MATLAB应用基础第四章Matlab的数值计算.docVIP

第4章MATLAB的数值计算 4.1求解线性代数方程组 已知线性代数方程组 Ax = b 可用下面三种方法求解 1）直接求逆法求解 x = inv(A)*b 此法当A不可逆时失效 2）左除法求解 x = A\b 左除法的基础是高斯消元法，由消元法对系数矩阵A进行LU分解。进而得到方程组的解。该法运算量少，运算速度快，而且数值稳定性好，解的精度高。 当方程个数大于未知变量个数时，该法可得到问题的最小二乘解。 当方程个数小于未知变量个数时，该法可求得有多个0元素的解。 3）使用伪逆函数求最小范数解： x = pinv(A)＊b 例如： %3个未知量4个方程 A=[1 2 3;4 5 6;7 8 0;2 5 8] b=[366,804,351,514] %计算最小二乘解 x=A\b %该馀向量具有最小范数 res=A*x-b %生成4个未知量的3个方程 A=A b=b(1:3) %具有最多0元素 x=A\b %计算最小范数解 xn=pinv(A)*b 运行结果如下： A = 1 2 3 4 5 6 7 8 0 2 5 8 b = 366 804 351 514 x = 247.9818 -173.1091 114.9273 res = -119.4545 11.9455 0 35.8364 A = 1 4 7 2 2 5 8 5 3 6 0 8 b = 366 804 351 x = 0 -165.9000 99.0000 168.3000 xn = 30.8182 -168.9818 99.0000 159.0545 4.2多项式计算 1、多项式的表示方法 多项式使用按降幂排列的多项式系数所构成的行向量描述。 即C1Xn+C2Xn–1+…+CnX+Cn+1可描述为： [C1,C2,…,Cn,Cn+1] 2、多项式相乘 conv(a,b) 其中：a,b为多项式系数向量 3、多项式相除 [q,r] = deconv(a,b) 其中：q为商，r为余项 4、多项式相加 两个相同规模的多项式可以相加： a + b 注意：若规模不同，则要把低阶多项式补足若干个＂0＂。 5、多项式微分 求多项式p的导数 polyder(p) 求多项式之积的导数 polyder(a,b) 3）求多项式之比的导数 [q,d] = polyder(a,b) 6、多项式求值 polyval(p,x) 功能：求多项式p对应于x的值 7、多项式求根 roots(p) 8、求一组根所对应的多项式 若已知一多项式的根为行向量r时，则 poly(r) 为r所对应的多项式。 例如： a=[1 2 3 4]; b=[1 4 9 16]; c=conv(a,b) d=a+b e=c+[0 0 0 d] [q,r]=deconv(e,a) h=polyder(c) g=polyder(a,b) [q,d]=polyder(a,b) p=[1,-12,0,25,116]; v=polyval(p,2.5) r=roots(p) 运行结果如下： c = 1 6 20 50 75 84 64 d = 2 6 12 20 e = 1 6 20 52 81 96 84 q = 1 4 9 18 r = 0 0 0 0 2 6 12 h = 6 30 80 150 150 84 g = 6 30 80 150 150 84 q = 2 12 42 32 12 d = 1 8 34 104 209 288 256 v = 30.0625 r = 11.7473 2.7028 -1.2251 + 1.4672i -1.2251 - 1.4672i 4.3数值逼近 1、曲线拟合 若已知离散数据向量x,y，则 polyfit(x,y,N) 将采用最小二乘法构造一个N阶多项式 例