precision[x] 给出x有效数字位数,对于Pi,E等为无限大SetAccuracy[expr, n] 设置expr显示时的小数部分位数SetPrecision[expr, n] 设置expr显示时的有效数字位数—————————————————————————————————————十一、区间函数Interval[{min, max}] 区间[min, max](* Solve[3 x+2==Interval[{-2,5}],x]*) IntervalMemberQ[interval, x] x在区间内吗IntervalMemberQ[interval1,interval2] 区间2在区间1内吗IntervalUnion[intv1,intv2...] 区间的并IntervalIntersection[intv1,intv2...] 区间的交—————————————————————————————————————十二、矩阵操作或Dot[a, b, c] 矩阵、向量、张量的点积Inverse[m] 矩阵的逆Transpose[list] 矩阵的转置Transpose[list,{n1,n2..}]将矩阵list 第k行与第nk列交换Det[m] 矩阵的行列式Eigenvalues[m] 特征值Eigenvectors[m] 特征向量Eigensystem[m] 特征系统，返回{eigvalues,eigvectors}LinearSolve[m, b] 解线性方程组==bNullSpace[m] 矩阵m的零空间，即[m]==零向量RowReduce[m] m化简为阶梯矩阵Minors[m, k] m的所有k*k阶子矩阵的行列式的值(伴随阵，好像是) MatrixPower[mat, n] 阵mat自乘n次Outer[f,list1,list2..] listi中各个元之间相互组合，并作为f的参数的到的矩阵Outer[Times,list1,list2]给出矩阵的外积SingularValues[m] m的奇异值，结果为{u,w,v},m=Conjugate[Transpose[u]].DiagonalMatrix[w].vPseudoInverse[m] m的广义逆QRDecomposition[m] QR分解SchurDecomposition[m] Schur分解LUDecomposition[m] LU分解—————————————————————————————————————十三、表函数(*“表”，我认为是Mathematica中最灵活的一种数据类型*)(*实际上表就是表达式，表达式也就是表，所以下面list==expr *)(*一个表中元素的位置可以用于一个表来表示*)表的生成{e1,e2,...} 一个表，元素可以为任意表达式，无穷嵌套Table[expr,{imax}] 生成一个表，共imax个元素Table[expr,{i, imax}] 生成一个表，共imax个元素expr[i] Table[expr,{i,imin,imax},{j,jmin,jmax},..] 多维表Range[imax] 简单数表{1,2,..,imax}Range[imin, imax, di] 以di为步长的数表Array[f, n] 一维表，元素为f[i] (i从1到n)Array[f,{n1,n2..}] 多维表，元素为f[i,j..] (各自从1到ni) IdentityMatrix[n] n阶单位阵DiagonalMatrix[list] 对角阵元素操作Part[expr, i]或expr[[i]]第i个元expr[[-i]] 倒数第i个元expr[[i,j,..]] 多维表的元expr[[{i1,i2,..}] 返回由第i(n)的元素组成的子表First[expr] 第一个元Last[expr] 最后一个元Head[expr] 函数头，等于expr[[0]]Extract[expr, list] 取出由表list制定位置上expr的元素值Take[list, n] 取出表list前n个元组成的表Take[list,{m,n}] 取出表list从m到n的元素组成的表Drop[list, n] 去掉表list前n个元剩下的表，其他参数同上Rest[expr] 去掉表list第一个元剩下的表Select[list, crit] 把crit作用到每一个list的元上，为True的所有元组成的表表的属性Length[expr] expr第一曾元素的个数Dimensions[expr] 表的维数返回{n1,n2..},expr为一个n1*n2...的阵TensorRank[expr] 秩Depth[expr] expr最大深度Level[expr,n] 给出expr中第n层子表达式的列表Count[list, pattern] 满足模式的list中元的个数MemberQ[list, form] list中是否有匹配form的元FreeQ[expr, form] MemberQ的反函数Position[expr, pattern] 表中匹配模式pattern的元素的位置列表Cases[{e1,e2...},pattern]匹配模式pattern的所有元素ei的表表的操作Append[expr, elem] 返回在表expr的最后追加elem元后的表Prepend[expr, elem] 返回在表expr的最前添加elem元后的表Insert[list, elem, n] 在第n元前插入elemInsert[expr,elem,{i,j,..}]在元素expr[[{i,j,..}]]前插入elemDelete[expr, {i, j,..}] 删除元素expr[[{i,j,..}]]后剩下的表DeleteCases[expr,pattern]删除匹配pattern的所有元后剩下的表ReplacePart[expr,new,n] 将expr的第n元替换为newSort[list] 返回list按顺序排列的表Reverse[expr] 把表expr倒过来RotateLeft[expr, n] 把表expr循环左移n次RotateRight[expr, n] 把表expr循环右移n次Partition[list, n] 把list按每n各元为一个子表分割后再组成的大表Flatten[list] 抹平所有子表后得到的一维大表Flatten[list,n] 抹平到第n层Split[list] 把相同的元组成一个子表，再合成的大表FlattenAt[list, n] 把list[[n]]处的子表抹平Permutations[list] 由list的元素组成的所有全排列的列表Order[expr1,expr2] 如果expr1在expr2之前返回1,如果expr1在expr2之后返回-1,如果expr1与expr2全等返回0Signature[list] 把list通过两两交换得到标准顺序所需的交换次数(排列数)以上函数均为仅返回所需表而不改变原表AppendTo[list,elem] 相当于list=Append[list,elem];PrependTo[list,elem] 相当于list=Prepend[list,elem];--—————————————————————————————————————十四、绘图函数二维作图Plot[f,{x,xmin,xmax}] 一维函数f[x]在区间[xmin,xmax]上的函数曲线Plot[{f1,f2..},{x,xmin,xmax}] 在一张图上画几条曲线ListPlot[{y1,y2,..}] 绘出由离散点对(n,yn)组成的图ListPlot[{{x1,y1},{x2,y2},..}] 绘出由离散点对(xn,yn)组成的图ParametricPlot[{fx,fy},{t,tmin,tmax}] 由参数方程在参数变化范围内的曲线ParametricPlot[{{fx,fy},{gx,gy},...},{t,tmin,tmax}]在一张图上画多条参数曲线选项：PlotRange->{0,1} 作图显示的值域范围AspectRatio->1/GoldenRatio生成图形的纵横比PlotLabel ->label 标题文字Axes ->{False,True} 分别制定是否画x,y轴AxesLabel->{xlabel,ylabel}x,y轴上的说明文字Ticks->None,Automatic,fun用什么方式画轴的刻度AxesOrigin ->{x,y} 坐标轴原点位置AxesStyle->{{xstyle}, {ystyle}}设置轴线的线性颜色等属性Frame ->True,False 是否画边框FrameLabel ->{xmlabel,ymlabel,xplabel,yplabel}边框四边上的文字FrameTicks同Ticks 边框上是否画刻度GridLines 同Ticks 图上是否画栅格线FrameStyle ->{{xmstyle},{ymstyle}设置边框线的线性颜色等属性ListPlot[data,PlotJoined->True] 把离散点按顺序连线PlotSytle->{{style1},{style2},..}曲线的线性颜色等属性PlotPoints->15 曲线取样点，越大越细致三维作图Plot3D[f,{x,xmin,xmax}, {y,ymin,ymax}]二维函数f[x,y]的空间曲面Plot3D[{f,s}, {x,xmin,xmax}, {y,ymin,ymax}]同上，曲面的染色由s[x,y]值决定ListPlot3D[array] 二维数据阵array的立体高度图ListPlot3D[array,shades]同上，曲面的染色由shades[数据]值决定ParametricPlot3D[{fx,fy,fz},{t,tmin,tmax}]二元数方程在参数变化范围内的曲线ParametricPlot3D[{{fx,fy,fz},{gx,gy,gz},...},{t,tmin,tmax}]多条空间参数曲线选项：ViewPoint ->{x,y,z} 三维视点，默认为{,,2}Boxed -> True,False 是否画三维长方体边框BoxRatios->{sx,sy,sz} 三轴比例BoxStyle 三维长方体边框线性颜色等属性Lighting ->True 是否染色LightSources->{s1,s2..} si为某一个光源si={{dx,dy,dz},color} color为灯色，向dx,dy,dz方向照射AmbientLight->颜色函数慢散射光的光源Mesh->True,False 是否画曲面上与x,y轴平行的截面的截线MeshStyle 截线线性颜色等属性MeshRange->{{xmin,xmax}, {ymin,ymax}}网格范围ClipFill->Automatic,None,color,{bottom,top}指定图形顶部、底部超界后所画的颜色Shading ->False,True 是否染色HiddenSurface->True,False 略去被遮住不显示部分的信息等高线ContourPlot[f,{x,xmin,xmax},{y,ymin,ymax}]二维函数f[x,y]在指定区间上的等高线图ListContourPlot[array] 根据二维数组array数值画等高线选项：Contours->n 画n条等高线Contours->{z1,z2,..} 在zi处画等高线ContourShading -> False 是否用深浅染色ContourLines -> True 是否画等高线ContourStyle -> {{style1},{style2},..}等高线线性颜色等属性FrameTicks 同上密度图DensityPlot[f,{x,xmin,xmax},{y,ymin,ymax}]二维函数f[x,y]在指定区间上的密度图ListDensityPlot[array] 同上图形显示Show[graphics,options] 显示一组图形对象，options为选项设置Show[g1,g2...] 在一个图上叠加显示一组图形对象GraphicsArray[{g1,g2,...}]在一个图上分块显示一组图形对象SelectionAnimate[notebook,t]把选中的notebook中的图画循环放映选项：(此处选项适用于全部图形函数)Background->颜色函数指定绘图的背景颜色RotateLabel -> True 竖着写文字TextStyle 此后输出文字的字体，颜色大小等ColorFunction->Hue等把其作用于某点的函数值上决定某点的颜色RenderAll->False 是否对遮挡部分也染色MaxBend 曲线、曲面最大弯曲度绘图函数（续）图元函数Graphics[prim, options]prim为下面各种函数组成的表，表示一个二维图形对象Graphics3D[prim, options]prim为下面各种函数组成的表，表示一个三维图形对象SurfaceGraphics[array, shades]表示一个由array和shade决定的曲面对象ContourGraphics[array]表示一个由array决定的等高线图对象DensityGraphics[array]表示一个由array决定的密度图对象以上定义图形对象，可以进行对变量赋值，合并显示等操作，也可以存盘Point[p] p={x,y}或{x,y,z}，在指定位置画点Line[{p1,p2,..}]经由pi点连线Rectangle[{xmin, ymin}, {xmax, ymax}] 画矩形Cuboid[{xmin,ymin,zmin},{xmax,ymax,zmax}]由对角线指定的长方体Polygon[{p1,p2,..}] 封闭多边形Circle[{x,y},r] 画圆Circle[{x,y},{rx,ry}] 画椭圆，rx,ry为半长短轴Circle[{x,y},r,{a1,a2}] 从角度a1～a2的圆弧Disk[{x, y}, r] 填充的园、椭圆、圆弧等参数同上Raster[array,ColorFunction->f] 颜色栅格Text[expr,coords] 在坐标coords上输出表达式PostScript["string"] 直接用PostScript图元语言写Scaled[{x,y,..}] 返回点的坐标，且均大于0小于1颜色函数(指定其后绘图的颜色)GrayLevel[level] 灰度level为0~1间的实数RGBColor[red, green, blue] RGB颜色，均为0~1间的实数Hue[h, s, b] 亮度，饱和度等，均为0~1间的实数CMYKColor[cyan, magenta, yellow, black] CMYK颜色其他函数(指定其后绘图的方式)Thickness[r] 设置线宽为rPointSize[d] 设置绘点的大小Dashing[{r1,r2,..}] 虚线一个单元的间隔长度ImageSize->{x, y} 显示图形大小(像素为单位)ImageResolution->r 图形解析度r个dpiImageMargins->{{left,right},{bottom,top}}四边的空白ImageRotated->False 是否旋转90度显示—————————————————————————————————————十五、流程控制分支If[condition, t, f] 如果condition为True,执行t段，否则f段If[condition, t, f, u] 同上，即非True又非False，则执行u段Which[test1,block1,test2,block2..] 执行第一为True的testi对应的blocki Switch[expr,form1,block1,form2,block2..]执行第一个expr所匹配的formi所对应的blocki段循环Do[expr,{imax}] 重复执行expr imax次Do[expr,{i,imin,imax}, {j,jmin,jmax},...]多重循环While[test, body] 循环执行body直到test为FalseFor[start,test,incr,body]类似于C语言中的for，注意"，"与";"的用法相反examp: For[i=1;t =x,i^2<10,i++,t =t+i;Print[t]]异常控制Throw[value] 停止计算，把value返回给最近一个Catch处理Throw[value, tag] 同上，Catch[expr] 计算expr,遇到Throw返回的值则停止Catch[expr, form] 当Throw[value, tag]中Tag匹配form时停止其他控制Return[expr] 从函数返回，返回值为exprReturn[ ] 返回值NullBreak[ ] 结束最近的一重循环Continue[ ] 停止本次循环，进行下一次循环Goto[tag] 无条件转向Label[Tag]处Label[tag] 设置一个断点Check[expr,failexpr] 计算expr,如果有出错信息产生，则返回failexpr的值Check[expr,failexpr,s1::t1,s2::t2,...]当特定信息产生时则返回failexpr CheckAbort[expr,failexpr]当产生abort信息时放回failexprInterrupt[ ] 中断运行Abort[ ] 中断运行TimeConstrained[expr,t] 计算expr，当耗时超过t秒时终止MemoryConstrained[expr,b]计算expr，当耗用内存超过b字节时终止运算交互式控制Print[expr1,expr2,...] 顺次输出expri的值examp: Print[ "X=" , X.},body]多自变量纯函数#，#n 纯函数的第一、第n个自变量## 纯函数的所有自变量的序列examp: ^& [2,3] 返回第一个参数的第二个参数次方映射Map[f,expr]或f/@expr 将f分别作用到expr第一层的每一个元上得到的列表Map[f,expr,level] 将f分别作用到expr第level层的每一个元上Apply[f,expr]或f@@expr 将expr的“头”换为fApply[f,expr,level] 将expr第level层的“头”换为fMapAll[f,expr]或f.}] 把f作用到expr[[{i,j,...}]]元上MapIndexed[f,expr] 类似MapAll,但都附加其映射元素的位置列表Scan[f, expr] 按顺序分别将f作用于expr的每一个元Scan[f,expr,levelspec] 同上，仅作用第level层的元素复合映射Nest[f,expr,n] 返回n重复合函数f[f[...f[expr]...]]NestList[f,expr,n] 返回0重到n重复合函数的列表{expr,f[expr],f[f[expr]]..} FixedPoint[f, expr] 将f复合作用于expr直到结果不再改变,即找到其不定点FixedPoint[f, expr, n] 最多复合n次，如果不收敛则停止FixedPointList[f, expr] 返回各次复合的结果列表FoldList[f,x,{a,b,..}] 返回{x,f[x,a],f[f[x,a],b],..}Fold[f, x, list] 返回FoldList[f,x,{a,b,..}]的最后一个元ComposeList[{f1,f2,..},x]返回{x,f1[x],f2[f1[x]],..}的复合函数列表Distribute[f[x1,x2,..]] f对加法的分配率Distribute[expr, g] 对g的分配率Identity[expr] expr的全等变换Composition[f1,f2,..] 组成复合纯函数f1[f2[..fn[ ]..]Operate[p,f[x,y]] 返回p[f][x, y]Through[p[f1,f2][x]] 返回p[f1[x],f2[x]]Compile[{x1,x2,..},expr]编译一个函数，编译后运行速度可以大大加快Compile[{{x1,t1},{x2,t2}..},expr] 同上，可以制定函数参数类型—————————————————————————————————————十七、替换规则lhs->rhs 建立了一个规则，把lhs换为rhs,并求rhs的值lhs:>rhs 同上，只是不立即求rhs的值，知道使用该规则时才求值Replace[expr,rules] 把一组规则应用到expr上，只作用一次expr /. rules 同上expr .}]综合各个规则，产生一组优化的规则组><Mathematica的常见问题><===================================1).Mathematica 可以定义变量为实数么1. 在Simplify/FullSimplify可以使用\[Element]，如Simplify[Re[a+b*I],a\[Element]Reals]2. 可以使用ComplexExpand[]来展开表达式，默认：符号均为实数：Unprotect[Abs];Abs[x_] := Sqrt[Re[x]^2 + Im[x]^2];ComplexExpand[Abs[a + b*I], a]3. 使用/:，对符号关联相应的转换规则x /: Im[x] = 0;x /: Re[x] = x;y /: Im[y] = 0;y /: Re[y] = y;Re[x+y*I]===================================2).Mathematica中如何中断运算Alt+. 直接终止当前执行的运算Alt+, 询问是否终止或者继续如果不能终止，用菜单Kernel\Quit Kernal\Local来退出当前运算===================================3).请高手推荐Mathematica参考书我迄今为止看到的最好的一本就是Mathematica自己带的帮助里面的The Mathematica Book，内容全面，循序渐近，非常容易学习使用。
第六章数值计算命令与例题数值问题由一组已知数据来求出一组结果数据，使得这两组数据之间满足预先制定的某种关系的问题，数值计算就是通过对数学问题解有效的近似处理去获得比较满意解的计算方法。
这里只介绍与数值计算中最基本方法的一些命令与例题。
6.1求近似函数在生产和实验中, 人们经常遇到需要通过某个未知(或复杂)的函数f(x)在有限个给定点的函数值:{x i, y i}, i=1,2,…., n, 这里f(x i) = y i 去获得函数f(x)的近似函数ϕ(x), 以便于处理涉及到f(x)的计算或其他处理问题, 这种求近似函数ϕ(x)的方法主要有拟合方法和插值方法。
一般, 曲线拟合是常用的拟合方法, 而插值方法常用的有多项式插值与分段插值方法, 在Mathematica 中它们都有相应的命令来获得相应的近似函数。
6.1.1 曲线拟合曲线拟合主要用来求一元近似函数, 它是根据一组函数值(通常是测量值或试验数据)去寻找描述相应函数关系的一种常用数据逼近方法, 是根据最小二乘原理的意义下获得近似函数的, 此近似函数具有在数据点处的误差平方和最小的特点。
通过拟合得到的函数关系通常称为经验公式, 该函数不必经过任何的数据点, 是实际函数的一种近似函数。
曲线拟合结果的好坏与选用什么类型的函数作为拟和曲线类型有关。
记函数集合:M=Span[ϕ0, ϕ1, ϕ2,…, ϕm]={ ϕ(x)| ϕ(x)= a 0 ϕ0(x)+a1ϕ1(x)+…+a mϕm(x), a i∈R}称集合M为函数ϕ0, ϕ1, ϕ2,…, ϕm张成的空间，m+1个函数ϕ0(x), ϕ1(x), ϕ2(x),…, ϕm(x)称为拟合基函数集合, 它们都是已知的函数。
拟合基函数集合不同对应不同的拟合函数类, 如果要用曲线拟合方法得到经验公式, 通常是先画出所给数据的散点图, 再根据散点图选择合适的拟和函数类型做曲线拟合。
应该注意的是:选择不同的拟合函数类会得到不同的拟合函数,拟合函数的好坏依赖于所选的拟合函数类,如果你知道的曲线类型多, 就容易获得满意的拟合函数。
六、用Mathematica 作曲线拟合举例1．用三次多项式对数据表{}{}{}{}{}1.001,1,1.9,4,3,9.2,4,15.9进行曲线拟合.d1 1.001,1, 1.9,4,3,9.2,4,15.91.00111.9439.2415.9Fit d1,1,x,x^2,x^3,x0.0813373x 30.215492x 22.18207x1.481762．对数据表{}{}{}{}{}1.001,1,1.9,4,3,9.2,4,15.9,(1)画散点图;(2)用二次多项式进行曲线拟合;(3)画出拟合曲线;(4)将散点图和拟合曲线放在一张图上观察拟合效果.d1 1.001,1, 1.9,4,3,9.2,4,15.91.00111.9439.2415.9st ListPlot d1,PlotStyle PointSize .02Graphicsnh Fit d1,1,x,x^2,x 0.82555x20.82101x0.618748nt Plot nh,x,1,4GraphicsShow st,ntGraphics3．对数据表{}{}{}{}{}1.001,1,1.9,4,3,9.2,4,15.9,(1)画散点图;(2)用一次多项式进行曲线拟合;(3)画出拟合曲线;(4)将散点图和拟合曲线放在一张图上观察拟合效果.d1 1.001,1, 1.9,4,3,9.2,4,15.91.00111.9439.2415.9st3ListPlot d1,PlotStyle Hue 0,PointSize .03Graphicsnh3Fit d1,1,x,x 4.95557x 4.74128nt3Plot nh3,x,1,5GraphicsShow st3,nt3Graphics4．当1,2,3,4,5,6x=时造函数sin x的函数表,用三次多项式进行曲线拟合. data4N Table Sin x ,x,1,60.841471,0.909297,0.14112,0.756802,0.958924,0.279415Fit data4,1,x,x^3,x^5,x0.00108081x50.0471705x30.114681x0.8506065.当0.2,0.4,0.6,0.8,1x=时,造函数ln sin x的函数表,(1)画散点图;(2)将散点图连点成折线;(3)以sin,sin2x x为基函数对该数据表进行曲线拟合;(4)画出拟合函数;(5)将散点图,折线和拟合曲线放在一张图上.data5Table x,Log Sin x,x,0.2,1.,0.20.2 1.616110.40.9431010.60.5715630.80.3321831.0.172604nh5Fit data5,1,Sin x,Sin2x,x1.39652sin x 0.940588sin 2x2.22709st5ListPlot data5,PlotStyle Hue.7,PointSize .03Graphicszx5=ListPlot[data5, PlotJoined -> True]GraphicsHue.9nt5Plot nh5,x,0,1,PlotStyleShow st5,zx5,nt5Graphics6. 为了测定刀具的磨损速度,我们这样做的实验:经过一定的时间t(如每隔一小时),测量一次刀具的厚度y,得到一组实测数据如下:t01234567y27.26.826.526.326.125.725.324.8试根据上面的实验数据用最小二乘法建立y和t之间的经验公式y=f(t).也就是说,要找出一个能使上述数据大体适合的函数关系.第一步画出数据表的散点图,以确定f(t)的类型.(*输入数据*)d0,27.0,1,26.8,2,26.5,3,26.3,4,26.1, 5,25.7,6,25.3,7,24.8;(*作出数据表的散点图*)st ListPlot d,PlotStyle Hue 0,PointSize .03Graphics由图可见,数据点大致在一条直线附近.可以认为f(t)是线性函数.因此设 f(t)=at+b第2步 构造偏差平方和Q a_,b_i 18d i,2a d i,1b 227.b 27ab24.826a b 25.325a b25.724ab26.123ab26.322ab26.52ab 26.82第3步 求出待定参数,a bSolveaQ a,b 0,bQ a,b 0,a,ba 0.303571,b27.125第4步写出拟合函数f t0.303571t27.1257. 用Fit对6题中的数据表分别进行直线拟合和抛物拟合,并比较那种拟合更好?(*输入数据*)d0,27.0,1,26.8,2,26.5,3,26.3,4,26.1, 5,25.7,6,25.3,7,24.8;(*作出数据表的散点图*)st ListPlot d,PlotStyle Hue 0,PointSize .03Graphics(*直接用Mathematica求出直线拟合函数*)nh t_Fit d,1,t,t27.1250.303571t(*直接用Mathematica求出抛物拟合函数*)nhp t_Fit d,1,t,t^2,t0.0232143t 20.141071t26.9625(*计算直线拟合nh的偏差平方和*)q18d k,2nh d k,12k10.108214(*计算抛物拟合nhp的偏差平方和*)q28d k,2nhp d k,12k10.0176786If q1q2,Print"直线拟合好",Print"抛物拟合好"抛物拟合好(*作出直线拟合函数的图形*)nt Plot nh t ,t,0,8Graphics(*作出抛物拟合函数的图形*)ntp Plot nhp t,t,0,8Graphics(*在同一坐标系中显示散点图和拟合曲线的图形*)Show st,nt,ntpGraphics8. 对6题中的数据表分别进行指数拟合和抛物拟合,并比较那种拟合更好?(*输入数据*)d0,27.0,1,26.8,2,26.5,3,26.3,4,26.1, 5,25.7,6,25.3,7,24.8;(*直接用Mathematica求出抛物拟合函数*)nhp t_Fit d,1,t,t^2,t0.0232143t20.141071t26.9625(*计算抛物拟合nhp的偏差平方和*)q18d k,2nhp d k,12k10.0176786Statistics`NonlinearFit`(*直接用Mathematica求出指数物拟合函数*)zsn t_NonlinearFit d,c E a b t ,t ,a,b,c0.954174 3.347670.0116052t(*计算指数拟合zsn的偏差平方和*)q28d k,2zsn d k,12k10.12244If q1q2,Print"抛物拟合好",Print"指数拟合好"抛物拟合好。
