第2章节 matlab数值计算.pptVIP

数学建模讲义matlab数值计算 主要内容 排序 插值（复习） 拟合（复习） 非线性方程（组）的数值解（重点） 常微分方程（组）的数值求解（重点） 1 排序 MATLAB中对向量X是排序函数是sort(X)，函数返回一个对X中的元素按升序排列的新向量。 sort函数也可以对矩阵A的各列(或行)重新排序，其调用格式为： [Y,I]=sort(A,dim,mode) 其中dim指明对A的列还是行进行排序，若dim=1，则按列排，若dim=2，则按行排。Y是排序后的矩阵，而I记录Y中的元素在A中位置,mode＝’ascend’或’descend’。 例： A=[1,-8,5;4,12,6;13,7,-13]; sort(A) %对A的每列按升序排序 -sort(-A,2) %对A的每行按降序排序 [X,I]=sort(A) %对A按列排序，并将每个元素所在行号送矩阵I 2 插值 一维插值：Y1=interp1(X,Y,X1,method) 函数根据X、Y的值，计算函数在X1处的值。X、Y是两个等长的已知向量，分别描述采样点和样本值，X1是一个向量或标量，描述欲插值的点，Y1是一个与X1等长的插值结果。method是插值方法，允许的取值有linear(线性插值)、nearest(最近插值)、spline(三次样条插值)、cubic（三次多项式插值），缺省值是linear。 例： 已知检测参数f随时间t的采样结果，用数值插值法计算t=2，7，12，17，22，17，32，37，42，47，52，57时f的值。 这是一个一维数值插值问题，命令如下： T=0:5:65; %已知点 X=2:5:57; %待求点 F=[3.2015,2.2560,879.5,1835.9,2968.8,4136.2,5237.9,6152.7, 6725.3,6848.3,6403.5,6824.7,7328.5,7857.6]; %已知值 F1=interp1(T,F,X) %用线性方法插值 F1=interp1(T,F,X,nearest) %用最近方法插值 F1=interp1(T,F,X,spline) %用三次样条方法插值 F1=interp1(T,F,X,‘cubic’) %用三次多项式方法插值 plot(T,F,-,T,F,o,X,F1,r*); 3 拟合 多项式拟合：[P,S]=polyfit(X,Y,m) 函数根据采样点X和采样点函数值Y，产生一个m次多项式P及其在采样点的误差向量S。 其中X、Y是两个等长的向量，P是一个长度为m+1的向量。 例：用一个5次多项式在区间[0，2π]内逼近函数sin(x)： X=linspace(0,2*pi,50);Y=sin(X); [P,S]=polyfit(X,Y,5) %得到5次多项式的系数和误差 plot(X,Y,k*,X,polyval(P,X),k-) 任意函数类型拟合： a=lsqcurvefit(fun,a0,x,y) 第1个参数是函数名（一个同名的m文件定义），第2个参数是初值，第3、4个参数是已知数据点。函数返回需要确定的参数a，使得函数fun最符合已知点。 例： x=1790:10:1990; y=[3.9 5.3 7.2 9.6 12.9 17.1 23.2 31.4 38.6 50.2 62.9 76 92 106.5 123.2 131.7 150.7 179.3 204 226.5 251.4]; a0=[0.001,1]; % 初值 a=lsqcurvefit(example_curvefit_fun,a0,x,y); function f=example_curvefit_fun(a,t) f=exp(a(1)*t+a(2)); 练习 某气象观测站测得某日6:00-14:00之间每隔2小时的温度如下： 试用三次样条插值求出该日到达21.5度时的时刻。 已知lg(x)在[1，101]区间11个整数采样点x=1:10:101的函数值lg(x)，试求lg(x)的5次拟合多项式p(x)，并分别绘制出lg(x)和p(x)在[1，101]区间的函数曲线。 插值与拟合的异同 插值和拟合都是根据一些离散点来估计另一些点的函数值，都是要假设函数类型然后进行参数估计。 插值并不需要具体函数表达式，一般都是分段的，目标是使得已知所有点的坐标都满足该分段函数，并且去估计出已知离散点中间的未知点的函数值。 而拟合就是要求出具体函数表达式，一般不是分段的，目标是尽量的符合这些离散点（放弃了插值的精确性），从而研究这个函数的性质，或者估计一些未知点的值（通常