第5章数值计算选编.ppt

第五章 数值计算;目 录;5.1 多项式运算;Matlab提供了下列关于多项式的函数：;1.多项式表示法;2.多项式求值;例子： P=1:6 poly2str(P,x) x=5, polyval(P,x) A=[2 3;4 5] polyval(P,A) ;Y = polyval(P,X)： 把矩阵或向量X中的每个元素逐个代入多项式中进行计算； Y = polyvalm(P,X)： 把矩阵X作为整体代入多项式中进行计算，X必须为方阵。;3.多项式乘法和除法;向量卷积;3.多项式乘法和除法;4.多项式的微积分;（2）多项式的不定积分——polyint;实 例;5.多项式的根和由根创建多项式;（2）由根创建多项式——poly 与roots函数是两个可逆的过程 p=poly(r) r——多项式的所有根 p——多项式的系数向量 p=poly(A) A——方阵 返回值为A的特征多项式的系数向量;又叫部分分式分解，是将有理函数分解成许多次数较低有理函数和的形式，来降低分子或分母多项式的次数 例如： 分解后的分式需满足以下条件： 分式的分母需为不可约多项式； 分式的分子多项式次数需比其分母多项式次数要低。;6.多项式部分分式展开;7.多项式曲线拟合;实 例 ;8.多项式曲线拟合图形用户界面;最小二乘法曲线拟合;实 例;5.2 插 值 运 算;插值函数;5.2.1 一维插值;一维插值——interp1 yi=interp1(x,y,xi) x、y——已知数据集且具有相同长度的向量 yi=interp1(y,xi) 默认x为1:n，其中n为向量y的长度； yi=interp1(x,y,xi,method) method——用于指定插值的方法，有’nearest’, ‘linear’,‘spline’,‘pchip’, ‘cubic’,‘v5cubic’等方法。;内插运算与外插运算;实 例;5.2.2 二维插值;二维插值——interp2 zi=interp2(x,y,z,xi,yi) x,y,z——原始数据，必须是栅格格式，一般用meshgrid函数产生，(x,y)必须是严格单调的并且是等间距的，如果(x, y)不是等间距的，会将且变换为等间距形式，如果已知是等间距的，可在method参数前加星号，如果：*cubic。 zi——插值结果 zi=interp2(z,xi,yi) zi=interp2(x,y,z,xi,yi,method);[x,y,z] = peaks(10); [xi,yi] = meshgrid(-3:.1:3,-3:.1:3); zi=interp2(x,y,z,xi,yi); subplot(1,2,1); mesh(xi,yi,zi); subplot(1,2,2); mesh(x,y,z);;5.3 数 据 分 析;5.3.1 基本数据分析函数 ;基本数据分析函数 ;续表;1.最值、平均值、中间值、和; 运行结果如下;2.标准差和方差;平均值;3.元素排序;实 例;5.3.2 协方差和相关系数矩阵; cov函数计算随机变量的协方差矩阵 C=cov(X) 计算X代表的随机变量的协方差矩阵 C=cov(X,Y)等同于cov([X(:) Y(:)]) X、Y——具有相同长度的向量; corrcoef函数计算随机变量的相关系数矩阵 R=corrcoef(X) 返回X代表的随机变量的相关系数矩阵； R=corrcoef(X,Y)等同于R=corrcoef ([X Y]). X、Y——具有相同长度的列向量;5.3.3 有限差分和梯度;实 例;gradient函数计算梯度 FX=gradient(F) 返回F在x方向上的梯度 [FX,FY]=gradient(F) FX、 FY——F在x、y方向的近似偏导数 [Fx,Fy,Fz,...]=gradient(F) 返回N个方向的近似偏导数 [...]=gradient(F,h) h——用于指定所有方向上自变量的间距 [...]=gradient(F,h1,h2,...) 用多个标量来指定各个方向上自变量的间距。;load prs DX=50; DY=50; NX=101; NY=101; [X,Y]=meshgrid(DX/2:DX:DX*101-DX/2,DY/2:DY:DY*101-DY/2); K=0.8; miu=0.4; [U,V] =gradient(pressure,DX,DY); U=-K/miu*U; V=-K/miu*V; starty1=50*DY:2.5:51