1樓：匿名使用者
舉個最簡單的例子吧，定義二元函式f(x,y)=x-y的**如下：
f[x_,y_]=x-y
比如要求f(1,2)的值就只需要隨後輸入
f[1,2]
shift+回車即可
2樓：匿名使用者
設d為乙個非空的n 元有序陣列的集合， f為某一確定的對應規則。若對於每乙個有序陣列（x1,x2,…,xn）∈d，通過對應規則f，都有唯一確定的實數y與之對應，則稱對應規則f為定義在d上的n元函式。記為y=f（x1,x2,…,xn） ，（x1,x2,…,xn）∈d 。
變數x1,x2,…,xn稱為自變數；y稱為因變數。（xi,其中i是下標。下同）當n＝1時，為一元函式，記為y=f(x),x∈d;當n＝2時，為二元函式，記為z=f(x,y),(x,y)∈d.
圖象如圖。二元及以上的函式統稱為多元函式。
3樓：
f[x_,y_]:= x^2 + y^2
類似如此的形式即可！
怎樣用mathematica畫出乙個二元函式的圖象
4樓：su吧
plot3d[f,,] f是關於x,y的二bai元函式，是變du
5樓：匿名使用者
嘛，先示例乙個最簡單的**：
plot3d[x y/(x^2 + y^2), , ]
在以上**的基礎上增加一
6樓：劉大彪
直接明令plot3d[x*y/(x^2 + y^2), , ]
怎樣用 mathematica 擬合二元函式？
7樓：
資料擬合
由一組已知資料（xk，yk）（k=1，2，…，n），求函式的近似解析式y=f（x），就是資料擬合問題，當然函式還可以是多元的。
mathematica提供了進行資料擬合的函式：
fit[data，funs，vars] 對資料data用最小二乘法求函式表funs中各函式的乙個線性組合作為所求的近似解析式，其中vars是自變數或自變數的表。
例如：fit[data，，x] 求形為y=a+bx的近似函式式。
fit[data，，x] 求形為y=a+bx+cx2的近似函式式。
fit[data，，] 求形為z=a+bx+cy+dxy的近似函式式。
以上出現的引數data的格式為，，…}。
函式表中的函式還可以是更複雜的初等函式。
例1 由下面給出的一組資料進行線性擬合，並繪製擬合曲線。。
xi 19.1 25 30.1 36 40 15.1 50
yi 76.3 77.8 79.25 80.8 82.35 83.9 85.1
解：in[1]：=data=，，，，
，，}；
f=fit[data，，x]
out[2]=70.5723+0.291456x
in[3]：= pd=listplot[data，displayfunction→identity]；
fd=plot[f，，displayfunction→identity]；
show[pd，fd，displayfunction→$displayfunction]
圖13-49 線性擬合的示意圖
out[5]=-graphics-
說明：上例使用一次函式得到很理想的擬合，圖形如圖13-49所示。
例2 由下面給出的一組資料進行二次函式擬合，並繪製擬合曲線。
xi 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
yi 5.1234 5.3057 5.5687 5.9378 6.4337 7.0978 7.9493 9.0253 10.3627
解：in[1]：= data=，，，
， ，，
，，}；
f=fit[data，，x]
out[2]=5.30661-1.83196x+8.17149x2
in[3]：= pd=listplot[data，displayfunction→identity]；
fd=plot[f，，displayfunction→identity]；
show[pd，fd，displayfunction→$displayfunction]
圖13-50 使用二次函式擬合的示意圖
out[5]= -graphics-
以上兩例都是計算方法教材中的習題，利用mathematica可以輕而易舉地得到答案，並同時畫出圖形以便直觀地了解擬合的質量。
以下是二元擬合。
例3 觀察下面的二元函式擬合。
in[1]：=flatten[table[，
，]，1]
out[1]=，，，
，，，，，，
，，，，，，
，，，，，，
，，，，，，
，，，，，，
，，}in[2]：=fit[%，，]
out[2]=1.+5. x+7.77156×10-16 y -1. x y
in[3]：=chop[%]
out[3]= 1.+ 5. x -1. x y
說明：在上例的in[1]中，首先生成二元函式1+5x-xy在0≤x≤1，0≤y≤1時的乙個資料表，然後in[2]由這些資料反過來求二元函式，說明fit可以求解多元問題。in[3]使用函式chop去掉係數很小的項，以此消除誤差。
函式chop的一般形式為：
chop[expr，δ] 去掉表示式expr的係數中絕對值小於δ的項，δ的預設值為10-10。
最後這個例子用於說明fit的第二個引數中可以使用複雜的函式，不限於1，x，x2等基本型別。
例4 觀察下面使用初等函式組合進行的擬合。
in[1]：= ft=table[n[1+2exp[-x/3]]，]
out[1]=
in[2]：=fit[ft，，x]
out[2]= 1. -4.44089×10-15e-x +2.e-x/3+2.22045×10-16sin[x]
in[3]：=chop[%]
out[4]=1. +2. e-x/3
說明：在上例中，in[1]由乙個指數函式生成資料表，然後in[2]由這些資料反過來進行擬合，其中的第2個引數使用了幾個初等函式，用於說明可以任意選用函式組成函式表。
額外說一句,這個用matlab不是也很方便
Mathematica的語言跟Matlab語言是一樣的嗎
差不多。但使用有差別。matlab 是一種用於演算法開發 資料視覺化 資料分析以及數值計算的高階技術計算語言和互動式環境。使用 matlab，您可以較使用傳統的程式語言 如 c c 和 fortran 更快地解決技術計算問題.mathematica語言 mathematica是一個功能強大的數學軟體...
mathematica輸出形式的問題
4 sqrt 4 2 sqrt 3 3 sqrt 3 n 3.7320508075688776 這個問題用maximize也求不出來,但並不是無法表示,只是需要手動參與計算過程而已,這個問題裡面mathematica顯得還不夠聰明.表示式取最大值的充分條件是其對a和x的偏導等於零,於是可以編寫如下語...
多元線性回歸的結果有效麼，SPSS多元線性回歸結果怎麼判斷是有效的
劉得意統計服務 有效。從f值看，非常顯著。從r方看，略小，但是對於截面資料來說，0.3左右就已經不錯了。spss多元線性回歸結果怎麼判斷是有效的 ppv課 不是，判斷有效性是看p值。就是你的只有三行的那個表，依次寫著回歸，殘差什麼的。你看那個回歸裡邊的p值。小於0.05就是模型有效 多元線性回歸分析...