今天我们继续学习matlab中的应用微积分
求导（微分）
1、数值微分
n维向量x=(xi，x,… x)的差分定义为n-1维向量△x=(X2-X1，X3-X2，…，Xn- Xn-1)。
diff(x)
如果x是向量，返回向量x的差分如果x是矩阵，则按各列作差分。
diff(x,k)
k阶差分，即差分k次。
原理：
函数f(x)在点x= xo的导数为：
代码为：
clear;
定义x,y
x=[1 1.1 1.2 1.3]; y=x.^3;
标准答案
3*x.^2
ans =
3.0000 3.6300 4.3200 5.0700
差分做法
dy=diff(y)/diff(x)
dy =
3.3100 3.9700 4.6900我们看出差分法做导数求近似解的误差较大，是因为原式中△x是无限趋近于0的。
而此差分法的精度仅为0.1，故误差较大，在一般求导过程中，我们不会使用此方法，而是使用matlab中其他内置函数。
2、数值梯度微分
Fx=gradient(F,x)
返回向量F表示的一元函数沿x方向的导函数F'(x).其中x是与F同维数的向量.
[Fx,Fy]=gradient(F,x,y)
返回矩阵F表示的二元函数的数值梯度(F' x,F’y),当F为m*n矩阵时,x,y分别为n维和m维的向量。
代码为：
clear;
定义x,y
x=[1 1.1 1.2 1.3]; y=x.^3;
标准答案
3*x.^2
ans =
3.0000 3.6300 4.3200 5.0700
数值梯度做法
dy = gradient(y, x); % 使用 x 作为间距
dy =
3.3100 3.6400 4.3300 4.6900可以看到，gradient(F,x)函数两端与标准答案比起来是有一定误差的，但是在函数体中间误差并没有很大。所以我们可以用这个函数来近似的求原函数的导数。
求积分
1、梯形积分法
z=trapz(x,y)
返回积分的近似值，其中x表示积分区间的离散化向量; y是与x同维数的向量,表示被积函数 。
原理如图：
即：取函数上若干点作为基准点，将图像切割成若干梯形后面积求解。
但是此种解法只能用来求近似解，求得的解误差较大。
如：
clear;
x=-1:0.1:1;
y=exp(-x.^2);
trapz(x,y)2、高精度积分法
z=integral (Fun,a,b)
fun是被积函数，可以是函数句柄、匿名函数或内联函数。a和b是积分的下限和上限。z是积分的结果。
此函数简单易用，不再过多解释。
今天就到这里明天我们继续学习
