04数值计算教程方案.ppt

MATLAB 第四章 数值计算 陆利正 * 主要内容 4.2 LU分解和恰定方程组的解 (了解) 4.3 矩阵特征值和矩阵函数 4.4 奇异值分解 4.5 函数的数值导数和切平面 4.6 函数的零点 4.7 函数极值点 4.8 数值积分 4.9 随机数据的统计描述 4.10 多项式拟合和非线性最小二乘 恰定方程组 n个未知数n个方程构成的方程组称为恰定方程组 Ax = b 其中 求解 Ax = b 的方法 Cramer公式 逆矩阵, x = A－1b Gaussian消元法 LU分解法 4.2.2 恰定方程组的解 Ax = b 的常用解法 x = inv(A) * b x = A \ b [例4.2.2-1] 求逆法和左除法解恰定方程的性能对比。 4.2.3 范数、条件数和方程组的精度 自学 范数和条件数用来衡量矩阵是否具有某些好的性质 4.3 矩阵特征值和矩阵函数 特征值和特征向量 Ax = lx d = eig(A) % A的特征向量存在向量d中 [V D] = eig(A) % 特征向量阵V和特征值对角阵D, 使 AV = VD [V D] = eig(A, nobalance) % A中有元素接近eps时候, 更精确 [V D] = eig(A, B) % 广义特征向量阵V和广义特征值阵D, 使 AV = BVD [V D] = eigs(A, k, sigma) % k 个由sigma指定的特征值和特征向量sigma = 实数或复数, 该值附近的k个特征值及相应的特征向量 = lm 求具有最大幅值的k个特征值及相应的特征向量, 缺省的默认设置 = sm 最小幅值 = sr 最小实部 = be 谱的两端 [例4.3.1-1] 简单实阵的特征值问题。 [例4.3.1-2] 矩阵中有元素与eps相当时的特征值问题。 [例4.1.1.3] eig和eigs的比较。 4.3.2 特征值向量的条件数 自学 4.4 奇异值分解 矩阵的秩 r = rank(A) 零空间和值空间 null(A) % Ax = O 的基础解系 orth(A) % A列向量极大无关组的标准正交化形式 范数 norm(V) % 向量V的2-范数, 即长度 (模) norm(A) % 矩阵A的2-范数 4.4.2 线性二乘问题的解 线性模型 y = Ax A: 存的是数据; x: 未知数; y: x在A条件下的值 求解方法 ATAx = ATb, x = (ATA)－1ATb x = A \ b x = (A的广义逆) * b % pinv(A): A的广义逆 [例4.4.2.2-1] 对超定方程 y = Ax，用3种解法比较。 4.5 函数的数值导数和切平面 4.5.1 法线 surfnorm(X, Y, Z) 绘制曲线所表示曲面的法线 [NX NY NZ] = surfnorm(X, Y, Z) 法线数据存在NX, NY, NZ [例4.5.1-1] 曲面法线的演示。 4.5.2 偏导数和梯度 2. 数值计算指令 (1) 数值差分和导数、偏导数 DX = diff(X) 求X相邻行元素间的一阶差分 DX = diff(X, n) 求X相邻行元素间的n阶差分 DX = diff(X, n, dim) dim = 1: 相邻行; dim = 2: 相邻列 注: 当X是向量时, diff表示相邻元素之间的差分 当X是矩阵时, diff表示相邻行或列元素之间的差分 4.5.2 偏导数和梯度 2. 数值计算指令 (2) 数值梯度 [FX FY] = gradient(F, h) 二元函数的梯度 [FX, FY, FZ, …] = gradient(F, h1, h2, h3, …) 多元函数的梯度 注: F: 函数的数值矩阵。FX, FY, … 表示沿x, y, … 方向的偏导数 步长h, h1, h2, h3可以缺省, 缺省步长为1 (3) 方向导数的可视化 quiver(X, Y, U, V, scale) 在(X, Y) 在二维平面点上, 画(U, V)表示的方向箭头 quiver3(X, Y, Z, U, V, W, scale)在(X, Y, Z) 在三维曲面点处, 画(U, V, W)表示的方