符号数学工具箱

执行符号数学计算

符号数学工具箱™提供用于求解、绘制和操作符号数学方程的函数。您可以使用MATLAB创建、运行和共享符号数学代码®现场编辑器。工具箱中常见的数学领域,如积分,线性代数,代数和常微分方程,方程简化,以及方程操作提供的功能。

符号数学工具箱可以让您解析执行微分,积分,简化,转换和方程求解。您可以使用执行SI和美国单位系统的尺寸计算和转换。你的计算可以分析或使用可变精度运算来执行,对结果显示在数学排版。

您可以将符号工作作为实时脚本与其他MATLAB用户共享,或者将它们转换为HTML或PDF以供发布。你可以生成MATLAB函数,Simulink万博1manbetx®功能块和的Simscape™方程直接从符号表达式。

开始:

结石

定义和符号表达式,方程,数字和变量进行计算。

积分

评估确定或不确定的积分精确解。万博 尤文图斯执行使用可变精度算术高精度数字集成。

计算的函数的定积分,并使用衍生物其最大值。

分化

计算符号表达式或函数的导数,包括函数导数。

用1求f(x)的局部极大值、极小值和拐点ST和2ND衍生物。

级数展开,积分变换,向量分析

近似函数使用级数展开,计算公共变换和它们的逆,并执行矢量演算操作。

查找使用不同精度的订单Padé逼近的系统响应。

求解方程,简化和换人

操作,简化和解决符号表达式。

解决代数与微分方程

求解线性和非线性代数和微分方程解析。减少微分代数方程。

调查一个阻尼谐振子在不足,过度,和临界阻尼的情况下,运动。

简化和重写表达式

简化,并使用不同的假设或选项来操纵用于各种计算表达式重写符号表达式。

使用简化函数。

替代变量

与特定的符号或数值替换表达式的部分,以评估使用替代符号表达式。

在使用符号矩阵替代元件潜艇函数。

线性代数

对符号向量和矩阵进行线性代数运算。

矩阵运算与变换

分析、转换和分解矩阵,以研究线性方程的性质。

研究3×3希尔伯特矩阵的奇异值。

求解线性方程组

以矩阵或方程的形式解线性方程组。计算矩阵性质,如特征值,范数,行列式和特征多项式来研究线性方程组。

推导了平凡马尔可夫链的符号平稳分布,确定了过渡概率。

可视化

分析绘制符号表达式,创建动画和可视化定制。

分析绘图

使用内置函数来绘制使用扩展MATLAB的图形处理能力的象征表达和功能。

情节F =ËXsin⁡(20X)中,eX和-eX使用fplot命令。

动画

采用可视化的动画符号表达式的行为。

给定一个变化的角速度的汽车活塞运动的动画。

可变精度算术

具有可变精度算术运算的控制精度

精度和计算速度

显式设置有效数字的数目,以避免隐藏的舍入错误。利用变精度算法降低计算精度,提高计算速度。

通过降低精度提高黎曼zeta函数的计算时间。

单位和量纲分析

执行维计算使用内置或自定义单位系统

定义,创建和转换单位

创建自定义单元系统,并在现有单元系统之间进行转换。直接使用超过2000内置测量单位的物理量,如质量、时间、速度和功率。

可视化伞兵的速度随着它们接近终端速度。

执行维分析

验证单元在物理计算的尺寸的相容性和一致性。

验证尺寸的运动学方程使用checkUnits函数。

文档和共享

使用MATLAB直播脚本文件和共享可重复的符号数学计算

交互式计算中

交互方式更新并显示使用MATLAB现场编辑符号数学计算旁边的MATLAB代码,格式化文本,公式,图像和超链接。

使用MATLAB live脚本来显示符号数学计算以及MATLAB代码和其他文档。

分享MATLAB代码和脚本直播

通过叙事中嵌入代码创建可重复的文档。发布和共享您的工作实况脚本生成的PDF文件或HTML文档。

将您的工作作为可执行的笔记本与其他MATLAB用户共享。

代码生成

将符号方程转换成函数或块,用于数值模拟和工程设计。

生成代码,MATLAB,Simulink和的Sims万博1manbetxcape

直接从符号表达式生成MATLAB函数、Simulink万博1manbetx函数块或自定义基于等式的Simscape组件。

通过创建从符号表达式的自定义组件扩展的Simscape建模环境。

生成的代码为C,Fortran语言,乳胶和MathML

从数字计算的符号表达式生成C或Fortran代码。生成显示的LaTeX或MathML。

用符号表达式的注释生成优化的C代码。

最新的特性

现场编辑任务

交互式求解方程,简化符号表达式,并在现场脚本生成MATLAB代码

微分方程

以隐式或截式级万博 尤文图斯数展开形式返回微分方程的解

数论

求欧拉函数和雅可比符号的值,求有理分式近似和原始根

物理单位

使用符合新的物理常数与2019重新定义的SI单位

查看发行说明对任何这些特征和对应的功能的详细说明。

机器学习斜坡弯道

互动介绍实用机器学习方法的分类问题。