matlab多项式运算和方程组的求解

二、多项式

（1）多项式的表达式和创建

MATLAB中使用一维向量来表示多项式，将多项式的系数按照降幂次序存放在向量中。

例如：多项式2X4+3X3+5X2+1可以用向量[2 3 5 0 1]来表示。

例2-1，输入多项式3x4-10x3+15x+1000

在命令窗口输入：

p=[3 -10 0 15 1000]

输出结果如下：

（2）多项式求根

1、多项式的根

找出多项式的根，即使多项式为零的值，MATLAB提供了特定的函数roots求解多项式的根。

例2-2，求解多项式3x4-10x3+15x+1000的根。

在命令窗口输入：

输出的结果如下：

2、由根创建多项式

在MATLAB中，无论是一个多项式，还是它的根，都是以向量形式存储的，按照惯例，多项式是行向量，根是列向量。因此当我们给出一个多项式时，MATLAB 也可以构造出相应的多项式，这个过程需要使用函数poly。

例2-3

输入及结果

（3）多项式四则运算

1，多项式的加法

MATLAB并未提供一个特别的函数，如果两个多项式向量大小相同，那么多项

式相加时就和标准的数组加法相同。

例2-4

在命令窗口输入：

a=[1 3 5 7 9];b=[1 2 4 6 8];

c=a+b

输出结果：

C（x）=2x4+5x3+9x2+13x+17

2、多项式的乘法运算

在MATLAB中，函数conv支持多项式乘法（运算法则为执行两个数组的卷积）。例2-5

在命令窗口输入：

a=[1 3 5 7 9]; b=[1 2 4 6 8];

c=conv(a,b)

输出的结果如下：

C(x)=x8+5x7+15x6+35x5+69x4+100x3+118x2+110x+72

PS：conv指令只能进行两个多项式的乘法，两个以上的多项式的乘法需要重复使用conv。

3、多项式的除法运算

在MATLAB中，由函数deconv完成的。

例2-6

在命令窗口输入：

c=[1 5 15 35 69 100 118 110 72];b=[1 2 4 6 8]; [a,r]=deconv (c,b)

输出的结果：

（4）多项式微分

1、多项式的导数

MATLAB为多项式求导提供了函数polyder。

例2-7C(x)=x8+5x7+15x6+35x5+69x4+100x3+118x2+110x+72 在命令窗口输入：

输出结果为：

2、多项式的积分

MATLAB为多项式的积分提供了函数polyint。具体的句法格式如下。

①polyint（p，k）：返回多项式P的积分，积分常数项为K。

②polyint（p）：返回多项式P的积分，积分常数项为默认值0。

例2-8C(x)=x8+5x7+15x6+35x5+69x4+100x3+118x2+110x+72 在命令窗口输入：

输出的结果为：

（5）多项式求值

1、代数多项式求值

y=polyval(p,x):计算多项式p在x点的值

PS：若x 是向量或矩阵，则采用数组运算（点运算）！

例2-9

已知P（x）=2x3-x2+3，分别取x=2和一个2x2矩阵，求p(x)在x处的值。当X=2时：

在命令窗口输入：

p=[2,-1,0,3];

x=2;polyval(p,x)

输出结果：

当X是矩阵时：

在命令窗口输入：

x=[-1, 2;-2,1];

polyval(p,x)

输出结果：

2、矩阵多项式求值

Y=polyvalm(p,X)：以方阵X为自变量，计算多项式的值，采用矩阵运算。

例2-10P（x）=2x3-x2+3 在命令窗口输入：

结果为：

三、方程组的求解

1、线性方程组的求解

linsolve(A,b)：解线性方程组

在窗口输入命令：

输出的结果为：

2、非线性方程组的求解

solve(f1,f2,...,fN,v1,v2,...,vN)求解由f1,f2,...,fN确定的方程组关于v1, v2,...,vN的解。

在窗口输入命令：

[x,y,z]=solve('x+2*y-z=27','x+z=3', 'x^2+3*y^2=28','x','y','z') 输出的结果：

MATLAB代码 解线性方程组的迭代法

解线性方程组的迭代法 1.rs里查森迭代法求线性方程组Ax=b的解 function[x,n]=rs(A,b,x0,eps,M) if(nargin==3) eps=1.0e-6;%eps表示迭代精度 M=10000;%M表示迭代步数的限制值elseif(nargin==4) M=10000; end I=eye(size(A)); n=0; x=x0; tol=1; %迭代过程 while(tol>eps) x=(I-A)*x0+b; n=n+1;%n为最终求出解时的迭代步数tol=norm(x-x0); x0=x; if(n>=M) disp('Warning:迭代次数太多，可能不收敛！'); return; end end 2.crs里查森参数迭代法求线性方程组Ax=b的解 function[x,n]=crs(A,b,x0,w,eps,M) if(nargin==4) eps=1.0e-6;%eps表示迭代精度 M=10000;%M表示迭代步数的限制值 elseif(nargin==5) M=10000; end I=eye(size(A)); n=0; x=x0; tol=1; %迭代过程 while(tol>eps) x=(I-w*A)*x0+w*b; n=n+1;%n为最终求出解时的迭代步数tol=norm(x-x0); x0=x;

if(n>=M) disp('Warning:迭代次数太多，可能不收敛！'); return; end end 3.grs里查森迭代法求线性方程组Ax=b的解 function[x,n]=grs(A,b,x0,W,eps,M) if(nargin==4) eps=1.0e-6;%eps表示迭代精度 M=10000;%M表示迭代步数的限制值 elseif(nargin==5) M=10000; end I=eye(size(A)); n=0; x=x0; tol=1;%前后两次迭代结果误差 %迭代过程 while(tol>eps) x=(I-W*A)*x0+W*b;%迭代公式 n=n+1;%n为最终求出解时的迭代步数tol=norm(x-x0); x0=x; if(n>=M) disp('Warning:迭代次数太多，可能不收敛！'); return; end end 4.jacobi雅可比迭代法求线性方程组Ax=b的解 function[x,n]=jacobi(A,b,x0,eps,varargin) if nargin==3 eps=1.0e-6; M=200; elseif nargin<3 error return elseif nargin==5 M=varargin{1}; end D=diag(diag(A));%求A的对角矩阵 L=-tril(A,-1);%求A的下三角阵

MatLab求解线性方程组

MatLab解线性方程组一文通 当齐次线性方程AX=0,rank(A)=r

MATLAB解线性方程组的直接方法

在这章中我们要学习线性方程组的直接法，特别是适合用数学软件在计算机上求解的方法. 3.1 方程组的逆矩阵解法及其MATLAB 程序 3.1.3 线性方程组有解的判定条件及其MATLAB 程序 判定线性方程组A n m ?b X =是否有解的MATLAB 程序 function [RA,RB,n]=jiepb(A,b) B=[A b];n=length(b); RA=rank(A); RB=rank(B);zhica=RB-RA; if zhica>0, disp('请注意：因为RA~=RB ，所以此方程组无解.') return end if RA==RB if RA==n disp('请注意：因为RA=RB=n ，所以此方程组有唯一解.') else disp('请注意：因为RA=RB> A=[2 3 -1 5;3 1 2 -7;4 1 -3 6;1 -2 4 -7]; b=[ 0; 0; 0; 0]; [RA,RB,n]=jiepb(A,b) 运行后输出结果为 请注意：因为RA=RB=n ，所以此方程组有唯一解. RA = 4,RB =4,n =4 在MATLAB 工作窗口输入 >>X=A\b, 运行后输出结果为 X =(0 0 0 0)’. (2) 在MATLAB 工作窗口输入程序 >> A=[3 4 -5 7;2 -3 3 -2;4 11 -13 16;7 -2 1 3];b=[ 0; 0; 0; 0]; [RA,RB,n]=jiepb(A,b)

Matlab多变量二次多项式拟合

一、对Y 总做线性多项式拟合：0112288......Y b b X b X b X =+++ 设置显著性水平为0.05，拟合得到： B=[ 0b ,1b ,………., 8b ]= [-60.0349 12.5809 2.2002 -12.9863 20.4145 0.0266 5.1430 17.2416 151.6779] 对应的置信区间为： -161.4058 41.3359 -7.5870 32.7488 -25.5706 29.9709 -33.5089 7.5362 -0.3096 41.1386 -2.5989 2.6520 0.9830 9.3030 -3.2810 37.7642 -64.0209 367.3767 r 2= 0.7454 (越接近于1，回归效果越显著)，F= 2.5616， p= 0.1163，（p>0.05, 可知回归模型不成立）。 残差图如下：

从残差图可以看出，除第一个数据和最后一个数据的残差离零点均较远，说明这两个数据可视为异常点，去掉这两个数据之后再做拟合得到： B=[ 0b ,1b ,………., 8b ]= [-478.8 15.7 1.8 -85.3 43 2.8 24.7 135.3 1131.9] 对应的置信区间为： -1048.7 91.1 7.5 23.9 -8 11.6 -183.5 12.8 10.5 75.5 -1.1 6.7 -2 51.4 -25.8 296.4 -206.7 2470.4 r 2= 0.9690 (越接近于1，回归效果越显著)，F= 19.5530， p= 0.0023，（p<0.05, 可知回归模型成立）。 残差图如下：

Matlab中多项式的运算

Matlab中多项式的运算 1:直接键入p=[ 1 2 3 4]系统就自动建立起多项式y=x3+2x2+3x+4 2:利用roots(p)命令就可以求解这个多项式的根,例如：>> p=[1 2 3 4 ]; >> roots(p) ans = -1.6506 -0.1747 + 1.5469i -0.1747 - 1.5469i 3：利用poly(a)命令可以由多项式的根求解多项式的系数，其中a=[ 2 3]的表示形式。例如：>> a=[2 3]; >> poly(a) ans = 1 -5 6 则这个多项式为x2+5x+6. 4：多项式的相加减：若干个多项式相加减时就是把它们的系数数组直接相加减，但是系数数组元素的个数必须相等，若不够，可以补0，例如：a=[1 2 3 4]; b=[2 2 1 2]; c=a+b c =[ 3 4 4 6]

5：利用conv(a,b)命令可以求解a,b两个多项式的乘积。例如：>> a=[1 2]; >> b=[1 -2]; >> c=conv(a,b) c = 1 0 -4.因为a=x+2,b=x-2,所以a,b的乘积为c=x2-4. 6:利用polyder(a)命令可以去、求多项式的微分（求导数），例如：>> a=[1 2 0 -5 6]; >> b=polyder(a) b =4 6 0 -5,其中a=x4+2x3-5x+6;b=4x3+6x2-5. 6;给出x的范围，利用polyval(a)命令可以求出x对应的多项式的值，例如：>> x=-1:0.1:2; >> a=[1 2 0 -5 6]; >> y=polyval(a,x); >> plot(x,y) >> grid 绘图结果如下：

利用MATLAB求线性方程组

《MATLAB语言》课成论文 利用MATLAB求线性方程组 姓名：郭亚兰 学号：12010245331 专业：通信工程 班级：2010级通信工程一班 指导老师：汤全武 学院：物电学院 完成日期：2011年12月17日

利用MATLAB求解线性方程组 （郭亚兰 12010245331 2010 级通信一班） 【摘要】在高等数学及线性代数中涉及许多的数值问题，未知数的求解，微积分，不定积分，线性方程组的求解等对其手工求解都是比较复杂，而MATLAB语言正是处理线性方程组的求解的很好工具。线性代数是数学的一个分支，它的研究对象是向量，向量空间（或称线性空间），线性变换和有限维的线性方程组。因而，线性代数被广泛地应用于抽象代数和泛函分析中；由于科学研究中的非线性模型通常可以被近似为线性模型，使得线性代数被广泛地应用于自然科学和社会科学中。线性代数是数学的一个分支，它的研究对象是向量，向量空间（或称线性空间），线性变换和有限维的线性方程组。因而，线性代数被广泛地应用于抽象代数和泛函分析中；由于科学研究中的非线性模型通常可以被近似为线性模型，使得线性代数被广泛地应用于自然科学和社会科学中。线性代数是讨论矩阵理论、与矩阵结合的有限维向量空间及其线性变换理论的一门学科。 【关键字】线性代数MATLAB语言秩矩阵解 一、基本概念 1、N级行列式A：A等于所有取自不同性不同列的n个元素的积的代数和。 2、矩阵B：矩阵的概念是很直观的，可以说是一张表。 3、线性无关：一向量组（a1,a2,…,an）不线性相关，既没有不全为零的数 k1,k2,………kn使得：k1*a1+k2*a2+………+kn*an=0 4、秩：向量组的极在线性无关组所含向量的个数成为这个向量组的秩。 5、矩阵B的秩：行秩，指矩阵的行向量组的秩；列秩类似。记：R(B)

线性方程组求解matlab实现

3.1 方程组的逆矩阵解法及其MATLAB 程序 3.1.3 线性方程组有解的判定条件及其MATLAB 程序 判定线性方程组A n m ?b X =是否有解的MATLAB 程序 function [RA,RB,n]=jiepb(A,b) B=[A b];n=length(b); RA=rank(A); RB=rank(B);zhica=RB-RA; if zhica>0, disp('请注意：因为RA~=RB ，所以此方程组无解.') return end if RA==RB if RA==n disp('请注意：因为RA=RB=n ，所以此方程组有唯一解.') else disp('请注意：因为RA=RB> A=[2 3 -1 5;3 1 2 -7;4 1 -3 6;1 -2 4 -7]; b=[ 0; 0; 0; 0]; [RA,RB,n]=jiepb(A,b) 运行后输出结果为 请注意：因为RA=RB=n ，所以此方程组有唯一解. RA = 4,RB =4,n =4 在MATLAB 工作窗口输入 >>X=A\b, 运行后输出结果为 X =(0 0 0 0)’. (2) 在MATLAB 工作窗口输入程序 >> A=[3 4 -5 7;2 -3 3 -2;4 11 -13 16;7 -2 1 3];b=[ 0; 0; 0; 0]; [RA,RB,n]=jiepb(A,b) 运行后输出结果 请注意：因为RA=RB> A=[4 2 -1;3 -1 2;11 3 0]; b=[2;10;8]; [RA,RB,n]=jiepb(A,B) 运行后输出结果 请注意：因为RA~=RB ，所以此方程组无解. RA =2,RB =3,n =3 (4)在MATLAB 工作窗口输入程序

matlab实验五多项式和符号运算

实验五：Matlab多项式和符号运算 一、实验目的 1．掌握Matlab多项式的运算。 2．了解符号运算。 二、实验内容 1．将多项式()(2)(3)(7)(1) =-+-+化为x的降幂排列。 P x x x x x syms x; y=(x-2)*(x+3)*(x-7)*(x+1); expand(y) ans = x^4-5*x^3-19*x^2+29*x+42 2．求一元高次方程的根。 98765432 --++--++= 53015027313658204100576-28800 x x x x x x x x x syms x y; y=x^9-5*x^8-30*x^7+150*x^6-1365*x^4-820*x^3+410 0*x^2+576*x-2880; solve(y,x) ans = 6.81947687944124431946 1.42761488953013276419+.8192491831*i 2.865487219+2.49263348244446271927*i

-1.887673354+1.812452594*i -.9583509633 -5.922730991 -1.887673354-1.812452594*i 2.865487219-2.49263348244446271927*i 1.42761488953013276419-.8192491831*i 3．求一元高次方程的根，并画出左边多项式函数在[2,2] x∈-区间内的曲线。 42 -+= x x 210 a=[1 0 -2 0 1]; r=roots(a) syms x; x=-2:2; y=[1 0 -2 0 1]; plot(x,y) r = 1.0000 + 0.0000i 1.0000 - 0.0000i -1.0000 -1.0000

实验一用matlab求解线性方程组

实验1.1 用matlab 求解线性方程组 第一节 线性方程组的求解 一、齐次方程组的求解 rref （A ） %将矩阵A 化为阶梯形的最简式 null （A ） %求满足AX ＝0的解空间的一组基，即齐次线性方程组的基 础解系 【例１】 求下列齐次线性方程组的一个基础解系，并写出通解： 我们可以通过两种方法来解： 解法1： >> A=[1 -1 1 -1;1 -1 -1 1;1 -1 -2 2]; >> rref(A) 执行后可得结果： ans= 1 -1 0 0 0 0 -1 1 0 0 0 0 由最简行阶梯型矩阵，得化简后的方程 ??? ??=+--=+--=-+-0 22004321 43214321x x x x x x x x x x x x

取x2，x4为自由未知量，扩充方程组为 即 提取自由未知量系数形成的列向量为基础解系，记 所以齐次方程组的通解为 解法2： clear A=[1 -1 1 -1;1 -1 -1 1;1 -1 -2 2]; B=null(A, 'r') % help null 看看加个‘r’是什么作用, 若去掉r ，是什么结果？ 执行后可得结果： B= 1 0 1 0 0 1 0 1 ?? ?=-=-0 04321x x x x ?????? ?====4 4432221x x x x x x x x ??? ??? ??????+????????????=????? ???????1100001142 4321x x x x x x , 00111????? ? ??????=ε, 11002????? ???????=ε2 211εεk k x +=

Matlab线性方程组求解(Gauss消去法)

Matlab线性方程组求解 1. Gauss消元法： function x=DelGauss(a,b) % Gauss消去法 [n,m]=size(a); nb=length(b); det=1; %存储行列式值 x=zeros(n,1); for k=1:n-1 for i=k+1:n if a(k,k)==0 return end m=a(i,k)/a(k,k); for j=k+1:n a(i,j)=a(i,j)-m*a(k,j); end b(i)=b(i)-m*b(k); end det=det*a(k,k); %计算行列式 end det=det*a(n,n); for k=n:-1:1 %回代求解 for j=k+1:n b(k)=b(k)-a(k,j)*x(j); end x(k)=b(k)/a(k,k);

end Example: >> A=[1.0170 -0.0092 0.0095;-0.0092 0.9903 0.0136;0.0095 0.0136 0.9898]; >> b=[1 0 1]'; >> x=DelGauss(A,b) x = 0.9739 -0.0047 1.0010 2. 列主元Gauss消去法： function x=detGauss(a,b) % Gauss列主元消去法 [n,m]=size(a); nb=length(b); det=1; %存储行列式值 x=zeros(n,1); for k=1:n-1 amax=0; %选主元 for i=k:n if abs(a(i,k))>amax amax=abs(a(i,k));r=i; end end if amax<1e-10 return; end if r>k %交换两行 for j=k:n

matlab多项式运算和方程组的求解

二、多项式 （1）多项式的表达式和创建 MATLAB中使用一维向量来表示多项式，将多项式的系数按照降幂次序存放在向量中。 例如：多项式2X4+3X3+5X2+1可以用向量[2 3 5 0 1]来表示。 例2-1，输入多项式3x4-10x3+15x+1000 在命令窗口输入： p=[3 -10 0 15 1000] 输出结果如下： （2）多项式求根 1、多项式的根 找出多项式的根，即使多项式为零的值，MATLAB提供了特定的函数roots求解多项式的根。 例2-2，求解多项式3x4-10x3+15x+1000的根。 在命令窗口输入：

输出的结果如下： 2、由根创建多项式 在MATLAB中，无论是一个多项式，还是它的根，都是以向量形式存储的，按照惯例，多项式是行向量，根是列向量。因此当我们给出一个多项式时，MATLAB 也可以构造出相应的多项式，这个过程需要使用函数poly。 例2-3 输入及结果 （3）多项式四则运算 1，多项式的加法 MATLAB并未提供一个特别的函数，如果两个多项式向量大小相同，那么多项

式相加时就和标准的数组加法相同。 例2-4 在命令窗口输入： a=[1 3 5 7 9];b=[1 2 4 6 8]; c=a+b 输出结果： C（x）=2x4+5x3+9x2+13x+17 2、多项式的乘法运算 在MATLAB中，函数conv支持多项式乘法（运算法则为执行两个数组的卷积）。例2-5 在命令窗口输入： a=[1 3 5 7 9]; b=[1 2 4 6 8]; c=conv(a,b) 输出的结果如下：

C(x)=x8+5x7+15x6+35x5+69x4+100x3+118x2+110x+72 PS：conv指令只能进行两个多项式的乘法，两个以上的多项式的乘法需要重复使用conv。 3、多项式的除法运算 在MATLAB中，由函数deconv完成的。 例2-6 在命令窗口输入： c=[1 5 15 35 69 100 118 110 72];b=[1 2 4 6 8]; [a,r]=deconv (c,b) 输出的结果： （4）多项式微分

Matlab求解线性方程组非线性方程组

求解线性方程组 solve，linsolve 例： A=[5 0 4 2;1 -1 2 1;4 1 2 0;1 1 1 1]; %矩阵的行之间用分号隔开，元素之间用逗号或空格 B=[3;1;1;0] X=zeros(4,1);%建立一个4元列向量 X=linsolve(A,B) diff（fun，var，n）：对表达式fun中的变量var求n阶导数。 例如：F=sym（'u(x,y)*v(x,y)'）; %sym（）用来定义一个符号表达式 diff(F); %matlab区分大小写 pretty(ans) %pretty（）：用习惯书写方式显示变量；ans是答案表达式 非线性方程求解 fsolve(fun,x0,options) 为待解方程或方程组的文件名；fun其中 x0位求解方程的初始向量或矩阵； option为设置命令参数 建立文件fun.m： function y=fun(x) y=[x(1)-0.5*sin(x(1))-0.3*cos(x(2)), ... x(2) - 0.5*cos(x(1))+0.3*sin(x(2))]; >>clear;x0=[0.1,0.1];fsolve(@fun,x0,optimset('fsolve')) 注： ...为续行符 m文件必须以function为文件头，调用符为@；文件名必须与定义的函数名相同；fsolve（）主要求解复杂非线性方程和方程组，求解过程是一个逼近过程。Matlab求解线性方程组 AX=B或XA=B 在MATLAB中，求解线性方程组时，主要采用前面章节介绍的除法运算符“/”和“\”。如： X=A\B表示求矩阵方程AX＝B的解； 的解。XA=B表示矩阵方程B/A＝X． 对方程组X＝A\B，要求A和B用相同的行数，X和B有相同的列数，它的行数等于矩阵A的列数，方程X＝B/A同理。 如果矩阵A不是方阵，其维数是m×n，则有： m＝n 恰定方程，求解精确解； m>n 超定方程，寻求最小二乘解； m

Matlab的应用-多项式函数及多项式拟合

Matlab的应用-多项式函数及多项式拟合 本节将向大家简要介绍matlab 在多项式处理方面的应用。 多项式函数主要有： roots 求多项式的根 poly 特征多项式 polyval 多项式的计算 poly2str(p,'x')多项式代换 polyfit 多项式曲线拟合 conv 多项式乘法 deconv 多项式除法 polyder 微分多项式 下面我们将介绍这些函数的用法： 1，roots---求多项式的根 格式:roots(c) 说明:它表示计算一个多项式的根,此多项式系数是向量c的元素.如果c有n+1个元素,那么此多项式为: c(1)*x^n+c(2)*x^(n-1)+c(3)*x^(n-2)+--+c(n)*x+c(n+1) 2，poly---特征多项式 格式：poly(a) 说明:（1）如果a是一个n阶矩阵,poly(a)是一个有n+1个元素的行向量,这n+1个元素是特征多项式的系数(降幂排列). （2）如果a是一个n维向量,则poly(a)是多项式(x-a(1))*(x-a(2))*..(x-a(n))，即该多项式以向量a的元素为根。 3，polyval—多项式计算 格式：polyval(v,s) 说明: 如果v是一个向量,它的元素是一个多项式的系数,那麽polyval(v,s)是多项式在s处的值. 如果s是一个矩阵或是一个向量,则多项式在s中所有元素上求值 例如: v=*1 2 3 4+;vv=poly2str(v,’s’)

(即v=s^3+2*s^2+3*s+4) s=2; x=polyval(v,s) x = 26 例如: v=[1 2 3 4]; s=[2 4]; polyval(v,s) ans=26 112 4，conv-多项式乘法 例：as=[1 2 3] as = 1 2 3 >> az=[2 4 2 1] az = 2 4 2 1 >> conv(as,az) ans = 2 8 16 17 8 3 conv(az,as) ans = 2 8 16 17 8 3 5，deconv-多项式除法 例：deconv(az,as)%返回结果是商式的系数 ans = 2 0 [awwq,qw]=deconv(az,as)%awwq是商式的系数，qw是余式的系数 awwq = 2 0 qw = 0 0 -4 1 6，polyder 微分多项式 polyder(as) ans = 2 2 7，polyfit--多项式曲线拟合 格式::polyfit(x,y,n) 说明:polyfit(x,y,n)是找n次多项式p(x)的系数,这些系数满足在最小二乘法意义下p(x(i)) ~= y(i). “人口问题”是我国最大社会问题之一，估计人口数量和发展趋势是我们制定一系列相关政策的基础。有人口统计年鉴，可查到我国从1949年至1994年人口数据资料如下： 年份 1949

matlab多项式拟合

matlab_最小二乘法数据拟合 (2012-10-21 12:19:27) ▼ 标签： matlab 最小二乘 数据拟合 定义： 最小二乘法（又称最小平方法）是一种数学优化技术。它通过最 小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可 以简便地求得未知的数据，并使得这些求得的数据与实际数据之 间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一 些优化问题也可通过最小化能量或最大化熵用最小二乘法来表 达。 最小二乘法原理： 在我们研究两个变量（x,y）之间的相互关系时，通常可以得到一系列成对的数据（x1,y1.x2,y2... xm,ym）；将这些数据描绘在x -y直角坐标系中，若发现

这些点在一条直线附近，可以令这条直线方程如（式1-1）。 Yj= a0 + a1 X （式1-1) 其中：a0、a1 是任意实数 1.多项式曲线拟合:polyfit 1.1常见拟合曲线： 直线：y=a0X+a1 多项式： 一般次数不易过高2 3 双曲线：y=a0/x+a1 指数曲线：y=a*e^b 1.2 matlab中函数 P=polyfit(x,y,n) [P S mu]=polyfit(x,y,n) polyval（P，t）：返回n次多项式在t处的值 注：其中x y已知数据点向量分别表示横纵坐标，n为拟合多项 式的次数，结果返回：P-返回n次拟合多项式系数从高到低

依次存放于向量P中，S-包含三个值其中normr是残差平方 和，mu-包含两个值 mean（x）均值，std（x）标准差。 1.3举例 1. 已知观测数据为： X： 0 1 2 3 4 5 6 7 8 9 1 Y：- 0.447 1.987 3.28 6.16 7.08 7.34 7.66 9.56 9.48 9.3 11.2 用三次多项式曲线拟合这些数据点： 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) hold on axis([0 1.3 -2 16]) p3=polyfit(x,y,3) t=0:0.1:1.2:

线性方程组求解Matlab程序(精.选)

线性方程组求解 1.直接法 Gauss消元法： function x=DelGauss(a,b) % Gauss消去法 [n,m]=size(a); nb=length(b); det=1;%存储行列式值 x=zeros(n,1); for k=1:n-1 for i=k+1:n if a(k,k)==0 return end m=a(i,k)/a(k,k); for j=k+1:n a(i,j)=a(i,j)-m*a(k,j); end b(i)=b(i)-m*b(k); end det=det*a(k,k); end

det=det*a(n,n); for k=n:-1:1 %回代 for j=k+1:n b(k)=b(k)-a(k,j)*x(j); end x(k)=b(k)/a(k,k); end Example: >> A=[1.0170 -0.0092 0.0095;-0.0092 0.9903 0.0136;0.0095 0.0136 0.9898]; >> b=[1 0 1]'; >> x=DelGauss(A,b) x = 0.9739 -0.0047 1.0010 列主元Gauss消去法： function x=detGauss(a,b) % Gauss列主元消去法

[n,m]=size(a); nb=length(b); det=1;%存储行列式值 x=zeros(n,1); for k=1:n-1 amax=0;% 选主元 for i=k:n if abs(a(i,k))>amax amax=abs(a(i,k));r=i; end end if amax<1e-10 return; end if r>k %交换两行 for j=k:n z=a(k,j);a(k,j)=a(r,j);a(r,j)=z; end z=b(k);b(k)=b(r);b(r)=z;det=-det; end

MATLAB数据分析与多项式计算_习题答案

第6章 MATLAB数据分析与多项式计算 习题6 一、选择题 1．设A=[1,2,3,4,5;3,4,5,6,7]，则min(max(A))的值是（）。B A．1 B．3 C．5 D．7 2．已知a为3×3矩阵，则运行mean(a)命令是（）。B A．计算a每行的平均值B．计算a每列的平均值 C．a增加一行平均值D．a增加一列平均值 3．在MATLAB命令行窗口输入下列命令： >> x=[1,2,3,4]; >> y=polyval(x,1); 则y的值为（）。D A．5 B．8 C．24 D．10 4．设P是多项式系数向量，A为方阵，则函数polyval(P,A)与函数polyvalm(P,A)的值（）。D A．一个是标量，一个是方阵B．都是标量 C．值相等D．值不相等 5．在MATLAB命令行窗口输入下列命令： >> A=[1,0,-2]; >> x=roots(A); 则x(1)的值为（）。C A．1 B．-2 C．D． 6．关于数据插值与曲线拟合，下列说法不正确的是（）。A A．3次样条方法的插值结果肯定比线性插值方法精度高。 B．插值函数是必须满足原始数据点坐标，而拟合函数则是整体最接近原始数据点，而不一定要必须经过原始数据点。 C．曲线拟合常常采用最小二乘原理，即要求拟合函数与原始数据的均方误差达到极小。 D．插值和拟合都是通过已知数据集来求取未知点的函数值。 二、填空题 1．设A=[1,2,3;10 20 30;4 5 6]，则sum(A)= ，median(A)= 。 [15 27 39]，[4 5 6[ 2．向量[2,0,-1]所代表的多项式是。2x2-1

用matlab解线性方程组

用matlab解线性方程组 2008-04-12 17:00 一。高斯消去法 1.顺序高斯消去法 直接编写命令文件 a=[] d=[]' [n,n]=size(a); c=n+1 a(:,c)=d; for k=1:n-1 a(k+1:n, k:c)=a(k+1:n, k:c)-(a(k+1:n,k)/ a(k,k))*a(k, k:c); %消去 end x=[0 0 0 0]' %回带 x(n)=a(n,c)/a(n,n); for g=n-1:-1:1 x(g)=(a(g,c)-a(g,g+1:n)*x(g+1:n))/a(g,g) end 2.列主高斯消去法 *由于“[r,m]=max(abs(a(k:n,k)))”返回的行是“k:n,k”内的第几行，所以要通过修正来把m 改成真正的行的值。该程序只是演示程序，真正机器计算不需要算主元素所在列以下各行应为零的值。 直接编写命令文件 a=[] d=[] ' [n,n]=size(a); c=n+1 a(:,c)=d; %(增广) for k=1:n-1 [r,m]=max(abs(a(k:n,k))); %选主 m=m+k-1; %(修正操作行的值) if(a(m,k)~=0) if(m~=k) a([k m],:)=a([m k],:); %换行 end a(k+1:n, k:c)=a(k+1:n, k:c)-(a(k+1:n,k)/ a(k,k))*a(k, k:c); %消去end end x=[0 0 0 0]' %回带 x(n)=a(n,c)/a(n,n); for g=n-1:-1:1 x(g)=(a(g,c)-a(g,g+1:n)*x(g+1:n))/a(g,g) end

MATLAB入门及多项式方程的求解

MATLAB入门及多项式方程的求解 实验目的: 1对高等代数实验课的初步了解 2对MATLAB软件的初步了解 3掌握多项式的和、差、积、商式、余式、最大公因式、因式分解等MATLAB语句 4加深对多项式的整除性、最大公因式、因式分解、多项式的重因式、多项式的根等概念的理解实验内容: 程序 实验1.1 a=2*3/8+sqrt(6)-abs(-3) b=sin(pi/3)+cos(pi/6)+sqrt(7)-5*3+1 c=factorial(6)*nchoosek(100,9)/nchoosek(34,18)-log(-9)+log10(7) d=nchoosek(302,298)-nchoosek(301,200)+tan(pi/5)-2+log(2) e=factorial(120)+nchoosek(201,100)-3*sin(pi/3) 实验1.2 f=[1 -5 4 0 1 -2 1 -1] g=[1 0 -3 2 -1 1] [q,r]=deconv(f,g) syms x h=gcd(x^7-5*x^6+4*x^5+x^3-2*x^2+x-1,x^5-3*x^3+2*x^2-x+1) s=sym(x^7-5*x^6+4*x^5+x^3-2*x^2+x-1) factor(s) gl=roots(f) v=polyval(f,2) v=polyval(f,3) v=polyval(f,5) 实验结果分析 实验1.1

a = 0.1995 b = -9.6222 c = 6.2143e+005 d = -1.2392e+082 e = 6.6895e+198 实验1.2 q = r= 因为r≠0 所以g(x)不能整除f(x) h =(f,g)=1 f = f(x)无重因式 gl = 3.9885 v1 = -63 v2 = -475 v3= 12579

雅可比解线性方程组matlab

雅可比迭代 使用雅可比迭代法求解线性方程组的步骤 步骤1：输入系数矩阵A和方程组右端向量B； 步骤2：将矩阵A分解为下三角阵L对角阵D和上三角阵U 可分解为（D+L+U）X=B for o=1:n d(o,o)=a(o,o); u(o,o+1:n)=-a(o,o+1:n); end for p=2:n l(p,1:p-1)=-a(p,1:p-1); end； 步骤3：将上式化简为x=B0x+f,其中B0=-D-1(L+U),f=D-1B for i=1:n b0(i,i+1:n)=u(i,i+1:n)/a(i,i); f(i,:)=b(i,:)/a(i,i); end for p=2:n b0(p,1:p-1)=l(p,1:p-1)/a(p,p);；

步骤4：采用迭代公式在允许误差范围e=1e-7内求得解向量x x0=x; x=b0*x+f 雅可比迭代法matlab程序： function [x,k]=jacobi(a,b) n=length(a); e=1e-7; m=100; x0=zeros(n,1); x=x0; k=0; d=zeros(n); l=zeros(n); u=zeros(n); b0=zeros(n); f=zeros(n,1);

x0=x+2*e; for o=1:n d(o,o)=a(o,o); u(o,o+1:n)=-a(o,o+1:n); end for p=2:n l(p,1:p-1)=-a(p,1:p-1); end for i=1:n b0(i,i+1:n)=u(i,i+1:n)/a(i,i); f(i,:)=b(i,:)/a(i,i); end for p=2:n b0(p,1:p-1)=l(p,1:p-1)/a(p,p); end while max(abs(x0-x))>e&k

Matlab求解线性方程组、非线性方程组

Matlab求解线性方程组、非线性方程组 姓名：罗宝晶学号：15 专业：材料学院高分子系 第一部分数值计算 Matlab求解线性方程组AX=B或XA=B 在MATLAB中，求解线性方程组时，主要采用除法运算符“/”和“\”。如：X=A\B表示求矩阵方程AX＝B的解； X＝B/A表示矩阵方程XA=B的解。 对方程组X＝A\B，要求A和B用相同的行数，X和B有相同的列数，它的行数等于矩阵A的列数，方程X＝B/A同理。 如果矩阵A不是方阵，其维数是m×n，则有： m＝n 恰定方程，求解精确解； m>n 超定方程，寻求最小二乘解； mm。则方程组没有精确解，此时称方程组为超定方程组。线性超定方程组经常遇到的问题是数据的曲线拟合。对于超定方程，在MATLAB中，利用左除命令（x=A\b）来寻求它的最小二乘解；还可以用广义逆来求，即x=pinv(A),所得的解不一定满足Ax=b，x只是最小二乘意义上的解。左除的方法是建立在奇异值分解基础之上，由此获得的解最可靠；广义逆法是建立在对原超定方程直接进行householder变换的基础上，其算法可靠性稍逊与奇异值求解，但速度较快；

MATLAB 数值计算(2)

数值计算 MATLAB 数值计算 第四章MATLAB 1

主要内容 基本数据运算 数据统计与分析 数据插值与曲线拟合 多项式计算 数值微积分 线性方程组求解 非线方与问求解 非线性方程与最优化问题求解2 常微分方程的数值求解

多项式计算 N次多项式表示为 –P(x)=a 0x n +a 1x n-1+a 2x n-2…a n-1x+a n Matlab中n次多项式用一个长度为n+1的行向量（系数向量 ）表示 –[a a …a n-1a [01n 1n ] 多项式的四则运算 –多项式的加减运算 ?系数向量的加减运算 要求次数相同不足时用“?要求次数相同，不足时用“0”补起——向量化处理?例 54322()352756f x x x x x x =?+?++3 ()353 g x x x =+?

多项式乘法运算 –函数conv(P1,P2)用于求多项式P1和P2的乘积。这里，P1、P2是两个多项式系数向量 多项式除法运算 –函数[Q,r]=deconv(P1,P2)用于对多项式P1和P2作除法运算。其中Q 返回多项式P1除的商式的余式这里仍是多项式系数向量以P2的商式，r 返回P1除以P2的余式。这里，Q 和r 仍是多项式系数向量。–deconv 是conv 的逆函数，即有P1=conv(P2,Q)+r 。 5432?? 例 –求f(x)+g(x)、f(x)-g(x)。2()352756()353 f x x x x x x g x x x =+++=+?–求f(x)×g(x)、f(x)/g(x)。 –f=[3,-5,2,-7,5,6];g=[3,5,-3];g1=[0,0,0,g];–f+g1%求f(x)+g(x)f+g1 %求f(x)+g(x)–f-g1 %求f(x)-g(x)–conv(f,g) %求f(x)*g(x) []()求()/()商式送余式送 4 –[Q,r]=deconv(f,g) %求f(x)/g(x)，商式送Q，余式送r。