在MATLAB中，处理数据、进行拟合与计算是常见操作。首先，MATLAB的`xlsread`函数用于从Excel文件中读取数据，例如读取文件名为'fanjufei.xls'，位于Sheet1的范围为'A1：C3'的数据。`xlswrite`函数则相反，用于将MATLAB中的数据写入Excel文件。

数据拟合是数据分析的关键步骤。多项式拟合是一种常用的方法，通过`polyfit`函数可以计算出数据的最佳多项式拟合系数，例如对于数据集x=[1 2 3 4 5 6 7 8 9];y=[9 7 6 3 -1 2 5 7 20]，`polyfit(x,y,N)`可以得到多项式的系数，`N`代表拟合的多项式阶数。`polyval`函数则用于计算多项式在给定点的值。工具箱内的基本拟合功能也可以实现拟合，而自定义拟合函数则需通过`fittype`函数实现。

数值计算在MATLAB中广泛应用于各种场景。多项式的表示与计算通过`polyval`与`roots`函数实现。曲线拟合，如最小二乘法，使用`polyfit`函数获取多项式的系数，再用`polyval`函数进行计算。图像显示结果通常表明拟合效果良好，星号点都在拟合曲线上。

数据插值是处理离散数据的关键技术。一维插值使用`interp1`函数实现，根据已知点的值来估算任意点的值，插值方法包括线性插值、最近点插值、3次多项式插值与3次样条插值。二维插值则使用`interp2`函数，同样根据已知点的值来估算任意点的值。

数值微积分是MATLAB中用于近似计算导数与积分的主要工具。数值微分通常通过向前差分的`diff`函数实现，数值积分则使用`quad`与`quadl`函数，或者`trapz`函数。这些函数通过给定的区间与精度来计算定积分。

线性方程组求解在MATLAB中同样重要。直接解法通过`x=A\b`实现，其中`A`是系数矩阵，`b`是常数向量。而`LU`、`QR`与`Cholesky`求解方法则是更高级的解法，尤其适用于特定类型的线性方程组。

常微分方程的数值求解使用如`ode23`与`ode45`等函数，这些函数通过定义的函数文件与给定的区间与初始状态，利用龙格-库塔法来近似求解。