第3章MATLAB在高等数学中的应用精讲.pptxVIP

第3章 MATLAB在高等数学中的应用 3.1 矩阵分析 3.2 多项式运算 3.3 数据的分析与统计 3.4 函数分析与数值积分 3.1 矩阵分析 1．矢量范数和矩阵范数* 矩阵范数是对矩阵的一种测度。矢量的p范数和矩阵A的p范数分别定为： 当p＝2时为常用的欧拉范数，一般p还可取l和∞。这在MATLAB中可利用norm函数实现，p缺省时为p=2。 格式：n＝norm(A) 功能：计算矩阵A的最大奇异值，相当于n=max(svd(A))。 格式：n＝norm(A，p) 功能：norm函数可计算几种不同类型的矩阵范数，根据p的不同可得到不同的范数 2．矩阵求逆及行列式值 ⑴矩阵求逆函数inv及行列式值函数det 逆矩阵的定义：对于任意阶 n×n 方阵A，如果能找到一个同阶的方阵V，使得满足：A*V=I。其中I为n阶的单位矩阵eye(n)。则V就是A的逆矩阵。数学符号表示为：V=A-1。逆矩阵V存在的条件是A的行列式不等于0。 格式：V=inv(A) 功能：返回方阵A的逆矩阵V。 格式：X=det(A) 功能：计算方阵A的行列式值。 ⑵伪逆矩阵函数pinv 伪逆矩阵的MATLAB定义：从数学意义上讲，当矩阵A为非方阵时，其矩阵的逆是不存在的。在MATLAB中，为了求线性方程组的需要，把inv(A′*A)*A′的运算定义为伪逆函数pinv，这样对非方阵，利用伪逆函数pinv可以求得矩阵的伪逆，伪逆在一定程度上代表着矩阵的逆。 格式：C=pinv(A) 功能：计算非方阵A的伪逆矩阵。 3．线性代数方程求解 写成矩阵形式可表示为：AX＝B 或 XA＝B。其中系数矩阵A的阶数为m×n。在MATLAB中，引入矩阵除法求解。 (1)求解方程AX=B 格式：X=A\B 条件：矩阵A与矩阵B的行数必须相等。 (2)求解方程XA=B 格式： X=B/A 条件：矩阵A与矩阵B的列数必须相等。 一般线性方程组的 4．矩阵的分解 (1)三角(LU)分解函数lu 所谓三角解就是将一个方阵表示成两个基本三角阵的乘积(A=LU），其中一个为下三角矩阵L，另一个为上三角形矩阵U，因而矩阵的三角分解又叫LU分解或叫LR分解。矩阵 分解的两个矩阵分别可表示为： 格式一：[L,U]=lu(A) 功能：返回一个上三角矩阵U和一个置换下三角矩阵L(即下三角矩阵与置换矩阵的乘积)，满足A=L*U。 格式二：[L,U,P]=lu(A) 功能：返回上三角矩阵U，真正下三角矩阵L，及一个置换矩阵P(用来表示排列规则的矩阵)，满足L*U=P*A；如果P为单位矩阵，满足A=L*U。 (2)正交(QR)分解函数 将矩阵A分解为一个正交矩阵与另一个矩阵的乘积称为矩阵A的正交分解。 格式一：[Q, R]=qr(A) 功能：产生与A同维的上三角矩阵R和一个实正交矩阵或复归一化矩阵Q，满足：A=Q*R，Q’*Q=I。 格式二：[Q,R,E]=qr(A) 功能：产生一个置换矩阵E，一个上三角矩阵R(其对角线元素降序排列)和一个归一化矩阵Q，满足A*E=Q*R； 5．奇异值分解 矩阵A的奇异值和相应的一对奇异矢量u、v满足： 同样利用奇异值构成对角阵，相应的奇异矢量作为列构成两个正交矩阵U、V，则有： 其中AT表示转置矩阵。由于U和V正交，因此可得奇异值分解： 格式一：[U,S,V]=svd(x) 功能：返回3个矩阵，使得X=U*S*V’。其中S为与X相同维数的矩阵，且其对角元素为非负递减。 格式二：S=svd(A) 功能：返回奇异值组成的向量。 6．矩阵的特征值分析 矩阵A的特征值 和特征矢量 ，满足： 以特征值构成对角阵 ，相应的特征矢量作为列构成矩阵V，则有： 如果V为非奇异，则上式就变成了特征值分解： 格式一：d=eig(A) 功能：返回方阵A的全部特征值所构成的向量。 格式二：[V,D]=eig(A) 功能：返回矩阵V和D。其中对角阵D的对角元素为A的特征值，V的列向量是相应的特征向量，使得A*V=V*D。 7．矩阵的幂次运算: A^p 在MATLAB中，矩阵的幂次运算是指以下两种情况： 1、矩阵为底数，指数是标量的运算操作； 2、底数是标量，矩阵为指数的运算操作。 两种情况都要求矩阵是方阵，否则，将显示出错信息。 (1) 矩阵的正整数幂 如果A是一个方阵，p是一个正整数，那么幂次表示A自己乘p次。 (2) 矩阵的负数幂 如果A是