南京matlab,matlab

48：多变量函数的Taylor幂级数展开

F=maple(‘mtaylor’,f,’[x1,…,xn]’,k)

F=maple(‘mtaylor’,f,’[x1=a1,…,xn=a1]’,k)

表示在x1=a1,…,xn=an处展开，k-1为展开的最高阶次，f为原多变量函数 49：Fourier级数展开，可根据系数的求法自行编写函数 50：级数求和的计算

S=symsum(fk,k,k0,kn)，fk为级数的通项，k0 kn为级数求和的起始项与终止项； 若fk变量中只有一个变量，则在函数调用时可以省略k量 51：序列求积问题，

maple(‘product(fun,n=a..b)’)或maple(‘product’,fun,’n=a..b’)

52：曲线积分与曲面积分的计算根据数学表达式转化为matlab语言，并利用int()函数进行计算 矩阵

53：生成特殊矩阵的函数 1) zeros(n)全零n阶方阵，ones(n)全1n阶方阵，eye(n)单位矩阵，zeros(m,n)m*n

全零矩阵，zeros(size(B))生成和矩阵B同样维数的全零矩阵；zeros()和ones()还可用于多维数组的生成

2) rand(n)生成n阶标准均匀分布伪随机矩阵，rand(n,m) n*m矩阵 3) randn(n)生成n阶标准正态分布的随机数矩阵 4) 对角矩阵

diag(V)已知向量V生成对角矩阵

diag(A)已知矩阵A提取对角元素列向量

diag(V,k)生成主对角线上第k条对角线为V的矩阵

5) Hankel矩阵，每条反对角线上所有的元素相同，用函数hankel(C,R)生成，先将

H矩阵的第一列的各个元素定义为C向量，将最后一行各个元素定义为R向量；因此最后一行的第一个元素应该等于第一列的最后一个元素

6) Hilbert()矩阵，第(i,j)元素等于1/(i+j-1)，用函数hilb(n)生成，invhilb(n)则生

成Hilbert逆矩阵

7) Vandermonde矩阵，V=vander(C) C为一向量 8) 伴随矩阵 A=compan(P) P为一多项式 54：矩阵的一些基本性质 1) 行列式 det(A)可求得矩阵A的行列式 2) 迹 trace(A)即对角线上各项的和 3) 秩 rank(A)或rank(A,c) 给定精度c下求数值秩 在符号运算工具箱中也提供了 4) Norm(A,选项)，允许求各种意义下得矩阵范数，选项表的选项有1(1-范数)

2(矩阵的最大奇异值)inf(无穷范数)‘fro’(Frobinius范数) P范数，对向量可取任何整数，而对矩阵只可取1,2,inf或’fro’ -inf 只可用于向量 符号运算工具箱中未提供norm()函数

5) 特征多项式，c=poly(A) 求矩阵A的特征多项式 6) 矩阵多项式的求解，B=polyvalm(a,A)

7) 符号多项式与数值多项式的转换 数值多项式构成了向量p，可用f=poly2sym(p)或f=poly2sym(p,x) (以x为算子表示多项式)将数值多项式转化为符号多项式

55：矩阵的逆矩阵

C=inv(A) 同样适用于符号变量构成的矩阵的求逆，也适用于含有变量的矩阵 对于非奇异矩阵，无逆矩阵，可能有错误提示信息或警告信息 对于Hilbert矩阵，有invhibl(V)函数可直接求得逆矩阵 56：广义逆矩阵

若ANA=A,则称N为A的广义逆矩阵

M=pinv(A) M=pinv(A,c) 57:矩阵的特征值与特征向量

d=eig(A) 只求特征值，d为一向量 [V,D]=eig(A) 求特征值与特征向量，V中得每列为矩阵A的一个特征向量，D是一个对角矩阵，对角线上的值即是特征值 符号运算工具箱中也提供了该函数 (变换矩阵是由特征向量构成的矩阵，即矩阵V) 58：矩阵的正交矩阵 orth()函数可直接得出，该矩阵与本身的共轭转置矩阵相乘为单位矩阵；且可作为相似变换矩阵

59：一般矩阵的三角分解，也称为LU分解

[L,U]=lu(A) 得到的L为下三角矩阵，且主对角线上的元素都为1；U为上三角矩阵；该函数考虑主元素选取的问题，一般会给出可靠的结果，但L不一定是真正的下三角，且主对角线上的元素不一定都是1

[P,L,U]=lu(A) P为单位阵变换出的置换矩阵，可获得有关换行信息

60：对于对称矩阵A，可以分解为A=L*(L的转置)matlab提供了chol()函数 L=chol(A) 返回上三角矩阵

61：一个对称矩阵，若所有的主子行列式均为整数，则该矩阵为正定矩阵

可以利用chol()函数判定，调用格式为 [D,p]=chol(A) 若A为正定矩阵，则p为0；若p不为0，则p-1是A矩阵中正定的子矩阵的阶次，即D为(p-1)阶方阵

非对称矩阵调用函数chol()，不会报错，但结果是错误的，它首先将给定的矩阵强制按上三角子矩阵转换成对称矩阵

62：求解线性方程组 Ax=B 判定矩阵C=[A B]

若有唯一解，x=A-1*B为方程的解，利用matlab可以得到x=inv(A)*B

若rank(A)=rank(C)=r64：求矩阵的任意函数 A1=funm(A,’函数名’)

代数方程与最优化问题

65：图解法(只适用于一二维)

ezplot()绘制隐函数曲线，然后根据交点来判断根 ezplot(‘f’,[min,max])画出f=0在区间上的图像 图解法只能求出实根，无法求出复根 66：solve函数

S=solve(eqn1,eqn2,…) 返回结构体变量S [x,…]=solve(eqn1,eqn2,…)

[x,…]=solve(eqn1,eqn2,…,’x,…’)

67：line()

line([起点横坐标，终点横坐标]，[起点纵坐标，终点纵坐标]) line(a,b),a b是相同大小的矩阵时，会再对应的每一列做一条直线 line(a,b,c) 相应的会在三维图中画直线

68：eval() Execute string with MATLAB expression 69：一般非线性方程的数值解

x=fsolve(Fun,x0)

[x,f,flag,out]=fsolve(Fun,x0,opt,p1,p2…)

Fun为需求解的函数，一般使用匿名函数@；方程求根从x0开始以逐步减小误差的算法搜索出满足方程的实根x；若返回的flag大于0，则说明求解成功，第二个式子的f表示求出的x代回原方程得到的误差

70：求解无约束最优化的函数fminsearch() fminunc() x=fminunc(Fun,x0)

[x,f,flag,out]=fminunc(Fun,x0,opt,p1,p2…)

输入与返回参数的定义与fsolve()函数中的控制变量一致 71：带有变量边界约束的最优化问题求解

x=fminsearchbnd(Fun,x0,xm,xM)

[x,f,flag,out]=fminsearchbnd(Fun,x0,xm,xM,opt,p1,p2…) xm,xM为上下界 72：线性规划问题

Ax=B

Aeqx=Beq xm<=x<=xM

[x,fopt,flag,c]=linprog(f,A,B,Aeq,Beq,xm,xM,x0,OPT,p1,p2…)

其中fopt为最优化的值，f为目标函数，其中的约束条件没有的话可以置为空[] 73：二次型规划的求解

[x,fopt,flag,c]=quadprog(H,f,A,B,Aeq,Beq,xm,xM,x0,OPT,p1,p2…)

其中H为二次型规划目标函数中的H矩阵，其余各个变量同线性规划函数调用的一致 74：一般非线性规划问题的求解

[x,fopt,flag,c]=fmincon(F,x0,A,B,Aeq,Beq,xm,xM,CF,OPT,p1,p2…)

F为给目标函数写的M函数或inline()函数，x0为初始搜索点；各个约束约束若不存在，则应该用空矩阵来占位。CF为给非线性约束函数写的M函数，OPT为控制选项。最优化的结果在变量x中返回，最优值在fopt中返回。 75：0-1线性规划问题(自变量为0或1) x=bintprog(f,A,B,Aeq,Beq)

76：无约束多目标函数的最小二乘解

[x,nv,fopt,flag,c]=lsqnonlin(F,x0,xm,xM)

其中F是目标函数，可为M函数、匿名函数或inline()函数，该函数为向量函数，即多个目标；从x0开始搜索，最优结果在x中返回，最优值在fopt中，范数在nv中返回

也可转化为单目标问题进行求解，思路是给每个目标函数加权，并取不同加权方案下得最优方案

目标函数为一个矩阵时，可通过求最佳妥协解来球的，先单独求出每个单目标函数的最优化问题，得出最优解fk；然后通过规范化构造单独的目标函数；便转化为了单目标线性规划问题

77：极小极大问题求解，在最不利的条件下寻找最有利决策方案的一种方法

[x,fopt,flag,c]=fminmax(F,x0,A,B,Aeq,Beq,xm,xM,CF,OPT,p1,p2,…)

F为给目标函数写的M函数或inline()函数，此处为向量函数；x0为初始搜索点；各个约束约束若不存在，则应该用空矩阵来占位。CF为给非线性约束函数写的M函数，OPT为控制选项。最优化的结果在变量x中返回，最优值在fopt中返回。 78：图在matlab中常用矩阵表示和处理

已知某个图由n个节点构成，图中含有m条边，由ai节点出发到bi节点的边权值为wi，则可以建立三个向量，由它们构造出关联矩阵 A=[a1,a2,…,am,n] B=[b1,b2,…,bm,n] W=[w1,w2,…,wm,0] R=sparse(a,b,w);

关联矩阵形式如下：

79：常规矩阵，一个图有n个节点，则用一个n*n矩阵来表示，若节点i到节点j的权值为k，则相应的元素R(i,j)=k；若不存在边，则R(i,j)=0.

可通过full()函数将关联矩阵转换成常规矩阵，也可通过sparse()函数将常规矩阵转换成关联矩阵，关联矩阵也称稀疏矩阵 80：有向图的路径寻优

P=biograph(R) 根据关系矩阵R简历有向图对象P [d,p]=graphshortestpath(P,n1,n2) 求解最短路径，n1和n2为起始和终止节点序号，d为最短距离，p为最短路径上节点序号构成的序列 view()函数可以显示有向图 81：无向图的路径寻优

无向图中若不存在环路，则可以先按照有向图的方式构造关联矩阵R，则无向图的关联矩阵R1=R+R的转置计算出来。

若某些边事有向的，则可以手工修改该矩阵，假如从节点i到节点j的边是有向的，从i到j，则可设置成R1(j,i)=0

82：绝对坐标节点的最有路径寻优

若各个节点以绝对坐标(x,y)给出，且给出节点间的连接关系，则边权值可由两点间的距离计算处理

pdf表示求取概率密度函数，cdf表示累积分布函数，inv表示逆分布函数，rnd表示随机数生成函数

83：Poisson分布

y=poisspdf(x,t) F=poisscdf(x,t) x=poissinv(F,t)

x为选定的一组横坐标向量，由x=[0:k]生成，y为x各点处的概率密度函数的值，F为x