MATLAB函数

最新推荐文章于 2023-07-20 11:12:09 发布

Augusdi

最新推荐文章于 2023-07-20 11:12:09 发布

阅读量7.4k

点赞数

本文链接：https://blog.csdn.net/augusdi/article/details/4063335

版权

第四章內建函數

函數是針對某特定功能所撰寫的程式，利用其固定的名稱執行所需之任務。函數通常可分為內建函數與自訂函數兩大類。內建函數則又視其公用程度而分一般函數與特定函數。目前我們討論者，以一般函數為原則。茲分別作說明：

4.1數學基本函數

一般函數有三角函數、矩陣函數及統計函數。有些由於解說之需要，在前文中已有述及。但基本上，其歸類有些也甚為模糊的，只是這種分類也沒多大意義。故讀者參考時，可以前後作對照。三角函數是工程上最為常見的函數，下表將其列入。

4.1.1三角函數

由於三角函數牽涉到角度的單位，以往其輸入參數均以弧度為單位，故應用時須先轉換，令pi等於180度，依此比例計算。新版的應用中，則增加以度數為單位輸出與輸入的型式，因此不必再經過轉換的程序。在函數的名稱上，若輸入為度數，則可使用字尾加"d"的型式，如xxxd是，詳情見表4.1。當然是否必須使用不同的度數為指令，則見仁見智。若考慮新舊版的共通性，仍仍以採用轉換之型式為宜。

表4.1三角函數指令表

指令型式	說明
sin / sind	正弦函數，輸入參數單位為弧度／度數
cos /cosd	餘弦函數，輸入參數單位為弧度／度數
tan /tand	正切函數，輸入參數單位為弧度／度數
cot /cotd	餘切函數，輸入參數單位為弧度／度數
asin / asind	反正弦函數，輸出參數單位為弧度／度數
acos /acosd	反餘弦函數，輸出參數單位為弧度／度數
atan /atand	反正切函數，輸出參數單位為弧度／度數
acot /acotd	反餘切函數，輸出參數單位為弧度／度數
sinh / cosh	超正／餘弦函數
asinh /acosh	反超正／餘弦函數，輸出參數單位為弧度
tanh /coth	超正／餘切函數
atanh /acoth	反超正／餘切函數，輸出參數單位為弧度
atan2	四象限反正切函數，輸出參數單位為弧度

例1. 計算sin(60)之值：


>>sin(60*pi/180)

ans =    0.8660

>>sind(60)

ans =    0.8660

其結果相同。

例2. 計算sin²(60度)+cos²(60度)之值


>>theta=60*pi/180;
>>sin(theta)^2;+cos(theta)^2;
  ans =     1

>>sind(60)^2;+cosd(60)^2;
  ans =     1

兩者之結果亦相同。

例3. 計算arctan(1)+arccot(1)之值


>>atan(1)+acot(1)
  ans =    1.5708

>>atand(1)+acotd(1)
  ans =    90

前者之單位為弧度，後者為度數，其實兩者所指的角度是相同的。

表4.1中亦列有超函數之計算，這是在許多工程數學常見到的解，其型式近乎雙曲線函數。其定義如下：


cosh x ={exp(x)+exp(-x)}/2

sinh x ={exp(x)-exp(-x)}/2

若依其定義進行計算，則可利用後節之對數函數配合解決，若直接用超函數表示，則可簡單計算如下：


>>cosh(1)
  ans =
    1.5431

4.1.2指數與對數函數

有關指數與對數函數之指令則如表4.2所示。這些指令與極座標有關，也與超函數之運算有關。

表4.2　指數與對數與複數函數指令表

指令型式	說明
sqrt(x)	開方根( )
exp(x)	指數函數(ex)
log(x)	自然對數( )
log10(x)	以10為基底之對數(log10x)
abs(x)	(複數之)絕對值
angle(x)	複數或極座標之夾角，弧度
real(x)	複數之實數部份
imag(x)	複數之虛數部份
conj(x)	共軛複數
i,j	虛數單位，如3+4j，或3+4i

一般數之次方常用"^"表示，如A^5代表A ⁵。開平方根則是常用的指令，故有特別的操作函數sqrt，例如３的開平方：


>>sqrt(3)
  ans =    1.7321

同理負數的開方也可以得到結果，只是會產生複數，以-5之開方為例：


>>sqrt(-5)
  ans =        0 + 2.2361i

結果進入虛數的世界，因為得到虛根。所以MATLAB在處理數值時，開方根並不限於正值。
指數方面，因為基底之不同，數學上分為以e 與以10為底；對應於指令方面，分別為log(x)與log10(x)之型式。與對數相應，以e 為底者稱為自然對數，用exp(x)表示。例如e¹其值為：


>>exp(1)
  ans =
     2.7183

顯然e值就是2.7183。由於定義上，y=e^x　兩邊分取對數，則log(y)=x。故上述結果代入log(y)應可得到x，如：


>>log(2.7183)
  ans =
    1.0000

所以兩者是相互為用的。在以10為基底的情況下，若要更換為自然對數，則其對數值應乘以log(10) 。以x=10^5為例，兩邊取自然對數後，成為log(x)=5*log(10)，則：


>>logx=5*log(10)
  logx =   11.5129

>>x=exp(logx)
  x =
     1.0000e+005

其值與原數相同。注意：結果為以10為底之指數型式，由e後面為其次方值。
指數的型式，其輸入項亦可使用複數，以配合極座標之應用。通常將複數中之實數部份作為橫軸，虛數之值則視為縱軸，如此可以構成二度空間。假設某向量R=3+4j，則：


>>R=3+4j
   R =   3.0000 + 4.0000i

由此可以利用計算其絕對值abs(R)、夾角angle(R)：


>>abs(R)
  ans =     5

>>angle(R)*180/pi
  ans =   53.1301

後者之角度已轉換為度數。利用同一複數量Ｒ亦可求其實數、虛數及共軛複數：


>>real(R)　%實數部份　
  ans =     3

>>imag(R)　%虛數部份
  ans =     4

>>conj(R)　%共軛複數
  ans = 3.0000 - 4.0000i

根據尤拉公式，虛數之自然對數可以與正、餘弦作轉換，其基本型式為：

e^ix=cos(x)+ i sin(x)

此時，x之值為弧度值。因此利用這種轉換亦可將自然對數之型式轉換為三函數之關係：例如，設theta=[ 20 60 80]度，則


>>theta=[20 60 80]/180*pi %先轉換為弧度
  theta = 0.3491    1.0472    1.3963

>>eix=exp(i*theta)
  eix = 0.9397 + 0.3420i   0.5000 + 0.8660i   0.1736 + 0.9848i

>>cos(theta)+i*sin(theta)
  ans = 0.9397 + 0.3420i   0.5000 + 0.8660i   0.1736 + 0.9848i

由此可以證明三個不同角度下，其演算結果相同。

就超函數之定義而言，其值與指數間具確定的關係，依照前述之cosh(x)與sinh(x)之定義，兩者相加可以得到如下之如果：



e^x=cosh(x)+sinh(x)

>>cosh(1:5)+sinh(1:5)
 ans = 2.7183    7.3891   20.0855   54.5982  148.4132

>>exp(1:5)
 ans = 2.7183    7.3891   20.0855   54.5982  148.4132

兩者對應之結果一致。

4.1.3元素操作函數

有些數值必須在計算中進行整理，使其符合需求。這些函數包括四捨五入(round)、頂部整數(ceil)、底部整數(fix)、近零整數(floor)等。這些功能如下表：

表4.3元素操作函數

指令型式	說明
ceil(x)	大於x之最近整數
fix(x)	位於接近於零之整數
floor(x)	小於x之最近整數
round(x)	四捨五入之整數
sign(x)	符號值，若x>0為+1；x=0為0；x<0為-1>

假設有一向量Ａ為：


>>A=rand(1,10)*10-5  %利用隨機函數產生-5至+5間之亂數
 A =
1.1543    2.9194    4.2181    2.3821   -3.2373   -0.9429
　　　4.3547    4.1690   -0.8973    3.9365

>>round(A)  ％進行四捨五入。
 ans =
  1     3     4     2    -3    -1     4     4    -1     4

>>fix(A)  ％最接近零之整數
 ans =
  1     2     4     2    -3     0     4     4     0     3

>>floor(A)  ％得到最接近Ａ值但低於Ａ值之整數
 ans =
  1     2     4     2    -4    -1     4     4    -1     3

>>ceil(A)  ％得到大於Ａ且最接近於Ａ之整數
 ans =
  2     3     5     3    -3     0     5     5     0     4

>>sign(A)  ％得到該值之符號值，若該值為零，則為零（本例沒有）
 ans =
  1     1     1     1    -1    -1     1     1    -1     1

4.2矩陣之統計

對於一個矩陣元素值之統計，前面也有部份討論到，諸如sum、mean、max、min等等，都是就元素值之特性進行操作者。其中有些以向量矩陣為主(包括行向量與列向量)，但亦可應用於一般矩陣(例如m x n矩陣)，將每行之元素進行處理(例如累加)，然後將結果置於一個列矩陣中。這些統計型函數如表4.5所示：

表4.5矩陣簡單之統計指令

指令型式	說明
median(A)	求陣列Ａ之中間值
cumsum(A)	求陣列Ａ之累加值
prod(A)	求陣列Ａ之乘積值
cumprod(A)	求陣列Ａ之累積值
std(A)	求陣列Ａ之標準差

4.2.1 MEDIAN中間函數

求矩陣中之中間值數，其與mean函數不同，後者求其平均值，但應用上大致相同。


>>A=magic(5)
A =
17    24     1     8    15
23     5     7    14    16
4     6    13    20    22
10    12    19    21     3
11    18    25     2     9

>>median(A)
ans =
11    12    13    14    15

此為各行之中間值，若要求各列之中間值則可用median(A,2)


>>median(A,2)
    ans =
      15
      14
      13
      12
      11

4.2.2 CUMSUM累加函數

這是矩陣之累加函數，可以就行向各元素逐一累加。若仍以上式Ａ魔術矩陣為例：


>>cumsum(A)
  ans =
   17    24     1     8    15
   40    29     8    22    31
   44    35    21    42    53
   54    47    40    63    56
   65    65    65    65    65

其所得結果為由上往下累加，若要列向累加，則可以在其後加一個dim=2之參數：


>>cumsum(A, 2)
  ans =
   17    41    42    50    65
   23    28    35    49    65
    4    10    23    43    65
   10    22    41    62    65
   11    29    54    56    65

而魔術方陣其各方向累加起來之值均相同，也可由此得證。利用cumsum函數也可以立即產生一個等差級數之陣列，例如等差值5之陣列如下：


>>M=cumsum(0:5:50)
  M =
     0     5    15    30    50    75   105   140   180   225   275

4.2.3 PROD乘積函數

prod函數與sum之功能大體相同，只是prod是將各元素沿特定陣列方向相乘，得其乘積為答案。例如：


>>prod(1:5)
  ans =   120

將上式之魔術方陣Ａ進行行向運算：


>>prod(A)
ans =
172040      155520       43225       94080      142560

顯然，其各行結果不像加法，會有相同的結果。若要列向相乘，也可以設dim=2：


>>prod(A,2)
    ans =
      48960
      180320
      137280
      143640
       89100

4.2.4 CUMPROD累積函數

累積函數cumprod與累加 cumsum亦屬相同的功能，只是以乘法表示而已。其可能應用的則為等比級數之產生。例如：


>>cumprod(1:2:10)
ans =
1     3    15   105   945

4.2.5 STD標準差

一般標準差之計算有兩種方式，其一為分母除以n-1，即不包括平均值之項目，一為分母除以n，
計算上式標準差之函數型式如下：

s=std(X, flag, dim)

其中dim之定義與前面相同外，flag之旗標為０則採用第一式計算標準差，換言之，其分母為n-1；若旗標為1，即採用第二式計算。一般採用的方式以旗標為0者為多，其效果與不標旗標的情況相同。相關例子如下：設Ｍ為隨機函數：


>>M=round(rand(4,5)*100)-50
M =
34    33   -20   -20   -12
-48     0   -31     4    36
18    21   -31   -35    35
-12    -7    18    20     9

>>std(M)
ans =
36.1109   18.5000   23.2522   24.5000   23.0217

>>std(M,1)
ans =
31.2730   16.0215   20.1370   21.2176   19.9374

std(M)與std(M,1)之差異在於前者除以n-1，後者除以n。在項目較少的場合，後者之變異數會較小，在統計學上會有顯著的差異。通常標準差常與平均值相配合，其平均值可以對應求得如下：


>>mean(M)
ans =
-2.0000   11.7500  -16.0000   -7.7500   17.0000

若要求得列向的標準差，則可令第三個參數dim=2，得到的是行向量標準差。


>>std(M,0,2)
ans =
28.0357
32.6833
32.2614
14.5017

若需求得整個矩陣之平均值與標準差，則可改用下面方式計算：


>>[mean(M(:)) std(M(:))]
ans =
0.6000   26.0897

由於Ｍ矩陣為隨機函數產生，故其平均值應接近於零。

4.3矩陣之應用

矩陣之相乘雖然屬於元素與元素間之相乘，但其結果可能因解釋或其實際之意義而不同。前文所述之陣列相乘即是一種例子，但其結果是相對應位置的元素相乘。這種逐元乘法在Matlab中相當普遍，而通常矩陣的加法、減法是與逐元之加法、減法是一致的，其應用比較簡單。至於矩陣的乘法（或未來的除法）其代表的意義自有不同。

範例一：向量之點積(Dot product)

以向量為例，通常一個向量可以使用三個垂向座標來表示，而各座標之單位向量（其量為一，但方向維持座標方向）若以i、j、k表示，則任一向量Ｖ、U可以表示如下：


V=v1 i + v2 j + v3 k；Ｕ＝u1 i + u2 j + u3 k

今若要求這兩向量間之內積(dot product)，則Ｖ。Ｕ之結果應為各向量同方向之分量之積之和，亦即：


Ｖ。Ｕ＝v1.u1+v2.u2+v3.u3

這個結果若能以矩陣表示，設Ｖ＝[ v1　v2　v3]；Ｕ＝[ u1　u2　u3] ，則

Ｖ。Ｕ＝v1.u1+v2.u2+v3.u3＝ [ v1　v2　v3][ u1　u2　u3]'

在MATLAB有一個點積指令稱為dot()，其指令型式如下：

dot(U,V)

假設：V=[ 25 4 50]; U=[15 20 5]，結果：


   >>V.U=[25 4 50]*[15 20 5]'
     ans =
       705
   >> [15 20 5]*[25 4 50]' %即使順序掉換，其結果亦相同。
     ans =
      705

   >> [25 4 50]'*[15 20 5]　%但是這樣掉換，其結果完全不同。
     ans =
       375         500         125
        60          80          20
       750        1000         250

上述的例子中，使用點積指令亦可得到同樣的結果：


>> dot([25 4 50],[15 20 5])

  ans =

   705

>> dot([25 4 50],[15 20 5]')

   ans =

   705

因此，若利用點積指令，也可以求得某特定向量之絕對值如下：


>> r=sqrt(dot([25 4 50],[25 4 50]))

r =

   56.0446

>> u=[25 4 50]/r

u =

    0.4461    0.0714    0.8921

上述u則為該向量之單位向量了。

範例二：叉積指令(Cross)

兩向量間之叉積在於求得兩向量所構成之垂向面積，而其方向則是垂直於該面積之正方向。例如扭矩等於力與力臂之叉積，而其方向則在於共同垂直於此二向量之方向。叉積之指令型式為：

M=cross(R,F)

設有A向量沿x軸，其向量值為A=1i，以向量陣列表示為A=[1 0 0]；B為沿y方向，其向量值B=2j，或B=[0 2 0]；則結果向量Ｄ應為：

D=AxB (注意此處x號為叉積或cross的意思，不要與矩陣之*混淆），則


>> A=[1 0 0];B=[0 2 0];
>> D=cross(A,B)

D =

     0     0     2

其結果在z方向，其值為2。
若兩向量均不在特別之座標上，則結果也可能在空間上，例如：


>> m=cross([1 2 3],[5 4 3])

  ans =

    -6    12    -6

至於要求得m之絕對值，則有下列方法：


>> r2=sqrt(m*m')

r2 =

   14.6969

>> r2=sqrt(dot(m,m))

r2 =

   14.6969

兩者均可得到相同的答案，則如何求其單位向量，相信應更容易了。

範例三：九九乘法表

例如：製造一個九九乘法表，其方法可以利用上述的用法迅速得到答案：


   >> A=[1:9];Table=A'*A
     Table =
   1     2     3     4     5     6     7     8     9
   2     4     6     8    10    12    14    16    18
   3     6     9    12    15    18    21    24    27
   4     8    12    16    20    24    28    32    36
   5    10    15    20    25    30    35    40    45
   6    12    18    24    30    36    42    48    54
   7    14    21    28    35    42    49    56    63
   8    16    24    32    40    48    56    64    72
   9    18    27    36    45    54    63    72    81

同理，試算出一長L=[2 4 6 8 10]m、寬W=[1 2 3 4 5]m所構成之組合及其對應之重量。設密度為10kg/cm^3 。


>> Weight=[2:2:8]'*[1:5]*10

Weight =
  20    40    60    80   100
  40    80   120   160   200
  60   120   180   240   300
  80   160   240   320   400

範例四：生產成本分析

某工廠件生產三件主力產品A、B、C三種。生產過程中，其材料、勞力、設備及運輸等之單位產品成本亦自不同。設每樣產品一年分四季生產，其售價亦四季不同，求其每季之生產成本、單項產品之生產成本、單項產品之銷售及利潤等。其相關資料如下：

單位生產成本，Ｐ（NT$）

產品名	材料	設備	人力	運輸
Ａ	100	22	65	12
Ｂ	50	15	80	5
Ｃ	200	30	50	20

每季生產量，Ｑ單位

產品名	第一季	第二季	第三季	第四季
Ａ	100	200	250	90
Ｂ	250	200	150	100
Ｃ	80	100	120	150

每季售價格，Ｗ（NT$）

產品名	第一季	第二季	第三季	第四季
Ａ	300	250	250	200
Ｂ	400	350	250	150
Ｃ	500	600	650	700

先將三種資料輸入P、Q、W等三個矩陣，其大小均為(3x4)：但Ｑ之四項與Ｐ之四項並不屬同性質，故即使矩陣之大小配合，也須注意不能隨意相乘。


   >>P=[100 22 65 12;50 15 80 5;200 30 50 20];
   >>Q=[100 200 250 90;250 200 150 100;80 100 120 150];
   >>W=[300 250 250 200; 400 350 250 150;500 600 650 700];

輸入後之值如下：


>>P  %單位成本
P =
100    22    65    12
50    15    80     5
200    30    50    20   Q  ％每季生產量

>>Q =
100   200   250    90
250   200   150   100
80   100   120   150  W  ％每季之產品價格

>>W =
300   250   250   200
400   350   250   150
500   600   650   700

為求得每季之生產成本，可用C=P'*Q 計算，其大小之型式為(4x4)=(4x3)(3x4)。結果為4x4，其列為材料、設備、人力及運輸之成本，行向為四季。注意前者P用移置功能，主要將其大小轉為符合矩陣之乘法：



>>C=P'*Q
C =
     38500       50000       56500       44000
      8350       10400       11350        7980
     30500       34000       34250       21350
      4050        5400        6150        4580

上式Ｃ矩陣為四季之成本，若將材料、設備、人力及運輸成本合計，則各季之成本小計可用sum函數計算：


>>Qcost=sum(C)
  Qcost =
     81400       99800      108250       77910

Qcost為四季之成本，若需要總成本，則需再用一次sum函數：


>>Total_cost=sum(Qcost)
  Total_cost =
    367360

其次要計算單項產品之成本時，可利用原來之Ｐ矩陣。因為其列為產品名稱，行為分項成于，故若列向相加，應可得各項產品之單位成本，其法可利用sum函數，但其第二參數應輸入2，表示以列向（橫向）相加：


>>Prod_unitcost=sum(P,2)
  Prod_unitcost =
 199
 150
 300

同樣，對生產量Q而言，由於其行向屬不同季節，若將其合併，應為一年之總生產量，故仍然應用sum函數，但記得其第二參數為2：


>>Prod_Q=sum(Q,2)
>>Prod_Q =
 640
 700
 450

有了單位總生產成本Prod_unitcost及年生產量Prod_Q，即可直接用元素對應元素乘法，求得其總成本。注意此時之操作元乘號前須加點，即.* 。


>>Prod_cost=Prod_unitcost.*Prod_Q
Prod_cost =
    127360
    105000
    135000

Prod_cost 即為年生產總成本。其次要求得年銷售金額，此時因為Q與W矩陣之行向同為季別，故只要使用元素對元素之乘法即可。其四季之銷售量D=Q.*W：


>>D=Q.*W
D =
     30000       50000       62500       18000
    100000       70000       37500       15000
     40000       60000       78000      105000

目前為求得各項產品之銷售金額，故只要每項產品之四季金額相加即可，此時仍使用sum函數，其第二輸入參數仍設定為2：


>>Prod_sale=sum(D,2)
  Prod_sale =
    160500
    222500
    283000

Prod_sale為全年三種產品之銷售金額。扣除上項得到之成本Prod_cost，即為利潤Profit：


>>Profit=Prod_sale-Prod_cost
Profit =
     33140
    117500
    148000

綜合判斷，Ｃ產品之獲利較高；Ｂ產品次之。讀者可就四季所得之利潤進行分析，其結果應更具參考性。