第四篇 函数和解方程.ppt

第四篇 函数和解方程 多项式 多项式P采用向量表示 创建多项式 1）向量转化为多项式 ploy2sym(a) a=[1 -2 1]; y=ploy2sym(a); ans 2）多项式(行向量)的根 roots(p) b=[1 -4 4]; roots(b) ans = 2 2 3）由特征值生成多项式系数 poly(A) A---方阵或行向量 roots(p)的逆过程 4）多项式求值 polyval(y,x) 求多项式在某一点的取值； a=[1 3 5 7 9]; k=polyval(a,5) k = 1169 5）多项式除法 u为商多项式，v是余式多项式； a=[1 2 1]; b=[1 1]; [u,v]=deconv(a,b) u = 1 1 v = 0 0 0 5）多项式微分 a a = 1 2 1 u=polyder(a) u = 2 2 6）多项式的部分分式展开 a=[1 3 5 7]; b=[1 5 6]; [r,p,k]=residue(a,b) r = 8.0000 1.0000 p = -3.0000 -2.0000 k = 1 -2 [d,e]=residue(r,p,k) d = 1.0000 3.0000 5.0000 7.0000 e = 1 5 6 7）多项式的曲线拟合 polyfit(x,y,n) 曲线拟合用于在两组数据之间建立某种已知的函数关系； 例：4-4.m 多项式次数与曲线拟合； 矩阵分析 1）矩阵的行列式 det 行列式是标量，0表示矩阵为奇异矩阵； 2）矩阵的逆 inv 矩阵A、B A*B=B*A=I 3）矩阵的秩 rank 矩阵的秩反映了矩阵各行向量和各列向量之间的线性依赖关系。对于一个满秩矩阵，既秩等于行数或列数，其行、列向量都是线性无关的。 4）矩阵的范数和条件数 (暂不讲) 矩阵的条件数表示了矩阵计算对于误差的敏感性。 对于线性方程组Ax=b，如果A的条件数大，b的微小改变就能引起解x较大的改变，数值稳定性差。如果A的条件数小，b有微小的改变，x的改变也很微小，数值稳定性好。它也可以表示b不变，而A有微小改变时，x的变化情况。 如果A为奇异时，条件数为无穷，这时即使不改变b，x也可以改变。奇异的本质原因在于矩阵有0特征值，x在对应特征向量的方向上运动不改变Ax的值。如果一个特征值比其它特征值在数量级上小很多，x在对应特征向量方向上很大的移动才能产生b微小的变化，这就解释了为什么这个矩阵为什么会有大的条件数，事实上，正规阵在二范数下的条件数就可以表示成 abs(最大特征值/最小特征值)。 a=[1 2;300 470]; b=[5;10]; cond(a) ans = 2391.6 b\a ans = 24.0400 37.6800 b=[6;10]; b\a ans = 22.1029 34.6471 矩阵的范数 设X是数域K上线性空间，称║.║为X上的范数(norm) ；属于赋范线性空间，可用于推导空间距离，序列的收敛性； 常用范数 a）1-范数 即返回矩阵X列向元素和的最大值； b）2-范数 即返回矩阵X的最大奇异值； c）无穷范数 即返回矩阵X行向元素和的最大值； x=[1 -2 3 -4]’; norm(x,1) ans = 10 norm(x,2) ans = 5.4772 norm(x) ans = 5.4772 norm(x,inf) ans = 4 sqrt(1+4+9+16) ans = 5.4772 5）矩阵的特征值和特征向量 eig 对于矩阵A（n×n），如果存在n为向量x和标量数值a，使得 称x为矩阵A的特征向量，a为A的特征值； 1）求特征值 2） V为以A的特征向量为列的矩阵；D为以A的特征值为对角线元素的矩阵； 方程组的解 A=[1 1 2;1 2 1;2 1 1]; d=eig(A) d = -1.0000 1.0000 4.0000 [v,d]=eig(A) v = 0.7071 0.4082 0.5774 0.0000 -0.8165 0.5774