MATLab --数值计算

多项式

1. 多项式的表示
   对于多项式
   P(x)= a0xn+ a1xn-1+…+ an-1x+an
   可用矩阵表示，即
   P=[a0 a1 … an-1 an]

例: 系数向量直接输入多项式2x3-5x2+6x+3
命令如下：

p=[2,-5,6,3];
y=poly2sym(p) % 将系数向量表示成符号多项式
y = 2*x^3 - 5*x^2 + 6*x + 3

2. • 多项式计算
     polyval函数用来求代数多项式的值，其调用格式为：

Y=polyval(P,x)

• 若x为数值，则求多项式在该点的值；
• 若x为矩阵，则对矩阵每个元素求其多项式的值。

例: 已知多项式x4+8x3-10，分别取x=1.2和一个3×2矩阵为自变量计算该多项式的值

w=[1,8,0,0,-10];
x=1.2;
s1=polyval(w,x)  // 多项式求值
s2=x.^4+8*x.^3-10 // 表达式验证
y=[1.2 -0.9; 0.3 1.4; 1 0.1];
s3=polyval(w,y)   // 多项式求值

结果：

s1 =  5.8976
s2 =  5.8976
s3 =
    5.8976  -15.1759
   -9.7759   15.7936
   -1.0000   -9.9919

3. 多项式求根

x=roots(P)

其中P为多项式的系数向量，求得的根赋给向量x，即x(1),x(2),…,x(n)分别代表多项式的n个根

线性方程组

一般形式的线性方程组：

可转换为：

例: 求解线性方程组

程序如下：

A=[2,1,-5,1; ...
      1,-5,0,7; ...
      0,2,1,-1; ...
      1,6,-1,-4];
B=[13,-9,6,0]';
X=A\B   % 求解
               % R=inv(A)*B
C=A*X   % 验证

det(A)：求方阵A的行列式
rank(A)：求矩阵A的秩，即A中线性无关的行数和列数
inv(A)：求方阵A的逆矩阵
trace: 求矩阵A的迹

2. 矩阵分解
   常见的矩阵分解有：
   LU分解
   QR分解
   Cholesky分解

曲线拟合

使用polyfit函数求最小二乘法拟合多项式的系数，其调用格式为：

[P,S]=polyfit(X,Y,m)

X和Y为采样点数据；P为m次多项式的系数向量；
S为在采样点的误差向量，包括：

R：polyfit函数中，先根据输入的x构建范德蒙矩阵V，然后进行QR分解，得到的上三角矩阵。
df：自由度， df=length(Y)-(n+1)。
normr：标准偏差、残差范数。

clc; clear; close all;
x=1:5;
y=[2.7,7.4,20.0,54.5,148.4];
[b s]=polyfit(x,y,3)   
% 3次多项式拟合
% b是多项式拟合系数
% s是误差向量
xi=1:0.2:5;
yi=polyval(b,xi);  % 拟合函数在xi的数值
yf=polyval(b,x);   % 拟合函数在x的数值
plot(x,y,'rd',xi,yi,'b-.');
N2=norm(yf-y)   % 残差范数