MATLAB 矩阵处理及多项式计算

一、实验目的 （1）掌握生成特殊矩阵以及矩阵处理的方法     （2）掌握数据统计和分析的方法 （3）掌握多项式的常用计算

二、实验原理与实验设备 原理：计算机编程相关知识技能和MATLAB软件编译环境 设备：计算机与MATLAB软件

三、MATLAB矩阵处理 设有分块矩阵A=E3×3R3×2O2×3S2×2,其中E、R、O、S分别为单位矩阵、随机矩阵、零矩阵、和对角阵，试通过数值计算验证A2=ER+RSOS2 clear; clc; B = eye(3); C = rand(3,2); D = zeros(2,3); E = rand(1,2); F = diag(E); A = [B C;D F]; G = A * A H = [B C+C*F;D F*F] if G == H     fprintf("\t由结果可知：G = H，也即验证成功\n") end

四、数据分析与多项式计算 利用MATLAB提供的rand函数生成30000个符合均匀分布的随机数，然后检验随机数的性质。 均值和标准差 最大元素和最小元素 大于0.5的随机数个数占总数的百分比 clear; clc; x = rand(1,30000); average = mean(x) SD = std(x) y = length(find(x>0.5)); P = y/30000 将100个学生5门功课的成绩存入矩阵P中，进行如下处理。 分别求每门课的最高分、最低分及相应学生序号。 分别求每门课的平均分和标准差 5门课总分的最高分、最低分及相应学生序号。 将5门课总分按从大到小顺序存入变量score中，相应学生序号存入num。 为了避免输入学生成绩的麻烦，可用取值范围在[45,95]之间的随机矩阵来表示学生成绩。 clear; clc; random_num = 45+50*rand(100,5); P = fix(random_num); [max_score,max_score_num] = max(P) [min_score,min_score_num] = min(P) average = mean(P) SD = std(P) A = sum(P,2); [all_max_score,all_max_score_num] = max(A) [all_min_score,all_min_score_num] = min(A) [score,num] = sort(A) 有3个多项式P1x=x4+2x3+4x2+5, P2x=x+2, P3x=x2+2x+3，试进行下列操作 求P(x)=P1(x)+P2(x)P3(x) 求P(x)的根 当x取矩阵A的每一元素时，求p(x)的值。矩阵A见下 当以矩阵A为自变量时，求P(x)的值。矩阵A见下 A=-11.2-1.40.7523.5052.5 clc; p1 = [1,2,4,0,5]; p2 = [1,2]; p3 = [1,2,3]; p2 = [0,0,0,p2]; p3 = [0,0,p3]; p4 = conv(p2,p3); num_p4 = length(p4); num_p1 = length(p1); p = [zeros(1,num_p4-num_p1),p1]+p4 x = roots(p) A = [-1 1.2 -1.4;0.75 2 3.5;0 5 2.5]; X1 = polyval(p,A) X2 = polyvalm(p,A) 采用interp1对y=sin(x)进行分段性插值，并绘制出图像。 clear; clc; x = -2*pi:0.5:2*pi; y = sin(x); z = -2*pi:0.2:2*pi; y1=interp1(x,y,z); figure plot(x,y,'*',z,y1,'c') title('分段性插值')

五、画图 1：按要求做出下面函数的图像 绘制f1(x)=e2xsin2x ,x∈(-π,π)的图像 绘制隐函数f2(x, y)=x2-x4=0 ,x∈(-2π,2π)上的图像 绘制下面参数曲线的图像。 x=etcosty=etsint    t∈(-4π,4π) clear; clc; x = -pi:0.1:pi; f1 = exp(2*x.*sin(2*x)); figure subplot(2,2,1) plot(x,f1,'c') title('exp(2*x.*sin(2*x))') subplot(2,2,2) ezplot('x*x-x*x*x*x',[-2*pi,2*pi]) subplot(2,1,2) ezplot('exp(t)*cos(t)','exp(t)*sin(t)',[-4*pi,4*pi]) 2：分别用plot3()、mesh()、meshc()画出下面函数的曲面图形 并添加标题 z=cosx2+y2     -5≤x,y≤5 clear; clc; x1 = -5:0.1:5; y1 = -5:0.1:5; z1 = cos(sqrt(x1.*x1+y1.*y1)); figure subplot(2,1,1) plot3(x1,y1,z1,'c') title('plot3(x,y,z)') subplot(2,2,3) x2 = -5:0.1:5; y2 = -5:0.1:5; [x,y]=meshgrid(x2,y2); z2 = cos(sqrt(x.*x+y.*y)); mesh(x,y,z2) title('mesh(x,y,z)') subplot(2,2,4) meshc(x,y,z2) title('meshc(x,y,z)')

五、实验总结 请简单对实验进行总结，阐述MATLAB在矩阵计算中的优势。 本次实验我掌握了用MATLAB生成特殊矩阵以及矩阵处理的方法，掌握了用MATLAB进行数据统计和分析的方法，掌握了用MATLAB进行多项式的常用计算。 MATLAB在矩阵中计算快的主要原因是因为MATLAB集合了非常多的高性能数学库，这里面有BLAS、LAPACK等矩阵运算库。同时，用MATLAB做矩阵运算的运算符号与我们日常书写的符号非常相似，不需要像python和c语言那样要专门写代码。 综上所述，MATLAB在矩阵计算中的优势是非常明显的。

指导教师批阅意见： 成绩评定： 实验报告规范性、撰写形式与质量（15%） 现场完成情况（40%） 实验数据和处理分析（30%） 思考题与实验总结（15%） 总分                                                     批阅教师签字：                                                     年    月    日

备注：