matlab数值运算.pptx

第四章 数值计算功能;4.1 多项式运算;1．多项式表示法;符串形式,x多项式变量; p=[1,3,0,4,5] p = 1 3 0 4 5 y=poly2str(p,x) y = x^4 + 3 x^3 + 4 x + 5 rp=roots(p) rp = -3.2346 0.5594 + 1.1980i 0.5594 - 1.1980i -0.8843;2.多项式的运算函数 ;（1）多项式求根 （roots） ; r=roots(P) r = -7.6998 -0.5572 + 1.1335i -0.5572 - 1.1335i 0.8141 ;多项式根的r向量：[r(1),r(2),…,r(n) ] ;(3) 多项式求值（polyval）; p=[1,3,0,2]; poly2str(p,x) ans = x^3 + 3 x^2 + 2; ;设A为方阵， P代表多项式x3-5x2-2： pp=polyval(P,A)的含义 pp=A.*A.*A -5*A. *A-2 Pm=polyvalm(P,A)的含义： Pm=A*A*A-5*A*A-2;14;(5) 多项式乘法-向量卷积; h = [3,2,1,-2,1,0,-4,0,3]; x = [1,-2,3,-4,3,2,1]; y = conv(h,x); n = 0:14; stem(n,y); %杆图 xlabel(Time index n); %标坐标轴 ylabel(Amplitude); title(Output Obtained by Convolution)%图形标题grid;;(6) 多项式除法-向量解卷积;求多项式x4+8x3-10除以2x2-x+3的结果。;(7) 多项式的一阶导数（polyder）;例：求有理分式的导数。 命令如下： P=[1]; Q=[1,0,5]; [p,q]=polyder(P,Q);21;4.2 曲线拟合和数据插值;4.2.1. 多项式曲线拟合（polyfit）;S结构体数组(struct)，估计预测误差，含R，df和normr。? R：先输入x构建范德蒙矩阵V，后QR分解，得上三角矩阵。? df：自由度，?df=length(y)-(n+1)。df0时，超定方程组求解，拟合点数比未知数(p(1)~p(n+1))多。 ?normr：标准偏差、残差范数，normr=norm(y-V*p)， 此处的p为求解之后的数值。 ;年份;线型; clear n=1900:10:1990; r=[7599,9197,10571,12320,13166,15069,17932,20321,22650,24963]; nrf1=polyfit(n,r,1) %1次多项式拟合 nrfs1=poly2str(nrf1,n) %1次多项式完整字符串表达式 nrf2=polyfit(n,r,2) %2次多项式拟合 nrf9=polyfit(n,r,9) %9次多项式拟合 nrf10=polyfit(n,r,10) %10次多项式拟合 nrf1_2000=polyval(nrf1,2000) %一次拟合得到的2000年人口数 nrf2_2000=polyval(nrf2,2000) %2次拟合得到的2000年人口数 nrf9_2000=polyval(nrf9,2000) %9次拟合得到的2000年人口数 n20=1900:4:2000; % 1900年到2000年的线性等分数组 nrfv1=polyval(nrf1,n20); % 从1900年到2000年间1次拟合人口数 nrfv2=polyval(nrf2,n20); % 从1900年到2000年间2次拟合人口数 nrfv9=polyval(nrf9,n20); % 从1900年到2000年间9次拟合人口数 plot(n,r,or, n20,nrfv1,-b, n20,nrfv2,-*k) hold on plot(n20,nrfv9,-dg) legend(原始数据’, ‘1次曲线,2次多项式曲线,9次多项式曲线); xlabel(年);ylabel(人口数) ;2009版;Goodness of fit 适合度SSE 拟合误差 （误差平方和）RMSE root mean square error 均方根误差R square 方程的确定系数，0~1之间，越接近1，表明方程的变量对y的解释能力越强。 ;Custom Equations：用户自定义的函数类型Exponentia