1. 案例一：线性方程组的求解
在工程实践中，线性方程组的求解是基础而又常见的问题。MATLAB提供了linsolve函数，可以方便地求解线性方程组。
代码示例：
% 定义系数矩阵A和常数向量b
A = [2, 1; -3, -1];
b = [8; -11];
% 求解线性方程组
x = linsolve(A, b);
% 显示结果
disp('解为：');
disp(x);
2. 案例二：多项式拟合
多项式拟合在工程中用于从数据中提取趋势。MATLAB的polyfit函数可以帮助我们完成这项工作。
代码示例：
% 假设有一组数据点
x = [1, 2, 3, 4, 5];
y = [2, 4, 6, 8, 10];
% 进行多项式拟合，这里选择二次多项式
p = polyfit(x, y, 2);
% 使用拟合的多项式进行预测
y_pred = polyval(p, x);
% 绘制原始数据和拟合曲线
plot(x, y, 'o', x, y_pred, '-');
legend('原始数据', '拟合曲线');
3. 案例三：信号处理——快速傅里叶变换（FFT）
在信号处理领域，FFT是一种常用的算法，用于将信号从时域转换到频域。MATLAB的fft函数可以实现这一功能。
代码示例：
% 生成一个简单的正弦波信号
Fs = 1000; % 采样频率
t = 0:1/Fs:1-1/Fs; % 时间向量
f = 5; % 信号频率
y = sin(2*pi*f*t); % 生成信号
% 对信号进行FFT
Y = fft(y);
% 计算频率轴
f = Fs*(0:(length(Y)/2))/length(Y);
% 绘制频谱图
plot(f(1:length(Y)/2+1), abs(Y(1:length(Y)/2+1)));
title('信号频谱');
4. 案例四：控制系统设计——PID控制器
在控制系统设计中，PID控制器是一种常用的反馈控制器。MATLAB的pid函数可以帮助我们设计PID控制器。
代码示例：
% 创建一个PID控制器
pidController = pid(1, 0.1, 0.01);
% 设置PID参数
set(pidController, 'Kp', 1, 'Ki', 0.1, 'Kd', 0.01);
% 使用PID控制器
y = step(pidController, t);
5. 案例五：图像处理——边缘检测
边缘检测是图像处理中的重要步骤。MATLAB的edge函数可以用于边缘检测。
代码示例：
% 读取图像
I = imread('example.jpg');
% 使用Canny算法进行边缘检测
I_edge = edge(I, 'Canny');
% 显示结果
imshow(I_edge);
6. 案例六：机器学习——线性回归
线性回归是机器学习中的基础算法。MATLAB的fitlm函数可以用于线性回归。
代码示例：
% 创建数据
x = [1, 2, 3, 4, 5];
y = [2, 4, 6, 8, 10];
% 进行线性回归
model = fitlm(x, y);
% 显示模型参数
disp(model);
7. 案例七：数值计算——牛顿法
牛顿法是一种常用的数值计算方法，用于求解非线性方程。MATLAB的fsolve函数可以实现牛顿法。
代码示例：
% 定义函数
f = @(x) x^2 - 4;
% 定义初始猜测值
x0 = 1;
% 使用牛顿法求解
x = fsolve(f, x0);
% 显示结果
disp('方程的根为：');
disp(x);
8. 案例八：数据可视化——散点图
散点图是数据可视化中的一种基本图表。MATLAB的scatter函数可以创建散点图。
代码示例：
% 创建数据
x = [1, 2, 3, 4, 5];
y = [2, 4, 6, 8, 10];
% 创建散点图
scatter(x, y);
% 添加标题和标签
title('散点图');
xlabel('X轴');
ylabel('Y轴');
9. 案例九：优化问题——最小二乘法
最小二乘法是解决优化问题的一种常用方法。MATLAB的lsqcurvefit函数可以用于最小二乘法。
代码示例：
% 定义数据
x = [1, 2, 3, 4, 5];
y = [2, 4, 6, 8, 10];
% 定义目标函数
f = @(b) sum((b(1)*x + b(2) - y).^2);
% 定义初始猜测值
b0 = [1, 1];
% 使用最小二乘法求解
b = lsqcurvefit(f, b0, x, y);
% 显示结果
disp('参数解为：');
disp(b);
10. 案例十：仿真与建模——系统仿真
MATLAB的Simulink是一个强大的仿真工具，可以用于系统建模和仿真。
代码示例：
% 创建一个新的Simulink模型
model = simulink('new_model');
% 添加一个信号源
add_block(model, 'simulink/sources/SineWave', 'SineWave');
% 添加一个示波器
add_block(model, 'simulink/sinks/Scope', 'Scope');
% 连接信号源和示波器
connect(model, 'SineWave', 'Scope');
通过以上案例，我们可以看到MATLAB在解决各种工程问题时的强大能力。无论是线性代数、信号处理、控制系统、图像处理，还是机器学习、数值计算、数据可视化、优化问题，MATLAB都能够提供高效、便捷的解决方案。希望这些案例能够帮助你更好地理解和应用MATLAB编程。