MATLAB矩阵分析及多项式运算.ppt

surf(xi,hi,TI) 曲线拟合 曲线拟合使用一个较简单的函数去逼近一个复杂或未知的函数，依据的条件是一个区间上有限个采样点的函数值。使其在最小二乘原理下最优。所构造的函数是一个次数小于插值节点个数的多项式。 设测得n个离散数据点(xi,yi)，构造一个m（m≤n)次多项式p(x)： 使上述拟合多项式在各节点处的偏差p(xi)-yi的平方和达到最小。 采用最小二乘法进行曲线拟合时，实际上是求一个多项式的系数向量。 曲线拟合 用polyfit函数来求得最小二乘拟合多项式的系数，再用polyval函数按所得的多项式计算所给出的点上的函数近似值。 polyfit函数的调用格式为： [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，P的元素为多项式系数。 polyval函数的功能是按多项式的系数计算x点多项式的值。 例： 已知数据表[t,y]，试求2次拟合多项式p(t)，然后求ti=1,1.5,2,2.5,…,9.5,10各点的函数近似值。 t=1:10; y=[9.6,4.1,1.3,0.4,0.05,0.1,0.7,1.8,3.8,9.0]; p=polyfit(t,y,2) p = 0.4561 -5.0412 13.2533 ti=1:0.5:10; yi=polyval(p,ti) yi = Columns 1 through 9 8.6682 6.7177 4.9952 3.5007 2.2342 1.1958 0.3855 -0.1969 -0.5512 Columns 10 through 18 -0.6775 -0.5758 -0.2460 0.3118 1.0977 2.1115 3.3534 4.8233 6.5213 Column 19 8.4473 plot(t,y,:o,ti,yi,-*) 多项式计算 n次多项式用一个长度为n+1的行向量表示，缺少的幂次项系数为0。 如果n次多项式表示为： P(x)表达为向量形式：[a0,a1,a2,…an-1,an] 多项式之间进行四则运算，结果仍为多项式。 多项式计算 (1) 多项式的加减运算 其所对应的系数向量的加减运算。 对于次数相同的两个多项式，直接对多项式系数向量进行加减运算。 如果多项式的次数不同，把低次的多项式系数不足的高次项用0补足，使同式中的各多项式具有相同的次数 多项式计算 例：计算(x3-2x2+5x)+(6x-1) a=[1,-2,5,3]; b=[0,0,6,-1]; c=a+b c = 1 -2 11 2 多项式计算 (2)多项式乘法运算 函数conv(P1,P2)用于求多项式P1和P2的乘积。这里，P1、P2是两个多项式系数向量。 多项式计算 例：求多项式x4+8x3-10与多项式2x2-x+3的乘积。 A=[1,8,0,0,-10]; B=[2,-1,3]; C=conv(A,B) C = 2 15 -5 24 -20 10 -30 结果求得一个六次多项式 多项式计算 (3)多项式除法 函数[Q,r]=deconv(P1,P2)用于对多项式P1和P2作除法运算。其中Q返回多项式P1除以P2的商式，r返回P1除以P2的余式。这里，Q和r仍是多项式系数向量。 deconv是conv的逆函数，即有P1=conv(P2,Q)+r。 例：求多项式x4+8x3-10除以多项式2x2-x+3的结果。 A=[1,8,0,0,-10]; B=[2,-1,3]; [P,r]=deconv(A,B) P = 0.5000 4.2500 1.3750 r = 0 0 0 -11.3750 -14.1250 商多项式P为： 余项多项式r为： conv(B,P)+r ans = 1 8 0 0 -10 设有两个多项式 求f(x)+g(x)、f(x)-g(x)、f(x) ·g(x)、f(x)/g(x) f=[3,-5,2,-7,5,6];g=[3,5,-3];g1=[0,0,0,g]; f+g1 ans = 3 -5 2 -4 10 3 f-g1 ans = 3 -5 2 -10