matlab基础学习7

矩阵组合的一些事情

%%
x=1:10;    
y=2:2:20;   
A=[x;y]    

%%
x=1:10;    
y=2:2:20;   
A=[x;y]'      %进行转置

进一步

%%
x=[1 2 3 ;4 5 6];    
y=[12 0  7;9 3 8];   
A=[x;y]

%%
x=[1 2 3 ;4 5 6];    
y=[12 0  7;9 3 8];   
A=[x;y]'进行转置

横向组合：

%%
x=[1 2 3 ;4 5 6];    
y=[12 0  7;9 3 8];   
A=[x, y]    %不用逗号，用个空格也行

sort函数

详细用法

rand函数

rand函数
官方文档

匿名函数

基本格式：

handle = @(arglist)anonymous_function

arglist为匿名函数的输入参数，可以是一个，也可以是多个，用逗号分隔。
anonymous_function为匿名函数的表达式。

数据拟合

发现事物潜在的一般规律

多项式拟合函数 polyfit(x,y,n)
x，y为样本数据
n是拟合的次数

%%
x=1790:10:2010;
y=[3.9,5.3,7.2,9.6, 12.9,17.1 ,23.2,31.4,38.6,50.2, ...
    63.0,76.0,92.0,105.7,122.8,131.7, ...
    150.7,179.3,203.2,226.5,248.7,281.4,308.7];
plot(x,y,'*');      %画出散点图
p=polyfit(x,y,3);    %进行三次多项式拟合，将系数向量保存在p中
polyval(p,2020)        %多项式求值，预测2020年的人口数量
plot(x,y,'*' ,x,polyval(p,x),'r');     %画出拟合曲线

2020年的预测人口

拟合曲线：

数值微分

一些概念：

向前差分，向后差分和中心差分 ~~微分
向前差商，向后差商和中心差商 ~~导数

对向量：

>> mk=[2 3 7 9];
>> z=diff(mk)

z =

     1     4     2

就是向前差分，z(1)=mk(2)-mk(1)
z(2)=mk(3)-mk(2)
z(3)=mk(4)-mk(3)

相比较向量mk而言，z向量少了一个元素

对矩阵：
就是一列一列的，diff后的矩阵与原矩阵比较少了一行
详细说明

数值积分

以后有兴趣再补充吧。。。

非线性方程求解

1.单变量非线性方程求解
fzero(函数名,x0)
x0为搜索起点
fzero函数只会给出离x0最近的那个根
2.非线性方程组的求解
fsolve(函数名,[x0,yo],options)
设置options=optimset（‘display’，‘off’）
函数调用时不显示中间结果

下面给出一个实例：

例2求下列方程组在(1,1,1)附近的解并对结果进行验证。
sin(x)+y+z²e^x=0
x+y+z=0
xyz=0

%%
f=@(x)[sin(x(1))+x(2)+x(3)^2*exp(x(1)),x(1)+x(2)+x(3),x(1)*x(2)*x(3)];
x=fsolve(f,[1,1,1],optimset('display','off'));
disp(x)    %x中第一个值就是x，第二个值是y，第三个值是z
disp(f(x))

输出：

求函数极值

无约束极值问题

[x_min,y_min]=fminbnd(函数名，x1，x2，options）
(这个取得的是局部最优解)
一元函数在(x1,x2)区间中的极小值点x_min和极小值y_min
[x_min,y_min]=fminsearch/fminunc(函数名，x0，options）
多元函数的极小值点和极小值

(无约束问题举例)

求多元函数f(x,y)=x³-y³+3x²+3y²-9x的极值

%%
clear
f=@(x)x(1)^3-x(2)^3+3*x(1)^2+3*x(2)^2-9*x(1);
g=@(x)-f(x);    %g(x)= —f(x)
[xmin,ymin]=fminunc(f,rand(2,1))   %求极小值点
[xmax,ymax]=fminsearch(g,rand(2,1)) %求极大值点