MATLAB数值与符号运算
一.多项式计算
1.表示方法
将多项式的降幂系数用行向量保存，则此行向量表示该多项式
例：x4 - 12x3 + 25x + 116
多项式p =[1 -12 0 25 116]
注意：多项式中缺项的系数0在行向量中必须写出！
2.求值——polyval与polyvalm
polyval函数
功能：用来求多项式的值
格式：Y=polyval(P,x)
说明：若x为一数值，则求多项式在该点的值，Y为一个数值
若x为向量或矩阵，则对向量或矩阵中的每个元素求其多项式的值，
Y为与x同维的向量或矩阵
%例1已知多项式×4+8x3-10试计算当x分别为1.2和一个2×3矩阵时多项式的值
%构造表征多项式的行向量
A=[1,8,0,0,-10];
x=1.2;
%计算x=1.2时多项式值
y1=polyval(A,x)
x=[-1,1.2,-1.4;2,-1.8,1.6]
%计算x为矩阵时多项式值
y2=polyval(A,x)
y1 =
5.8976
x =
-1.0000 1.2000 -1.4000
2.0000 -1.8000 1.6000
y2 =
-17.0000 5.8976 -28.1104
70.0000 -46.1584 29.3216
polyvalm函数
功能:用来求矩阵多项式的值
格式:Y=polyvalm(P,A)
说明:A为方阵,P为表示多项式的行向量
Y为以方阵A为自变量的多项式的值
设A为方阵P代表多项式
polyvalm(P,A)的含义为:AAA - 5AA + 8eye(size(A))
polyval(P,A)的含义为:A.*A.A-5A.A＋8ones(size(A))
%构造表征多项式的行向量
A=[1,8,0,0,-10]
x=[-1,1.2;2,-1.8]
%两种方法计算多项式值
y1=polyval(A,x)
y2=polyvalm(A,x)
y1 =
-17.0000 5.8976
70.0000 -46.1584
y2 =
-60.5840 50.6496
84.4160 -94.3504
3、求根——roots
roots函数
功能:用来求多项式=0的方程的根
格式:r=roots§
说明:r为根列向量，即r(1),r(2),…,r(n)分别存储多项式P的n个根
4、求多项式的系数—poly
poly函数
功能:已知多项式=0的方程的根，反求多项式的系数格式:P=poly®
说明:Р为多项式降幂系数行向量
5、多项式系数转换为符号多项式—poly2sym
p =[1 2 1]
poly2sym(p)
sym2poly(ans)
ans =
x^2 + 2*x + 1
ans =
1 2 1
6、多项式常用运算函数
多项式相乘——conv
a=[1 2 3] ;
b=[1 2];
c=conv(a,b)
(𝑥2 + 2𝑥+ 3) ×(𝑥+ 2) = 𝑥3 + 4𝑥2 + 7𝑥+ 6
c =
1 4 7 6
多项式相除——deconv
[q,r]=deconv(c,b)
q =％商多项式
1 2 3
r =％余多项式
0 0 0 0
多项式求导——polyder
a=[1 2 3];
p=polyder(a)%求多项式a的导函数
p =
2 2
二.数据插值
1.一维数据插值
interp1函数
功能:用来对一维数据插值
格式:Y1=interp1(X,Y,X1,‘method’)
说明:根据X,Y的值，计算函数在X1处的值
X,Y是两个等长的已知向量，表示采样点和对应的函数值
X1是一个向量或标量，待求函数自变量的值,即待插值的点
Y1是一个与X1等长的函数应变量的值，即插值结果
method是插值方法，可为’linear’、‘nearest’、'cubic’、'spline’
X1的取值范围不能超出X的范围，否则，会给出NaN错误
x=0.46:0.01:0.49;
y=[0.484,0.494,0.503,0.512];
y1=interp1(x,y,0.472)
y2=interp1(x,y,0.472,'nearest')
y1 =
0.4958
y2 =
0.4940
2.二维数据插值
interp2函数
功能:用来对二维数据插值
格式:Z1=interp2(X,Y,Z,X1,Y1,‘method’)
说明:根据X,Y,Z的值，计算函数在(X1,Y1)处的值
X,Y是两个已知向量，表示采样点
Z是与采样点对应的函数值
X1,Y1可以是向量或标量，表示待求函数自变量的值，即待插值的点Z1是根据相应的插值方法得到的插值结果
method取值与一维插值函数相同
X1,Y1的取值范围不能超出X,Y的范围，否则，会给出NaN错误
x=[0:2.5:10];
y=[0:30:60]';
z=[95,12,0,0,0;88,48,32,12,6;67,64,54,48,41];
xi=[0:0.5:10];
yi=[0:10:60]';
tmp=interp2(x,y,z,xi,yi,'cubic')
z=griddata (x,y,z,cx,cy, ‘method’)
meshgrid函数
用于从数组a和b产生网格。生成的网格矩阵A和B大小是相同的。也可以是更高维的。
[A,B]=meshgrid:生成length(b)length(a)大小的矩阵A和B
它相当于a从一行重复增加到length(b)行，把b转置成一列再重复增加到length(a)列。
命令等效于：*(a,b)A=ones(size(b))*a;B=b’*ones(size(a))
% 读取高程数据
elevation = [1130 1250 1280 1230 1040 900 500 700;
1320 1450 1420 1400 1300 700 900 850;
1390 1500 1500 1400 900 1100 1060 950;
1500 1200 1100 1350 1450 1200 1150 1010;
1500 1200 1100 1550 1600 1550 1380 1070;
1500 1550 1600 1550 1600 1600 1600 1550;
1480 1500 1550 1510 1430 1300 1200 980];
% 创建原始网格点
[X, Y] = meshgrid(1200:400:4000, 1200:400:3600);
% 创建插值用的新网格点
[Xq, Yq] = meshgrid(1200:50:4000, 1200:50:3600);
% 进行插值
spline_interp = interp2(X, Y, elevation, Xq, Yq, 'spline');
nearest_interp = interp2(X, Y, elevation, Xq, Yq, 'nearest');
linear_interp = interp2(X, Y, elevation, Xq, Yq, 'linear');
cubic_interp = interp2(X, Y, elevation, Xq, Yq, 'cubic');
makima_interp = interp2(X, Y, elevation, Xq, Yq, 'makima');
% 绘制三维图形
figure;
subplot(3, 2, 1);
meshc(X, Y, elevation);
title('最初数据');
subplot(3, 2, 2);
meshc(Xq, Yq, spline_interp);
title('样条插值');
subplot(3, 2, 3);
meshc(Xq, Yq, nearest_interp);
title('临近插值');
subplot(3, 2, 4);
meshc(Xq, Yq, linear_interp);
title('线性插值');
subplot(3, 2, 5);
meshc(Xq, Yq, cubic_interp);
title('分段三次插值');
subplot(3, 2, 6);
meshc(Xq, Yq, makima_interp);
title('Modified Akima 插值');
sgtitle('不同插值对比');
三.数据拟合
1、多项式拟合——polyfit
polyfit函数
功能:已知一组实验数据（采样点和对应函数值)，计算其拟合多项式
格式:[P,S]= polyfit (X,Y,m)
说明:X,Y为两个等长向量，是采样点及其对应的函数值
m为待求多项式的次数
P为所求的多项式系数向量，长度为m+1的向量
S为采样点的误差向量
x=0:0.1:1
y=[-0.447,1.978,3.28,6.16,7.08,7.34,7.66,9.56,9.48,9.3,11.2]
plot(x,y,'k.','markersize',25)
axis([0 1.3 -2 16])
p3=polyfit(x,y,3)
p6=polyfit(x,y,6)
t=-0.3:0.1:1.3;
s=polyval(p3,t);
s1=polyval(p6,t);
hold on
plot(t,s,'r-','linewidth',2)
plot(t,s1,'b--','linewidth',2)
grid on
2、非线性拟合——lsqcurvefit
lsqcurvefit函数
功能:利用实验数据，按照给定的函数进行拟合，计算其拟合系数
格式:x = lsqcurvefit(fun, x0, xdata, ydata)
[x, resnorm] = lsqcurvefit(fun, x0, xdata, ydata)
说明:根据给定的数据xdata, ydata(自变量,应变量)
按函数文件 fun给定的函数,以x0为初值作最小二乘拟合,返回函数fun中的系数向量x和残差平方和resnorm
3.可视化拟合工具cftool
四.数值微积分
数值微分的实现
- 对向量X求向前差分:DX=diff(X)
- 对向量X求n阶向前差分:DX=diff(X,n)
- 对矩阵X求n阶向前差分:DX=diff(X,n,dim)
syms x
y1=sin(3*x+2);
y2=log(exp(3*x)+2);
y3=exp(3*x)*cos(x);
dy1=diff(y1,x)
dy2=diff(y2,x)
dy3=diff(y3,x)
dy1 =
3*cos(3*x + 2)
dy2 =
(3*exp(3*x))/(exp(3*x) + 2)
dy3 =
3*exp(3*x)*cos(x) - exp(3*x)*sin(x)
???
五.符号运算基础
- f=‘ax^2+bx+c’——多项式
- f2= ‘ax一2+bx+c=O’——方程
- f3=‘Dy+y^2=1’——微分方程
1符号表达式——创建
●函数法sym
作用:用来建立单个符号量
格式:符号变量名=sym(‘表达式’)
说明:表达式可以为字符、字符串、数学表达式或字符表达式
例:a=sym(‘a’)
建立符号变量a
则用户可以在表达式中使用变量a进行各种运算
- pi1=sym(‘pi’);k1=sym(‘8’);
- k2=sym(‘2’);k3=sym(‘3’);%定义符号变量
- pi2=pi;r1=8;r2=2;r3=3;%定义数值变量
- sin(pi1/3)%计算符号表达式值3^(1/2)/2
- sin(pi2/3)%计算数值表达式值0.8660
- sqrt(k1)%计算符号表达式值2*2~(1/2)
- sqrt(r1)%计算数值表达式值2.8284
- sqrt(k3+sqrt(k2))%计算符号表达式值(1/2) + 3)^(1/2)
- sqrt(r3+sqrt(r2))%计算数值表达式值2.1010
函数法syms
作用:用来一次建立多个符号量
格式:符号变量名=syms var 1 var2 …varn
%定义符号变量var1,var2…,varn等
说明:变量间用空格分隔
2.运算
- 四则运算
- 构建复合函数
- 求反函数
- 因式分解与展开表达式化简
3.符号表达式构建复合函数
方法:用compose(f,g)返回复合函数f(g(x))
例∶
f=sym('sin(u) ');
g=sym('x^2');
compose(f,g)
compose(g,f)
4.符号表达式——求反函数
方法:利用finverse(f)返回f的反函数
f =sym(‘-3/2+1/2*x’)
f1=finverse(f)
5.符号表达式——因式分解与展开
- factor(S) :对s分解因式，即:把多项式转换为乘积形式
- expand(S):对s进行展开，即:将乘积展开为和式
- collect(S) :对s合并同类项
- collect(S,v):对S按变量v合并同类项
6.符号表达式——表达式化简
相关函数有:
simplify(S)
用函数规则对S进行化简。即利用各种恒等式化简代数式
7.符号表达式——转换
符号表达式转换为数值表达式
格式eval(f)即求符号表达式的数值
8.符号表达式——转换
数值表达式转换为符号表达式
9.符号矩阵–创建
格式sym(f)
用sym创建符号矩阵格式:A=sym(‘[ ]’)
符号矩阵内容同数值矩阵需用sym指令定义
g,f)
### 4.符号表达式——求反函数
方法:利用finverse(f)返回f的反函数
f =sym('-3/2+1/2*x')
f1=finverse(f)
### 5.符号表达式——因式分解与展开
- factor(S) :对s分解因式，即:把多项式转换为乘积形式
- expand(S):对s进行展开，即:将乘积展开为和式
- collect(S) :对s合并同类项
- collect(S,v):对S按变量v合并同类项
### 6.符号表达式——表达式化简
相关函数有:
simplify(S)
用函数规则对S进行化简。即利用各种恒等式化简代数式
### 7.符号表达式——转换
符号表达式转换为数值表达式
格式eval(f)即求符号表达式的数值
### 8.符号表达式——转换
数值表达式转换为符号表达式
### 9.符号矩阵--创建
格式sym(f)
用sym创建符号矩阵格式:A=sym('[ ]')
符号矩阵内容同数值矩阵需用sym指令定义
需用''标识
3万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
