用Matlab进行现代科学运算讲述.ppt

* * * * * * * * * * * * 第五章 用Matlab进行现代科学计算 5.1 解析解与数值解 在实际的工程技术中，一般通过数值解法来获得问题的解。至少有两个原因： 1、解析解不存在 如圆周率的值就没有解析解，超越积分也没有解析解。在这种情况下，就必须采用数值解技术。 2、解析解存在但不实用 如求解n元一次代数方程组的问题，从理论上讲，总可以把多元一次方程组简化成解析可解的形式。 然而当n较大时，需要的基本运算次数是非常惊人的，对于求解实际问题所需要的计算成本是根本无法接受的，只能采用数值解法。 5.2 数值线性代数问题及求解 5.2.1 特殊矩阵的MATLAB输入 零矩阵： zeros(m,n); (m,n) 定义矩阵维数 幺矩阵： ones(m,n); 单位矩阵： eye(m,n); 随机元素矩阵： rand(m,n); [0,1]上均匀分布 randn(m,n); 正态分布 对角阵： diag(v); v为对角元素组成的向量 5.2.2 矩阵的特征参数运算 矩阵的行列式： det(A) 矩阵的迹： trace(A)，即对角线元素之和 矩阵的秩： rank(A)，即线性无关的列数或行数 矩阵的范数 norm(A,p) 1 1-范数，A的最大列和，max(sum(abs((A))) 2 2-范数，最大奇异值，norm(A) Inf 无穷范数，A的最大行和，max(sum(abs(A))) fro Frobenius范数，sqrt(sum(diag(A*A))) 当A为向量时，范数定义稍有不同： norm(A,p) sum(abs(A).^p)^(1/p) norm(A) norm(A,2) norm(A,inf) max(abs(A)) norm(A,-inf) min(abs(A)) 矩阵的特征多项式： c=poly(A) 矩阵的特征值：特征方程的根 roots(poly(A)) 或 eig(A) 若A为矩阵，则返回的c就是向量[1,c1,…,cn-1,cn] 降幂排列 矩阵的特征值与特征向量 [v,d]= eig(A) 矩阵v的各列为特征向量，矩阵d的对角元素为特征值 a=[1 2 3;4 5 6;7 8 0]; [v,d]=eig(a) v = -0.2998 -0.7471 -0.2763 -0.7075 0.6582 -0.3884 -0.6400 -0.0931 0.8791 d = 12.1229 0 0 0 -0.3884 0 0 0 -5.7345 矩阵求逆 B= inv(A) 为求矩阵A的逆矩阵 a=[1 2 3;4 5 6; 7 8 0]; b=inv(a); c=a*b; d= b*a; [b c d] ans = -1.7778 0.8889 -0.1111 1.0000 0 -0.0000 1.0000 0.0000 0 1.5556 -0.7778 0.2222 -0.0000 1.0000 0 -0.0000 1.0000 0 -0.1111 0.2222 -0.1111 0.0000 -0.0000 1.0000 0.0000 0.0000 1.000 伴随阵法， 初等变换法 。。。 多项式及多项式矩阵求值 多项式求值 B=polyval(aa,x) 多项式矩阵求值 B=polyvalm(aa,A) 其中aa为多项式系数降幂排列构成的向量；x为指定的标量，A为给定的方阵 面向矩阵各个元素的函数 B=函数名(A) 用命令help elfun可以查看这些命令列表，主要有 sin sinh asin asinh cos cosh acos acosh tan tanh atan atan2 atanh sec sech asec asech csc csch acsc acsch cot coth acot acoth exp log log10 log2 pow2 sqrt abs angle complex conj imag real unwrap isreal cplxpair fix fl