MATLAB仿真及电子信息应用 作者 王亚芳 第3章 MATLAB计算.pptVIP

第3章 MATLAB计算 3.1方程组的求解 3.2 插值和拟合 3.3 函数的极值点 3.4 数值微积分 3.5 符号对象 3.6 符号微积分 3.7 符号方程的求解 3.1方程组的求解 3.1.1 多项式及其运算 多项式在MATLAB中以向量形式存储。即n次多项式用一个长度为n+1的系数向量来表示，且按降幂，缺少的幂次对应的向量元素为0。 多项式的运算主要包括多项式的四则运算、求导、求值和求根运算 多项式的四则运算 加减运算 利用子函数polyadd，适用于任意阶次间多项式相加 乘法运算 利用函数conv对它们的系数作卷积来实现,p=conv(p1,p2) 除法运算 通过函数deconv进行系数解卷积来实现，[p,r]=deconv(p1,p2)，其中k是商，r是余数。 多项式求导 利用函数polyder来实现，语法格式： poly(p)：返回多项式p的导数。 poly(p1,p2)：返回多项式p1*p2的导数。 [q,d]=poly(p1,p2)：返回多项式p1/p2的导数，q是分子，d是分母。 多项式求值 y=polyval(p,x)：按数组运算规则计算多项式值。 y=polyvalm(p,X)：按矩阵运算规则计算多项式值,且X只能是方阵 例： 已知多项式， 分别计算当取1、取在[2,3]区间均匀分布的4个点、取2行4列的正态分布的随机阵、取3行3列均匀分布的随机阵时，多项式的值。 多项式求根---利用roots(p)函数来实现 例： 求多项式 的根 3.1.2 线性方程组的求解 可直接通过矩阵相除得到 例3-7 求解线性方程组 3.1.3 非线性方程组的求解 求解单变量非线性方程的根 利用fzero函数，基本的语法格式： x=fzero(fun,x0) 返回函数fun的是离x0最近的根。其中fun的输入方式可以是M函数文件的函数句柄、匿名函数或字符串 例3-8 求 距离 最近的根。 求非线性方程组的解 利用fsolve函数，其基本语法格式：x=fsolve(fun,x0) 返回根初始猜测值向量为x0、非线性方程组fun的数值解。 fun可以以M函数文件的函数句柄、匿名函数或字符串方式输入。 求解时还可以在指令中加入options： x=fsolve(fun,x0,options) options是最优化工具箱的选项设定，通过调用optimset函数来设定最大优化代数、优化精度、中间结果的显示等等。 例如Display选项决定显示优化的中间结果的方式，其调用格式为： options=optimset(Display,off或iter或final) 其中off表示不显示，iter表示每步都显示，final表示仅显示最终结果。 例3-9 求解下列非线性方程组在初值为 的数值解。 3.2 插值和拟合 由离散点数据来确定函数的方法：函数插值和曲线拟合。 测量值是准确的，没有误差，一般用插值。 测量值与真实值有误差，一般用曲线拟合。 3.2.1 函数插值 函数插值是根据给定的有限个样本点，产生另外的估计点以达到数据更为平滑的效果。 插值函数有interp1、interp2、interp3和interpn。 一维插值函数的调用格式为： yi=interp1(x,y,xi, method) 其中x和y是已知的样本点数据；xi是要内插的数据点，yi是xi对应的函数值； method是内插方法，可选择最近项插值nearest、线性插值linear、样条插值spline或立方插值cubic，如果method省略，默认为线性插值。 3.2.2 曲线拟合 曲线拟合就是寻找一个函数（或曲线），使该函数（或曲线）在某种准则下与样本点数据最为接近，但并不要求拟合曲线通过全部已知的样本点。 最常用的准则是最小二乘准则，用函数ployfit来实现，调用格式： p=polyfit(x,y,n) 其中，x和y是已知样本点数据，n是拟合多项式的阶次，p为返回的拟合多项式的系数。 3.3 函数的极值点 求函数极小值的常用函数 函数fminbnd：求解一元函数的极小值点，调用格式为： x=fminbnd(fun,x1,x2) 求解函数在区间(x1,x2)中极小值点。 函数fminsearch：求解多元函数的极小值点，调用格式为： x=fminsearch(fun,x0) 求解初始向量为x0的多元函数极小值点 3.4 数值微积分 3.4.1 数值微分 利用函数diff用来计算