第3章 Matlab的数值计算.pptVIP

A=[3 2 1;5 0.7 2;7 4 3];b=[5;2;7];X=A\b X = 2.2609 1.7391 -5.2609 A*X-b % 验算求解精度，可见精度在1e-14 ans = 1.0e-014 * -0.0888 0.1776 0 1．矩阵的旋转和翻转 B=rot90(A) % B由A矩阵逆时针旋转90度得到; 注意与转置的区别 B=fliplr(A) % B由A阵左右翻转得到 B=flipud(A) % B由A阵上下翻转得到 A=[1 2 3 4] B=rot90(A) B=fliplr(B) B=flipud(B) 3.4.5 矩阵的结构变换 2．矩阵的重建 B=reshape(A,m,n) 将A矩阵重建为m×n的新矩阵B，重建过程主矩阵是按列读取的，且A，B矩阵元素个数必须一致。 例如：将一个3×4矩阵重建为2×6矩阵b和1×12矩阵c，可输入 a=[1 4 7 10 2 5 8 11 3 6 9 12] b=reshape(a,2,6) c=reshape(a,1,12) 采用size和length这2个函数可以获得矩阵的维数或向量的长度。例如： a=[1 4 7 10 2 5 8 11 3 6 9 12]; k=size(a) % 求矩阵的行数和列数 k = 3 4 A=[1 2 3 4 5 6 1 2]; k=length(A) k = 8 Matlab表示为 P=[3,5,1,7] 3.5 多项式运算3.5.1 多项式的表达方式 P=[1,-20.5,137,-297.5]; r=roots(P) r = 8.5000 7.0000 5.0000 3.5.2 多项式的因式分解——多项式方程求根 r=[20,7,-5]; P=poly(r) P = 1 -22 5 700 3.5.3 多项式的乘积展开 利用向量的卷积运算conv可以进行多项式的乘法运算。 指令c=conv(a,b)将两多项式的系数向量a和b作卷积得到结果多项式的系数向量c。例如展开多项式 用Matlab语言写为 c1=[1,2,1];c2=[1,4];c3=[1,-5]; % 3个多项式系数 x=conv(c1,c2); % 前2项因子相乘 y=conv(x,c3) % 再与第3项因子相乘 y = 1 1 -21 -41 -20 3.5.4 多项式相乘 Matlab的计算如下： x =[1 1 -21 -41 -20]; [q,r]=deconv(x,[1,-5]) q = 1 6 9 4 r = 0 0 0 0 0 3.5.5 多项式的除法 3.6 代数方程求解 首先，定义以上方程的Matlab函数，可以采用inline函数来表达： f=inline(2*exp(x).*sin(2*pi*x)-0.5,x); 然后，作出x从0到2区间的函数图像，大致判断根的位置。 x=0:0.1:2;y=f(x);plot(x,y),grid % 由图中可看出在0，0.5和1附近有三个根 求在0附近的一个根： r=fzero(f,0) % 决定在0.5附近的根 r = 0.0387 求在0.5附近的一个根： r=fzero(f,0.5) % 决定在0.5附近的根 r = 0.4752 求在1附近的一个根： r=fzero(f,1) % 决定在1附近的根 r = 1.0144 利用fminbnd函数可以求出在固定区间上单变量的函数的最小值点。fminbnd的一般用法是 [x,fval]=fminbnd(fun,x1,x2) 其中，fun为单变量函数的函数名，x1=x=x2为给定的计算区间，[x,fval]分别为最小值点的位置和最小值。 f=inline(x.^3-2*x.^2-5,x); x=-2:0.1:2;plot(x,f(x)); % 作图，大致判断在[0,2]上的最小值点的位置 [x,y]=fminbnd(f,0,2) x = 1.3333 y