1.Matlab数值运算功能.pptVIP

Matlab与科学计算 (5) 多项式微分(polyder) p=[2 -5 6 -1 9]; poly2sym(p) ans = 2*x^4-5*x^3+6*x^2-x+9 Dp=polyder(p) Dp = 8 -15 12 -1 poly2sym(Dp) ans = 8*x^3-15*x^2+12*x-1 Matlab与科学计算 (6) 多项式拟合 多项式拟合又称为曲线拟合，其目的就是在众多的样本点中进行拟合，找出满足样本点分布的多项式。这在分析实验数据，将实验数据做解析描述时非常有用。 Polyfit(X,Y,n) X,Y为拟合数据，n为拟合多项式的阶数 [p,s]=Polyfit(X,Y,n) P为拟合多项式系数向量，s为结构信息。 x=0:pi/20:pi/2; y=sin(x); a=polyfit(x,y,5); x1=0:pi/30:pi*2; y1=sin(x1); y2=a(1)*x1.^5+a(2)*x1.^4+a(3)*x1.^3+a(4)*x1.^2+a(5)*x1+a(6); plot(x1,y1,b-,x1,y2,r*) legend(原曲线,拟合曲线) axis([0,7,-1.2,4]) Matlab与科学计算 Matlab与科学计算 (7) 多项式插值 多项式插值是指根据给定的有限个样本点，产生另外的估计点以达到数据更为平滑的效果。该技巧在信号处理与图像处理上应用广泛。 所用指令有一维的interp1、二维的interp2、三维的interp3。这些指令分别有不同的方法，设计者可以根据需要选择适当的方法，以满足系统属性的要求。Help polyfun可以得到更详细的内容。 y=interp1(xs,ys,x,’method’) 在有限样本点向量xs与ys中，插值产生向量x和y，所用方法定义在method中，有4种选择： nearest：执行速度最快，输出结果为直角转折 linear：默认值，在样本点上斜率变化很大 spline：最花时间，但输出结果也最平滑 cubic：最占内存，输出结果与spline差不多 Matlab与科学计算 （5）矩阵的秩函数 h=hilb(9); rank(h) ans = 9 （6）矩阵的迹函数 矩阵所有对角线上元素的和称为矩阵的迹 h=hilb(9); trace(h) ans = 2.0806 Matlab与科学计算 （7）矩阵的正交空间函数 用来求矩阵的一组正交基：orth h=hilb(4); orth(h) ans = -0.7926 0.5821 -0.1792 -0.0292 -0.4519 -0.3705 0.7419 0.3287 -0.3224 -0.5096 -0.1002 -0.7914 -0.2522 -0.5140 -0.6383 0.5146 Matlab与科学计算 （8）矩阵的伪逆函数 求解系数矩阵严重“病态”的问题时，利用pinv可避免“伪解”的产生。 a=magic(4); b=a*[1 1 1 1]; inv(a)*b Warning: Matrix is close to singular or badly scaled. Results may be inaccurate. RCOND = 1.306145e-017. ans = 0.5000 4.0000 -2.0000 0 pinv(a)*b ans = 1.0000 1.0000 1.0000 1.0000 Matlab与科学计算 （9）通用函数形式： funm(A,’funname’) 上述函数形式在实际运算中是远远不够的，对常用的其它函数形式的运算，如三角函数、双曲函数等，需要一种能够使用这些通用函数进行计算的形式，matlab中通用函数的格式为funm(A,’funname’） 如：funm(b,’log’) == logm(b) funm(b,’sqrt’) == sqrtm(b) Matlab与科学计算 矩阵分解函数 （1）特征值分解和奇异值分解（略） （2）lu分解（三角分解） [L,U]=lu(A) 将A做对角线分解，使得A=L*U,其中L为下三角矩阵，U为上三角矩阵。 注意：L实际上是一个“心理上”的下三角矩阵，它事实上是一个