Matlab关于数值计算的实现要点
Matlab中常用的数值计算方法
Matlab中常用的数值计算方法数值计算是现代科学和工程领域中的一个重要问题。
Matlab是一种用于数值计算和科学计算的高级编程语言和环境，具有强大的数值计算功能。
本文将介绍Matlab中常用的数值计算方法，包括数值积分、数值解微分方程、非线性方程求解和线性方程组求解等。
一、数值积分数值积分是通过数值方法来近似计算函数的定积分。
在Matlab中，常用的数值积分函数是'quad'和'quadl'。
'quad'函数可以用于计算定积分，而'quadl'函数可以用于计算无穷积分。
下面是一个使用'quad'函数计算定积分的例子。
假设我们想计算函数f(x) = x^2在区间[0, 1]上的定积分。
我们可以使用如下的Matlab代码：```f = @(x) x^2;integral = quad(f, 0, 1);disp(integral);```运行这段代码后，我们可以得到定积分的近似值，即1/3。
二、数值解微分方程微分方程是描述自然界各种变化规律的数学方程。
在科学研究和工程应用中，常常需要求解微分方程的数值解。
在Matlab中，可以使用'ode45'函数来求解常微分方程的数值解。
'ode45'函数是采用基于Runge-Kutta方法的一种数值解法。
下面是一个使用'ode45'函数求解常微分方程的例子。
假设我们想求解一阶常微分方程dy/dx = 2*x，初始条件为y(0) = 1。
我们可以使用如下的Matlab代码：```fun = @(x, y) 2*x;[x, y] = ode45(fun, [0, 1], 1);plot(x, y);```运行这段代码后，我们可以得到微分方程的数值解，并绘制其图像。
三、非线性方程求解非线性方程是指方程中包含非线性项的方程。
在很多实际问题中，我们需要求解非线性方程的根。
matlab实现数值计算功能源程序(个人整理)
matlab数值计算功能1,基础运算（1）多项式的创建与表达将多项式(x-6)(x-3)(x-8)表示为系数形式a=[6 3 8] % 写成根矢量pa=poly(a)% 求出系数矢量ppa=poly2sym(pa,'x') % 表示成符号形式ezplot(ppa,[-50,50])求3介方阵A的特征多项式a=[6 2 4;7 5 6;1 3 6 ];pa=poly(a)% 写出系数矢量ppa=poly2sym(pa) %表示成符号形式ezplot(ppa,[-50,50]) % 绘图求x^3-6x^2-72x-27的根。
a=[1,-6,-72,-85]; % 写出多项式系数矢量r=roots(a) % 求多项式的根（2）多项式的乘除运算c=conv(a,b) %乘法[q,r]=deconv(c,a)% 除法求a(s)=s^2+2s+3乘以b(s)=4s^2+5s+6的乘积a=[1 2 3]b=[4 5 6] % 写出系数矢量c=conv(a,b)c=poly2sym(c,'s') % 写成符号形式的多项式展开(s^2+2s+2)(s+4)(s+1)并验证结果被(s+4),(s+3)除后的结果。
c=conv([1,2,2],conv([1,4],[1,1]))cs=poly2sym(c,'s')c=[1 7 16 18 8][q1,r1]=deconv(c,[1,4])[q2,r2]=deconv(c,[1,3])cc=conv(q2,[1,3])test=((c-r2)==cc)其他常用的多项式运算命令pa=polyval(p,s) % 按数组规则计算给定s时多项式的值pm=polyvalm(p,s)% 按矩阵规则计算给定s时多项式的值[r,p,k]=residue(b,a) % 部分分式展开，b,a分别是分子，分母多项式系数矢量。
r,p,k分别是留数，极点和值项矢量。
如何使用MATLAB进行数值计算
如何使用MATLAB进行数值计算使用MATLAB进行数值计算一、引言数值计算是现代科学与工程领域中不可或缺的一部分，它能够解决许多实际问题，包括求解方程、优化问题和模拟实验等。
而MATLAB作为一种功能强大的数值计算软件，被广泛应用于各个领域。
本文将介绍如何使用MATLAB进行数值计算，并结合实例进行说明。
二、MATLAB基础首先，我们需要了解MATLAB的基本操作和语法，以便能够熟练运用。
MATLAB使用矩阵和数组来存储和处理数据，因此，熟悉矩阵和数组操作是非常重要的。
MATLAB中的矩阵和数组是通过方括号来定义的，例如：A = [1 2 3; 4 5 6; 7 8 9]表示一个3x3的矩阵A，其中每个元素由空格或分号隔开。
我们可以使用括号或索引来访问矩阵中的元素。
例如，要访问矩阵A的第二行第三列的元素，可以使用A(2,3)。
MATLAB提供了大量内置的数学函数，包括算术运算、三角函数、指数和对数函数等。
这些函数可以直接应用于矩阵和数组，简化了数值计算的过程。
三、方程求解方程求解是数值计算中的一个重要任务，MATLAB提供了多种方法来求解方程，包括代数方法和数值方法。
1. 代数方法对于一些简单的方程，例如一元一次方程或二次方程，可以直接使用MATLAB内置的解方程函数进行求解。
例如，对于一元一次方程ax + b = 0，可以使用solve函数来求解。
代码示例：syms x;eqn = a*x + b == 0;sol = solve(eqn, x);其中，syms x;指定x为符号变量，eqn为方程表达式，sol为方程的解。
2. 数值方法对于一些复杂的方程，无法用解析方法求解。
这时，可以使用数值方法来近似求解。
MATLAB提供了多种数值求解方法，包括二分法、牛顿法和割线法等。
这些方法可以通过迭代逼近的方式求解方程的根。
代码示例：f = @(x) x^2 - 4;x0 = 2;x = fzero(f, x0);其中，f为方程的表达式，x0为初始猜测值，x为方程的根。
Matlab中的数值计算和数值优化技术指南
Matlab中的数值计算和数值优化技术指南概述：数值计算和数值优化是计算数学的一个重要分支，同时也是科学与工程领域中广泛应用的核心技术之一。
Matlab作为一种强大的数值计算工具，提供了丰富的函数库和算法，可用于解决各种数值计算和数值优化问题。
本文将针对Matlab中的数值计算和数值优化技术，进行详细的介绍和指南。
1. 数值计算技术1.1. 矩阵运算与线性方程组求解在数值计算领域中，矩阵运算和线性方程组求解是基础问题。
Matlab提供了一系列用于矩阵运算和线性方程组求解的函数，如inv、pinv、linsolve等。
使用这些函数，可以快速、准确地进行矩阵的求逆、广义逆和线性方程组的求解。
1.2. 插值和拟合在实际应用中，常常需要根据有限的数据点构建连续函数。
Matlab的interp1和polyfit函数可以用于数据的插值和拟合。
interp1函数可以根据已知的离散数据点，估计出其他位置的函数值；polyfit函数可以根据一组数据点，拟合出一个多项式函数。
1.3. 数值积分数值积分是计算数学中的一个重要问题。
Matlab提供了多种数值积分的函数，如quad、dblquad等。
这些函数使用了各种数值积分算法，可用于计算一维和二维区间上的定积分。
1.4. 常微分方程求解常微分方程的求解是科学与工程中常见的问题之一。
Matlab提供了ode45、ode23等函数，用于求解常微分方程的初值问题。
通过这些函数，可以准确、高效地求解各种常微分方程。
2. 数值优化技术2.1. 优化问题的建模数值优化是求解最优化问题的方法。
在实际问题中，需要将具体问题转化为数学模型，以便进行数值优化。
Matlab提供了fmincon、fminunc等函数，用于建立优化问题的模型，并进行数值优化。
2.2. 约束优化在实际问题中，优化问题往往包含一些约束条件。
Matlab的优化函数可以处理带约束的优化问题，如线性约束、非线性约束等。
MATLAB中的数学计算方法详解
MATLAB中的数学计算方法详解在科学研究和工程领域中，数学计算方法的应用是不可避免的。
MATLAB作为一种强大的数学工具，提供了丰富的数学函数和算法，为用户提供了便捷的数学计算方式。
本文将详细介绍MATLAB中常用的数学计算方法，包括数值计算、符号计算以及优化算法等。
一、数值计算方法数值计算是MATLAB中应用最广泛的数学计算方法之一。
它通过将数值代入数学模型，利用数值逼近的方式求得近似解。
MATLAB提供了各种数值计算函数，如插值、积分、微分等。
下面我们将介绍其中几种常用的数值计算方法。
1. 插值方法插值是一种通过已知数据点来估计未知数据点的方法。
在MATLAB中，可以使用interp1函数实现一维数据的插值。
该函数支持多种插值方法，例如线性插值、样条插值等。
用户只需提供已知的数据点和插值点，即可得到插值结果。
2. 数值积分方法数值积分是计算定积分近似值的方法。
在MATLAB中，可以使用quad函数来进行一维定积分计算。
该函数采用自适应的数值积分算法，能够适应不同类型的函数。
用户只需提供被积函数和积分区间，即可得到积分结果。
3. 数值微分方法数值微分是计算函数导数的方法。
在MATLAB中，可以使用diff函数对函数进行数值微分。
该函数可以计算一阶和二阶导数，还支持多点数值微分和符号数值微分。
通过数值微分，可以方便地求得函数在给定点的导数近似值。
二、符号计算方法符号计算是指在计算过程中处理符号表达式而不是数值。
MATLAB的Symbolic Math Toolbox提供了强大的符号计算功能，可以进行代数操作、求解方程、求导、积分等。
下面我们将介绍几种常用的符号计算方法。
1. 代数操作在MATLAB中，可以使用符号计算功能进行代数操作，如多项式求解、多项式展开、多项式化简等。
通过定义符号变量和符号表达式，可以进行各种代数计算，方便用户进行复杂的代数操作。
2. 方程求解MATLAB的符号计算工具箱提供了solve函数用于求解方程。
第6章MATLAB数值计算
第6章MATLAB数值计算MATLAB是一种流行的数值计算软件，它提供了各种函数和工具箱，用于解决数值计算问题。
在本章中，我们将介绍一些MATLAB中常用的数值计算方法和技巧。
1.数值计算基础：MATLAB中的数值计算基于矩阵和向量运算。
矩阵和向量在MATLAB中被表示为一维或多维数组。
用户可以使用MATLAB内置的函数来定义和操作这些数组。
2. 解方程：MATLAB提供了几种方法来解决线性和非线性方程。
对于线性方程组，可以使用内置的线性代数函数来求解，如inv(、\(和lsqnonneg(等。
对于非线性方程，可以使用内置的非线性方程求解函数fsolve(来求解。
3. 数值积分：MATLAB提供了多种数值积分方法来近似计算定积分。
用户可以使用内置的数值积分函数，如quad(、integral(和trapz(等，来计算定积分的数值近似值。
4. 微分方程：MATLAB提供了一些函数和工具箱来求解常微分方程。
用户可以使用内置的ODE求解器，如ode45(、ode23(和ode15s(等，来求解常微分方程的数值解。
5. 优化：MATLAB提供了一些函数和工具箱来解决优化问题。
用户可以使用内置的优化函数，如fminunc(、fmincon(和linprog(等，来寻找函数的最小值或满足一定约束条件的最优解。
6. 统计分析：MATLAB提供了丰富的统计函数和工具箱，用于数据分析和统计建模。
用户可以使用统计函数，如mean(、std(和histogram(等，来计算数据的平均值、标准差和直方图等。
7. 曲线拟合：MATLAB提供了一些函数和工具箱来进行曲线拟合。
用户可以使用内置的曲线拟合函数，如polyfit(、lsqcurvefit(和spline(等，来拟合数据并得到拟合曲线的参数。
8. 数值计算精度：MATLAB中的数值计算精度可以通过设置位数和步长来控制。
用户可以使用内置的设置函数，如format(和eps(等，来改变数值的显示格式和计算精度。
matlab数值计算实验报告
matlab数值计算实验报告Matlab数值计算实验报告引言：Matlab是一种广泛应用于科学与工程领域的高级计算机语言和环境，它提供了丰富的函数库和工具箱，方便用户进行数值计算、数据分析和可视化等任务。
本实验报告将介绍我在使用Matlab进行数值计算实验中的一些经验和心得体会。
一、数值计算方法数值计算方法是一种利用数值近似来解决实际问题的方法，它在科学和工程领域具有广泛的应用。
在Matlab中，我们可以利用内置的函数和工具箱来实现各种数值计算方法，例如插值、数值积分、数值微分等。
二、插值方法插值是一种通过已知数据点来推测未知数据点的方法。
在Matlab中，我们可以使用interp1函数来进行插值计算。
例如，我们可以通过已知的一些离散数据点，利用interp1函数来估计其他位置的数值。
这在信号处理、图像处理等领域具有重要的应用。
三、数值积分数值积分是一种通过分割曲线或曲面来近似计算其面积或体积的方法。
在Matlab中，我们可以使用quad函数来进行数值积分计算。
例如，我们可以通过quad函数来计算某个函数在给定区间上的积分值。
这在概率统计、物理学等领域具有广泛的应用。
四、数值微分数值微分是一种通过数值逼近来计算函数导数的方法。
在Matlab中，我们可以使用diff函数来进行数值微分计算。
例如，我们可以通过diff函数来计算某个函数在给定点上的导数值。
这在优化算法、控制系统等领域具有重要的应用。
五、数值求解数值求解是一种通过数值近似来计算方程或方程组的根的方法。
在Matlab中，我们可以使用fsolve函数来进行数值求解计算。
例如，我们可以通过fsolve函数来求解某个非线性方程的根。
这在工程计算、金融分析等领域具有广泛的应用。
六、实验应用在本次实验中，我使用Matlab进行了一些数值计算的应用实验。
例如，我利用插值方法来估计某个信号在给定位置的数值，利用数值积分方法来计算某个曲线下的面积，利用数值微分方法来计算某个函数在给定点的导数值，以及利用数值求解方法来求解某个方程的根。
Matlab第6章 数值计算功能
5
例 已知x=[-43,72,9,16,23,47]，求向量x 的最大值和最小值。 x=[-43,72,9,16,23,47] y=max(x) %求向量x中的最大值 [y,k]=max(x) %求向量x中的最大值及其该元 素的位置 z=min(x) %求向量x中的最小值 [z,m]=min(x) %求向量x中的最小值及其该元 素的位置
6
2）求矩阵A的最大值和最小值 max(A) 返回一个行向量，向量的第i个元素 是矩阵A的第i列上的最大值。 [Y,K]=max(A) 返回行向量Y和K，Y向量记录A 每列的最大值，K向量记录每列最大值的行号。 max(A,[],dim) dim取1或2。dim取1时，该函 数和max(A)完全相同；dim取2时，该函数返 回一个列向量，其第i个元素是A矩阵的第i行 上的最大值。 • 求矩阵最小值的函数是min，其用法和max完 全相同。 7
第6章 数值计算功能
张燕 zy29209@
1
数据分析
MATLAB提供了方便的数据分析函数，可以 对较复杂的向量或矩阵元素进行数据分析。 分析原则 如果输入是向量，则按整个向量进行运算 如果输入是矩阵，则按列进行运算，运算 和列向量一样
2
6.1 数据统计和相关分析 6.2 差分与积分 *6.3 卷积和快速傅立叶变换
32
a）梯形法求积分 原理：把积分区间(a,b)分成n个小梯形，然后 将这n个小梯形的面积求和。 MATLAB提供了trapz()函数计算数值积分 梯形法求积分的结果不很精确
33
Z=trapz(Y) 以单位间隔，采用计算若干梯形 面积的和的方法来计算某函数的近似积分。 如果Y为向量，计算Y的积分；如果Y是矩阵， 得一个每列积分的行向量。 Z=trapz(X,Y) 用梯形积分法，依据X计算Y 的积分，X为自变量，Y为函数。如果X、Y 为向量，则大小必须相同；如果Y为矩阵， 则Y的列元素个数必须等于length(X)。 Z=trapz(X,Y,dim) dim=1，和trapz(X,Y)相 同，按列计算积分，dim=2，按行计算积分。
MATLAB数值计算功能(向量、矩阵、数组、稀疏矩阵)
数值计算功能向量及其运算1、向量生成（1）、直接输入向量元素用“ [ ]”括起来,用空格或逗号生成行向量,用分号生成列向量a1=[11 14 17 18]a2=[11,14,17,18]a2=[11;14;17;18]%列向量用“ ’”能够进行向量转置a1=[11 14 17 18]a4=a1'%a1 行向量,a4 列向量也能够用组合方法：A=[1 2 3];B=[7 8 9];C=[A 4 ones(1,2) B]（2）、等差元素向量生成冒号生成法：Vec=Vec0:n:Vecn,此中Vec表示生成地向量,Vec0表示第一个元素,n表示步长,Vecn 表示最后一个元素使用 linespace 函数： Vec=linespace(Vec0,n,Vecn),此中 Vec 表示生成地向量 ,Vec0 表示第一个元素 ,n 表示生成向量元素个数（默认 n=100） ,Vecn 表示最后一个元素vec1=10:5:50vec2=50:-5:10vec3=linspace(10,50,6)2、向量地基本运算（1）、向量与数地四则运算向量中每个元素与数地加减乘除运算（除法运算时,向量只好作为被除数,数只好作为除数）vec1=linspace(10,50,6)vec1+100vec2=logspace(0,10,6) %对数平分向量vec2/100（2）、向量与向量之间地加减运算向量中地每个元素与另一个向量中相对应地元素地加减运算vec1=linspace(10,50,6)vec2=logspace(0,2,6)vec3=vec1+vec2（3）、点积、叉积和混淆机点积： dot 函数 ,注意愿量维数地一致性x1=[11 22 33 44]x2=[1 2 3 4]sum(x1.*x2) %还能够采纳sum 函数计算向量地址积叉积： cross 函数 ,注意愿量维数地一致性（由几何意义可知,向量维数只好为3）x1=[11 22 33 44]x2=[1 2 3 4]x3=cross(x1,x2)%报错 ,维数只好为3x1=[11 22 33]x2=[1 2 3]x3=cross(x1,x2)混淆积：结果为一个数,先求 cross,再求 dota=[1 2 3]b=[2 4 3]c=[5 2 1]v=dot(a,cross(b,c))v=cross(a,dot(b,c)) %报错矩阵及其运算MATLAB地基本单位是矩阵,逗号或空格划分同一行不一样元,分号划分不一样行素1、矩阵地生成4 种方法：在command window直接输入；经过语句和函数产生；M 文件中成立；外面数据文件中导入（1）、直接输入：把矩阵元素直接摆列到方括号中 ,每行元素用逗号或空格相隔 ,行与行之间用分号相隔martix=[1 1 1 1;2,2,2,2;3,3,3,3;4 4 4 4]冒号用法：A=[1 1 1;1 2 3;1 3 6]B=A(1:2,:)（2）文件导入：*.mat*.txt*.datload 文件名参数直接导入： File—Import Data2、矩阵地基本数值运算（1）、矩阵与是常数地四则运算（除法时,常数只好作为除数）matrix=[1 1 1 1;2,2,2,2;3,3,3,3;4 4 4 4]m1=100+matrixm2=100-matrixm3=100*matrixm4=matrix/2（2）、矩阵之间地四则运算加减法：矩阵各个元素之间地加减法,一定是同型矩阵matrix=[1 1 1 1;2,2,2,2;3,3,3,3;4 4 4 4]m2=m1+matrixm3=[11 22 33;1 2 3;4 5 6]m4=matrix-m1m5=m3+m1 %报错 ,非同型矩阵乘法：用 *, 左矩阵地列数需等于右矩阵地行数A=[1111;2222;3333;4444]B=[1592;6357;2589;4563]C=A*BD=[1 5 9;6 3 5;2 5 8]3*3矩阵相乘E=A*D% 报错 ,4*4 矩阵不可以与除法：左除（ AX=B 则 X=A\B,相当于 X=inv(A)*B, 可是左除稳固性好）右除 / （ XA=B 则 X=B/A,相当于 X=B*inv(A)）个人认为：左除相当于逆矩阵左乘,右除相当于逆矩阵右乘%解方程组XA=B地解 ,本列中 A=[2 1 -1; 2 1 0;1 -1 1] ;B=[1 -1 3;4 3 2] A=[2 1 -1; 2 1 0;1 -1 1]B=[1 -1 3;4 3 2]X=B/A矩阵能够使用比较运算符：结果矩阵地对应地点为0 或1数据变换：floorceilroundfixrem[n,d]=rat(A)： A 表示为两个整数阵对应元素相除地形式A=n./d 3、矩阵地特点参数运算（1）、乘方与开方乘方： A^p 计算 A 地 p 次方p>0： A 地 p 次方p<0： A 逆矩阵地abs(p)次方A=[1234;4567;4567;891011]B=A^10开方：如有X*X=A,则有sqrtm(A)=XA=magic(5)B=sqrtm(A)B^2 %考证正确性（2）、指数与对数指数： expm(X)=V*diag(exp(diag(D)))/V （ [V,D]=eig(X)）对数： L=logm(A),与指数运算互逆X=rand(4)Y=expm(X)A=randn(4)（3）、逆运算inv函数 ,充要条件：矩阵地队列式不为0A=[1000;1200;2130;1214]B=inv(A)广义逆矩阵（伪逆）：pinv(A)非奇怪矩阵地pinv 与inv 相同（4）、队列式det函数A=[1000;1200;2130;1214]B=inv(A)x=det(A)y=det(B)i=x*y（5）、特点值E=eig(X)：生成由X 地特点值构成地列向量[V,D]=eig(X)： V 是以 X 地特点向量为列向量地矩阵,D 是由矩阵X 地特点值构成地对角阵D=eigs(X)：生成由X 地特点值构成地列向量（eigs 函数使用迭代法求解矩阵地特点值和特点向量 ,X 一定是方阵,最好是大型稀少矩阵）[V,D]=eig(X)： V 是以X 地特点向量为列向量地矩阵,D 是由矩阵X 地特点值构成地对角阵X=magic(3)A=[1 0 0;0 0 3;0 9 0]E=eig(X)[V D]=eig(X)D=eigs(A)[V D]=eigs(A)（6）、矩阵（向量）地范数norm(X) ： 2-范数norm(X,2) ： 2-范数norm(X,1) ： 1-范数norm(X,inf) ：无量范数norm(X,’fro ’)： Frobenius 范数normest(X) ：只好计算2-范数 ,而且是 2-范数地预计值,用于计算norm(X) 比较费时地状况X=hilb(4)norm(4)norm(X)norm(X,2)norm(X,1)norm(X,inf)norm(X,'fro')normest(X)（7）、矩阵地条件数运算矩阵地条件数是判断矩阵“病态”成都地一个胸怀,矩阵 A 地条件数越大,表示 A 越病态 ,反之 ,表示 A 越良态 ,Hilbert矩阵就是闻名地病态矩阵cond(X)：返回对于矩阵X 地 2-范数地条件数cond(X,P)：对于矩阵X 地 P-范数地条件数（P 为 1、 2、 inf rcond(X)：计算矩阵条件数地倒数值,该值越靠近0 就越病态condest(X)：计算对于矩阵X 地 1-范数地条件数地预计值M=magic(3);H=hilb(4);c1=cond(M)c2=cond(M,1)c3=rcond(M)c4=condest(M)h1=cond(H)h2=cond(H,inf)h3=rcond(H)h4=condest(H)或’fro’）,越靠近 1 就越良态由以上结果能够看出,魔术矩阵比较良态,Hilbert矩阵是病态地（8）、秩rank 函数T=rand(6)rank(T) %6,满秩矩阵T1=[1 1 1;2 2 3]r=rank(T1)%r=2,行满秩矩阵（9）、迹trace 函数 ,主对角线上全部元素地和,也是特点值之和M=magic(5)T=trace(M)T1=eig(M)T2=sum(T1)4、矩阵地分解运算（1）、三角分解（lu）非奇怪矩阵 A（ n*n ）,假如其次序主子式均不为 0,则存在独一地单位下三角 L 和上三角阵 U, 进而使得 A=LU[L,U]=lu(X)：产生一个上三角矩阵U 和一个下三角矩阵L,使得 X=LU,X能够不为方阵[L,U,P]=lu(X)：产生一个单位下三角矩阵L、一个上三角矩阵U 和互换矩阵P,PX=LUY=lu(X)：假如 X 是满矩阵 ,将产生一个lapack’s地 dgetrf 和 zgetrf 地输出常式矩阵Y；假如 X 是稀少矩阵 ,产生地矩阵Y 将包含严格地下三角矩阵L 和上三角矩阵U,这两种状况下,都不会有互换矩阵PX=[6 2 1 -1;2 4 1 0;1 1 4 -1;-1 0 -1 3][L U]=lu(X)[L U P]=lu(X)Y=lu(X)（2）、正交分解（qr ）对于矩阵 A（ n*n ）,假如 A 非奇怪 ,则存在正交矩阵 Q 和上三角矩阵 R,使得 A 知足关系式 A=QR, 而且当 R 地对角元都为正时 ,QR 分解是独一地[Q,R]=qr(A) ：产生一个与 A 维数相同地上三角矩阵R 和一个正交矩阵Q,使得知足A=QR[Q,R,E]=qr(A)：产生一个互换矩阵E、一个上三角矩阵R 和正交阵[Q,R]=qr(A,0) ：对矩阵 A 进行有选择地QR分解 ,当矩阵 A 为 m*n 前 n 列地正交矩阵QR=qr(A)：只产生矩阵R,而且知足R=chol(A’*A)Q,这三者知足 AE=QR 且m>n, 那么只会产生拥有A=[17 3 4;3 1 12;4 12 8] [Q R]=qr(A)[Q R E]=qr(A)[Q R]=qr(A,0)R=qr(A)[Q,R]=qrdelete(A,j)：去除第[Q,R]=qrdelete(A,j,x)：在第j 列求 QR分解j 列插入 x 后求QR分解（3）、特点值分解（eig）[V,D]=eig(X)：V 是以矩阵X 地特点向量作为列向量构成地矩阵,D 是矩阵X 地特点值构成地对角阵 ,知足XV=VD[V,D]=eig(A,B)：对矩阵 A、B 做广义特点值分解 ,使得 AV=BVDA=magic(4)[V D]=eig(A)Z=A*V-V*DB=[17 3 4 2;3 1 12 6;4 12 8 7;1 2 3 4][V D]=eig(A,B)Z=A*V-B*V*D（4）、 Chollesky 分解（ chol）当矩阵A（ n*n ）对称正准时,则存在独一地对角元素为正地上三角矩阵R,使得 A=R’*R,当限定 R 地对角元素为正地时候 ,该分解是独一地当矩阵 A 为非正定阵时 ,会提示犯错A=[4 -1 1;-1 4.25 2.75;1 2.75 3.5]R=chol(A)R'*R %=AA=[0 4 0;3 0 1;0 1 3]R=chol(A) %报错 ,A 为非正定阵（5）奇怪值分解（svd）[U,S,V]=svd(X)：与矩阵 X 维数相同地对角阵 S、正交矩阵 U 和正交矩阵 V,使得知足 X=USV’[U,S,V]=svd(X,0)：X 为 M*N 矩阵 ,当 M>N 时 ,生成地矩阵 U 只有前 N 列元素被计算出来 ,而且 S为 N*N 矩阵X=[1 2 3;4 5 6;7 8 9][U S V]=svd(X)X=[1 2 3;4 5 6;7 8 9;10 11 12][U S V]=svd(X)X=[1 2 3;4 5 6;7 8 9;10 11 12ckl[U S V]=svd(X,0)Schur分解（正交阵和schur阵）[U,T]=schur(A)： A=UTU’schur阵是主对角线元素为特点值地三角阵5、矩地一些特别理size(A)：求矩 A 地行数、列数diag(A):求出矩 A 地角元素repmat(A)：将矩 A 作位 ,成 m*n 矩 ,此中每个元素都是cat(k,A,B)： k=1 归并后形如 [A;B]（ A,B 列数相等）； k=1 归并后形如（1）、矩地A 矩[A,B]（ A,B 行数相等）reshape(X,M,N) ：将矩X 地全部元素分派到一个M*N地新矩,当矩X 地元素不是M*N ,返回reshape(X,M,N,P,⋯)：返回由矩X 地元素成地M*N*P*⋯多矩,若果M*N*P*⋯与X 地元素数不一样 ,将返回reshape(X,[M,N,P,⋯]) ：与上一条相同A=rand(4,2)reshape(A,2,4)reshape(A,[2,2,2])用冒号：A=[1 2 3 4;5 6 7 8;9 10 11 12];B=ones(2,6);B(:)=A(:)（2）、矩地向rot90(A) ： A 按逆旋rot90(A,K) ： A 按逆旋filpud(X) ：将 X 上下翻90 度90*K度fliplr(X) ：将X 左右翻flipdim(X,DIM) ：将 X 地第 DIM 翻X=[1 4;2 5;3 6]rot90(X)rot90(X,-1)flipud(X)fliplr(X)flipdim(X,2)%左右翻6、特别矩地生成（1）、零矩和全 1 矩地生成A=zeros(M,N)：生成 M*N 地零矩A=zeros(size(B))：生成与 B 同型地零矩A=zeros(N)：生成 N 零矩仿真全 1 矩地生成与零矩地生成似,使用ones 函数A=zeros(4,5)B=[12345;23456;98765;87654]A=zeros(size(B))A=zeros(5)C=ones(5,6)C=ones(3)（2）、角矩地生成A=diag(V,K)： V 某个向量 ,K 向量 V 偏离主角地列数,K=0 表示 V 主角 ,K>00 表示 V 在主对角线以上,K<0 表示 V 在主对角线以下A=diag(V)：相当于K=0v=[1 9 8 1 6]diag(v,1)diag(v)（3）、随机矩阵地生成rand(N) ：生成 N*N 地随机矩阵 ,元素值在 (0.0,1.0) 之间rand(M,N)randn(N) ：生成 N*N 地随机矩阵 ,元素之听从正态散布N(0,1)randn(M,N)rand(5)randn(5)（4）、范德蒙德矩阵地生成A=vander(V)：有 A(I,j)=v(i)n-jv=[1 3 5 7 9]A=vander(v)（5）、魔术矩阵地生成它是一个方阵 ,方阵地每一行,每一列以及每条主对角线地元素之和都相同（ 2 阶方阵除外）magic(N)：生成N 阶魔术矩阵 ,使得矩阵地每一行,每一列以及每条主对角线元素和相等,N>0（N=2 除外）magic(2)magic(3)magic(4)（6）、 Hilbert 矩阵和反Hilbert 矩阵地生成Hilbert 矩阵地第i 行、第 j 列地元素值为1/(i+j-1), 反 Hilbert 矩阵是 Hilbert 矩阵地逆矩阵hilb(N) ：生成 N 阶地 Hilbert 矩阵invhilb(N) ：生成 N 阶地反 Hilbert 矩阵A=hilb(5)B=invhilb(5)C=A*Brandpem(n)：随机摆列hess(A)： hess矩阵pascal(n)： Pascal矩阵hankel(c)： Hankel 矩阵wilkinson(n)： wilkinson 特点值测试矩阵blkdiag(a,b,c,d)：产生以输入元素为对角线元素地矩阵注： diag 函数地输入参数只好有一个（能够为向量）compan(u)：友矩阵hadamard(n)： hadamard 矩阵toeplitz(c,r)：托布列兹阵数组及其运算1、数组寻址和排序（1）、数组地寻址A=randn(1,10)A(4) %接见 A 地第 4 个元素A(2:6)%接见 A 地第 2 到 6 个元素A(6:-2:1)A([1 3 7 4])%接见 A 中 1、3、 7 和 4 号元素A(4:end) %end 参数表示数组地结尾（2）、数组地排序sort(X)：将数组X 中地元素按升序排序X 是多维数组时 ,sort(X)命令将 X 中地各列元素按升序排序X 是复数时 ,sort(X)命令将 X 中地各个元素地模abs(X)按升序排序X 是一个字符型单元数组,sort(X)命令将 X 中地各列元素按ASCII码升序排序Y=sort(X,DIM,MODE)：DIM 选择用于摆列地维,MODE 决定了排序地方式（’ascend’升序 ,’descend’降序） ,该命令生成地数组Y与 X 是同型地X=[3 7 5;0 4 2]sort(X,1) %纵向升序排序sort(X,2) %横向升序排序sort(2)2、数组地基本数值运算（1）、加减法（与矩阵加减法相同）X=[1 4 7]Y=[2 5 8]Z=X-YV=X+Y（2）、数组地乘除法乘法用“ .* ”： X、 Y 有相同维数 ,X.*Y 表示 X 和 Y 中单个元素之间地对应乘积除法用“ ./ ”：注意“ ./ ”和“ ”完整不一样X=[10 52 96 12 56]Y=[2 26 3 4 8]Z=[10 52 96 12 56 42]Z1=X.*YZ2=X.*Z%报错 ,维数问题Z3=X./Y%Z3=5,2,32,3,7Z4=X.\Y %Z4=0.2,0.5,0.0313,0.3333,0.1429Z5=X.\Z%报错 ,维数问题（3）、数组地乘方两个数组之间地乘方X=[1 4 7]Y=[2 5 8]Z=X.^Y乘方运算时指数为标量X=[3 6 9]Z=X.^3乘方运算时底数为标量X=[456789]Z=3.^X数组和矩阵也能够进行exp、 log、 sqrt 等运算 ,是对每个对应元素进行运算3、数组地关系运算小于（ <）,小于等于（ <=） ,大于（ >）,大于等于（ >=） ,等于（ ==） ,不等于（ ~=） ,结果为 1, 则关系式为真 ,结果为 0,则关系式为假%rem(X,n),求余函数 ,X 为被除数 ,n 为除数M=magic(7)N=(rem(M,3))N=(rem(M,3)<=1)N=(rem(M,3)==1)N=(rem(M,3)>=1)4、数组地逻辑运算,非运与（ &）,或（ | ）,非（ ~）,此中与、或能够比较两个标量或许两个同阶数组（或矩阵）算时针对数组（或矩阵中地每一个元素）,当逻辑为真则返回1,当逻辑为假则返回0M=[1 1 0;0 1 0;1 0 0]N=[1 0 1;1 1 1;0 0 0]M|NM&N~Ncat：串接flipdimfliplrflipudkron：积数组permute：重组repmatreshaperot90稀少型矩阵1、稀少矩阵地生成（1）、 speye 函数：生成单位稀少矩阵speye(size(A))speye(M,N) ：维数为M 和N 中较小地一个speye(N)A=eye(10)speye(size(A))speye(7,6)speye(5)（2）、 sprand 函数：生成随机稀少矩阵（元素听从0-1 之间地随机散布）R=sprand(S)：产生与稀少矩阵S 构造相同地稀少矩阵,但它地元素都是0-1 上地随机数Rsprand(M,N,D) ：产生一个M*N 地随机稀少矩阵R,它地非您元素地个数近似为M*N*D, 注意D 地值在 0-1 之间且不要过大v=[3 5 6 2 1 9 6 5 5 6]S=diag(v)R=sprand(S)R=sprand(10,10,0.08)（3）、 sparse 函数S=sparse(X)：将矩阵 X 转变为稀少矩阵SS=sparse(I,j,s,m,n,nzm)：生成 m*n 地稀少矩阵 S,向量 s 地元素散布在以向量i 地对应值和向量 j 地对应值为坐标地地点上 ,此中 nzm=length(s)S=sparse(I,j,s)：生成 m*n 地稀少矩阵S,向量 s 地元素散布在以向量i 地对应值和向量 j 地对应值为坐标地地点上,此中 m=max(i),n=max(j)S=sparse(m,n)：是 sparse([],[],[],m,n,0)地简化形式i=[6 2 7 7 4 1 2 5]j=[1 3 2 7 2 8 3 2]s=[8 3 7 7 1 7 0 2]X=diag(s,-2)S=sparse(X)S1=sparse(i,j,s,10,10,7)%报错 ,nzmax=length(s)S1=sparse(i,j,s,10,10,8)S2=sparse(i,j,s,10,9)%默认 nzmax=length(s)S2=sparse(i,j,s)%m=max(i),n=max(j)2、稀少矩阵地操作（1）、 nnz 函数：用于求非零元素地个数nz=nnz(S)：返回 S总非零元素个数D=nnz(S)/prod(size(S))：表示稀少矩阵S 中非零元素地密度v=[6 2 7 7 4 1 3 5]S=diag(v,-1)nz=nnz(S)D=nnz(S)/prod(size(S))（2）、 sponse 函数R=sponse(S)：生成一个与稀少矩阵 S 构造相同地稀少矩阵 R,可是在矩阵 S 中地非零元素地地点上用元素 1 替代S=sprandsym(10,0.05)R=spones(S)（3）、 spalloc 函数S=spalloc(m,n,nzm)：生成一个全部元素都为0 地m*n阶稀少矩阵,计算机利用这些空间来存储 nzm 个非零元素n=3;v=sprand(n,1,0.33) s=spalloc(n,n,1*n)%生成%分派3*13*3地稀少列向量地空间 ,最后能够储存 3 个非零元素for j=1:ns(:,j)=(v)%v 为含有一个非零元素地稀少列向量end（4）、 full 函数S=full(X)：将稀少矩阵（三元组表示）变换为满矩阵（矩阵表示）s(6,1)=8;s(4,2)=1;s(5,3)=60;s(6,2)=57;s(1,7)=25;s(3,8)=37;full(s)（5）、 find函数I=find(X)：返回矩阵X 地非零元素地地点,如 I=find(X>100) 返回X 中大于100 地元素地地点[I,J]=find(X) ：返回 X 中非零元素所在地行I 和列 J 地详细数据[I,J,V]=find(X)：除了返回I 和 J,还返回矩阵中非零元素地值V注：find(X) 和 find(X~=0)会产生相同地I 和 J,可是后者会生成一个包含全部非零元素地点地向量S(10,50)=82;S(32,14)=82;S(251,396)=25;I=find(S)[I J]=find(S)[I J V]=find(S)（6）、 issparse 函数issparse(S)：返回值为 1 说明矩阵S 是一个稀少矩阵,返回值为0 时说明矩阵S 不为稀少矩阵v=[6 2 7 7 4 1 3 5]S=diag(v,2)R=sparse(S)N=issparse(S) %返回 0,不为稀少矩阵Y=issparse(R) %返回 1,为稀少矩阵。
如何在MATLAB中进行数值计算
如何在MATLAB中进行数值计算1.基本数学操作：-加法、减法、乘法、除法：使用+、-、*、/操作符进行基本算术运算。
-幂运算：使用^或.^(点乘)操作符进行幂运算。
- 开平方/立方：可以使用sqrt(或power(函数进行开平方和立方运算。
2.矩阵操作：- 创建矩阵：可以使用矩阵构造函数如zeros(、ones(、rand(等创建矩阵。
- 矩阵运算：使用*操作符进行矩阵相乘，使用transpose(函数进行矩阵转置。
- 矩阵求逆和求解线性方程组：使用inv(函数求矩阵的逆，使用\操作符求解线性方程组。
3.数值积分和微分：- 数值积分：使用integral(函数进行数值积分。
可以指定积分函数、积分上下限和积分方法。
- 数值微分：使用diff(函数进行数值微分。
可以指定微分函数和微分变量。
4.解方程：- 一元方程：使用solve(函数可以解一元方程。
该函数会尝试找到方程的精确解。
- 非线性方程组：使用fsolve(函数可以求解非线性方程组。
需要提供初始值来开始求解过程。
-数值方法：可以使用牛顿法、二分法等数学方法来求解方程。
可以自定义函数来实现这些方法。
5.统计分析：- 统计函数：MATLAB提供了丰富的统计分析函数，如mean(、std(、var(等用于计算均值、标准差、方差等统计量。
- 直方图和密度估计：使用histogram(函数可以绘制直方图，并使用ksdensity(函数进行核密度估计。
- 假设检验：使用ttest(或anova(函数可以进行假设检验，用于比较多组数据之间的差异。
6.数值优化：- 非线性最小化：使用fminunc(函数可以进行非线性最小化。
需要提供目标函数和初始点。
- 线性规划：使用linprog(函数可以进行线性规划。
需要提供目标函数和限制条件。
- 整数规划：使用intlinprog(函数可以进行整数规划。
需要提供目标函数和整数约束。
7.拟合曲线：- 线性拟合：使用polyfit(函数进行线性拟合。
如何使用Matlab技术进行数值计算
如何使用Matlab技术进行数值计算概述：Matlab是一种强大的数值计算和数据分析工具，广泛应用于科学、工程和金融等领域。
本文将介绍一些基本的Matlab技术，以帮助读者了解如何使用Matlab进行数值计算。
一、矩阵运算Matlab最大的优势之一是其强大的矩阵运算功能。
通过建立和操作矩阵，可以进行向量运算、线性方程组求解、特征值和特征向量计算等。
例如，假设我们需要解决一个线性方程组Ax=b，其中A是一个3x3的已知系数矩阵，b是一个已知向量，x是未知向量。
我们可以使用Matlab的“\”运算符来求解：x = A \ b;除此之外，Matlab还提供了许多其他的矩阵运算函数，如矩阵乘法（*）、矩阵转置（'）、求逆矩阵（inv(A)）等。
二、绘图和数据可视化Matlab提供了丰富的绘图函数，可以帮助我们对数据进行可视化分析。
通过绘制线图、散点图、柱状图、等高线图等，我们可以更直观地理解数据的规律和趋势。
例如，我们可以使用Matlab的“plot”函数来绘制一个简单的二维线图：x = linspace(0, 2*pi, 100);y = sin(x);plot(x, y);此外，Matlab还支持自定义图形的样式、添加标题、轴标签和图例等。
通过适当的数据可视化，我们可以更好地理解和解释数据。
三、数值积分和微分在数学和工程领域，积分和微分是常见的数值计算问题。
Matlab提供了许多函数来计算数值积分和微分，如“quad”和“diff”。
例如，我们可以使用Matlab的“quad”函数来计算一个函数在给定区间上的数值积分：f = @(x) x^2 + 2*x + 1;integral = quad(f, 0, 1);类似地，我们可以使用“diff”函数来计算一个函数在给定点上的数值导数：f = @(x) exp(x);x = linspace(0, 1, 100);dx = diff(f(x))./diff(x);四、非线性方程求解非线性方程的求解在科学和工程中经常遇到。
matlab数值计算 实验报告
matlab数值计算实验报告Matlab数值计算实验报告引言：Matlab是一种强大的数值计算软件，广泛应用于科学和工程领域。
本实验旨在通过实际案例，展示Matlab在数值计算中的应用能力。
本报告将从三个方面进行讨论：数值积分、线性方程组求解和最优化问题。
一、数值积分：数值积分是数学中常见的问题，Matlab提供了多种函数和方法来解决这类问题。
我们以求解定积分为例进行讨论。
假设我们要求解函数f(x) = x^2在区间[0, 1]上的定积分。
我们可以使用Matlab中的quad函数来进行计算，代码如下：```matlabf = @(x) x.^2;integral = quad(f, 0, 1);disp(integral);```运行以上代码，我们可以得到定积分的近似值为0.3333。
通过调整积分方法和精度参数，我们可以得到更精确的结果。
二、线性方程组求解：线性方程组求解是数值计算中的重要问题，Matlab提供了多种函数和方法来解决线性方程组。
我们以一个简单的线性方程组为例进行讨论。
假设我们要求解以下线性方程组：```2x + y = 5x - y = 1```我们可以使用Matlab中的linsolve函数来求解，代码如下：```matlabA = [2 1; 1 -1];B = [5; 1];X = linsolve(A, B);disp(X);```运行以上代码，我们可以得到方程组的解为x = 2，y = 3。
通过调整方程组的系数矩阵和右侧向量，我们可以求解更复杂的线性方程组。
三、最优化问题：最优化问题在科学和工程领域中广泛存在，Matlab提供了多种函数和方法来解决这类问题。
我们以求解无约束最优化问题为例进行讨论。
假设我们要求解函数f(x) = x^2的最小值。
我们可以使用Matlab中的fminunc函数来进行计算，代码如下：```matlabf = @(x) x.^2;x0 = 1; % 初始点options = optimoptions('fminunc', 'Display', 'iter');[x, fval] = fminunc(f, x0, options);disp(x);disp(fval);```运行以上代码，我们可以得到最小值的近似解为x = 0，f(x) = 0。
MATLAB的数值运算
➢ A为方阵，V=diag(A)提取A的对角元素 构成向量V。
➢ 随机矩阵：rand(m,n) m×n的均匀分布
3．利用冒号表达式建立向量
e1: e2: e3
a=[1:2:10]
a=
初始值 ：步长： 终止值
13579
linspace(a,b,n)
49
72
90
85 133 172
矩阵的点除
例: a=[1 2 3];b=[4 5 6]; c1=a.\b; c2=b./a c1 = 4.0000 2.5000 2.0000
c2 = 4.0000 2.5000 2.0000
a./b=b.\a —— 给出a,b对应元素间的商. a.\b=b./a a./b=b.\a — 都是a的元素被b的对应元素除 a.\b=b./a — 都是a的元素被b的对应元素除
第三节 多项式运算
一、多项式的建立与表示方法
多项式 → 一个行向量
元素按多项式降幂排列
f(x)=anxn+an-1xn-1+……+a0
p=[an an-1 …… a1 a0]
x4 12x3 0x2 25x 116 p=[1 -12 0 25 116]
roots 多项式等于0的根，列向量
polynomial 已知多项式等于0的根，求 出相应多项式
第二章 MATLAB的数值运算
第一节 基本语法结构
一、变量与赋值
1.变量
命名 字母+任意字母(数字、下划线) 规则 字母的大小写、标点符号
存储
变量操作 命令窗口
命令、变量值
调用
matlab数值计算实验报告
matlab数值计算实验报告Matlab数值计算实验报告一、实验目的本次实验的目的是通过使用Matlab软件进行数值计算，掌握Matlab的基本操作和数值计算方法，了解数值计算的基本原理和方法，提高数学建模和计算能力。
二、实验内容本次实验主要包括以下内容：1. Matlab基本操作：包括Matlab软件的安装、启动、界面介绍、基本命令和语法等。
2. 数值计算方法：包括数值积分、数值微分、线性方程组的求解、非线性方程的求解、插值和拟合等。
3. 数学建模：通过实际问题的建模，运用Matlab进行数值计算，得到问题的解答。
三、实验步骤1. Matlab基本操作（1）安装Matlab软件：根据官方网站提供的下载链接，下载并安装Matlab软件。
（2）启动Matlab软件：双击Matlab图标，启动Matlab软件。
（3）界面介绍：Matlab软件界面分为命令窗口、编辑器窗口、工作区窗口、命令历史窗口、变量编辑器窗口等。
（4）基本命令和语法：Matlab软件的基本命令和语法包括数学运算、矩阵运算、逻辑运算、控制语句等。
2. 数值计算方法（1）数值积分：使用Matlab中的quad函数进行数值积分，求解定积分。
（2）数值微分：使用Matlab中的diff函数进行数值微分，求解函数的导数。
（3）线性方程组的求解：使用Matlab中的inv函数和\运算符进行线性方程组的求解。
（4）非线性方程的求解：使用Matlab中的fsolve函数进行非线性方程的求解。
（5）插值和拟合：使用Matlab中的interp1函数进行插值和拟合。
3. 数学建模（1）实际问题的建模：选择一个实际问题，将其转化为数学模型。
（2）运用Matlab进行数值计算：使用Matlab进行数值计算，得到问题的解答。
四、实验结果通过本次实验，我掌握了Matlab的基本操作和数值计算方法，了解了数值计算的基本原理和方法，提高了数学建模和计算能力。
在实际问题的建模和运用Matlab进行数值计算的过程中，我深刻体会到了数学建模和计算的重要性，也发现了Matlab在数学建模和计算中的重要作用。
matlab数值解
matlab数值解Matlab是一种功能强大的数值计算软件，可以用于解决各种数学问题。
在Matlab中，数值解是指使用数值方法来求解某个方程或问题的近似解。
这种方法通常用于无法通过解析方法求得精确解的问题，例如微分方程、积分方程、非线性方程等。
Matlab提供了许多内置函数和工具箱，可用于数值计算和数值求解。
其中最常用的工具箱是ODE工具箱（ODE：ordinary differential equations），该工具箱提供了各种求解常微分方程（ODE）的函数。
例如，ode45函数可用于求解常微分方程组。
除了ODE工具箱外，还有其他一些常见的数值计算工具箱，如优化工具箱、插值工具箱、符号计算工具箱等。
这些工具箱提供了各种算法和函数，可用于处理不同类型的数学问题。
在Matlab中进行数值计算时，需要注意以下几点：1.选择合适的数值方法：不同类型的问题需要采用不同的数值方法。
例如，在求解微分方程时可以使用欧拉法、龙格-库塔法等；在求解非线性方程时可以使用牛顿迭代法等。
2.调整参数：对于某些数值方法，需要调整一些参数才能得到较好的结果。
例如，在使用ode45函数求解ODE时，需要指定初始值、求解区间、误差容限等参数。
3.处理数值误差：由于计算机进行的是近似计算，因此在数值计算中会出现一定的误差。
需要采取一些方法来减小误差，例如增加计算精度、使用更高阶的数值方法等。
总之，Matlab是一种非常强大的数值计算软件，可以用于解决各种数学问题。
在进行数值计算时，需要选择合适的数值方法、调整参数、处理数值误差等。
通过合理地使用Matlab提供的函数和工具箱，可以得到较为准确的数值解。
数值计算方法实验指导(Matlab版)
《数值计算方法》实验指导（Matlab版）学院数学与统计学学院计算方法课程组《数值计算方法》实验1报告班级： 20##级####x 班 学号： 20##2409#### ： ##X 成绩：1. 实验名称实验1 算法设计原则验证（之相近数相减、大数吃小数和简化计算步骤） 2. 实验题目(1) 取1610=z ，计算z z -+1和)1/(1z z ++，验证两个相近的数相减会造成有效数字的损失．(2) 按不同顺序求一个较大的数（123）与1000个较小的数（15310-⨯）的和，验证大数吃小数的现象．(3) 分别用直接法和九韶算法计算多项式n n n n a x a x a x a x P ++++=--1110)(在x =1.00037处的值．验证简化计算步骤能减少运算时间．对于第(3)题中的多项式P (x )，直接逐项计算需要2112)1(+=+++-+n n n 次乘法和n 次加法，使用九韶算法n n a x a x a x a x a x P ++++=-)))((()(1210则只需要n 次乘法和n 次加法． 3. 实验目的验证数值算法需遵循的若干规则． 4. 基础理论设计数值算法时，应避免两个相近的数相减、防止大数吃小数、简化计算步骤减少运算次数以减少运算时间并降低舍入误差的积累．两相近的数相减会损失有效数字的个数，用一个大数依次加小数，小数会被大数吃掉，乘法运算次数太多会增加运算时间． 5. 实验环境操作系统：Windows xp ； 程序设计语言：Matlab6. 实验过程(1) 直接计算并比较；(2) 法1：大数逐个加1000个小数，法2：先把1000个小数相加再与大数加； (3) 将由高次项到低次项的系数保存到数组A[n]中，其中n 为多项式次数．7. 结果与分析 (1) 计算的z z -+1= ，)1/(1z z ++．分析：(2) 123逐次加1000个6310-⨯的和是 ，先将1000个6310-⨯相加，再用这个和与123相加得．分析：(3) 计算次的多项式：直接计算的结果是，用时；用九韶算法计算的结果是，用时．分析：8. 附录：程序清单(1) 两个相近的数相减．%*************************************************************%* 程序名：ex1_1.m *%* 程序功能：验证两个相近的数相减会损失有效数字个数 *%*************************************************************z=1e16;x,y======================================================================(2) 大数吃小数%*************************************************************%* 程序名：ex1_2.m *%* 程序功能：验证大数吃小数的现象. *%*************************************************************clc; % 清屏clear all; % 释放所有存变量format long; % 按双精度显示浮点数z=123; % 大数t=3e-15; % 小数x=z; % 大数依次加小数% 重复1000次给x中加上ty=0; % 先累加小数% 重复1000次给y中加上ty=z + y; % 再加到大数x,y======================================================================(3) 九韶算法%*************************************************************%* 程序名：ex1_3.m *%* 程序功能：验证九韶算法可节省运行时间. *%*************************************************************clc; % 清屏clear all; % 释放所有存变量format long; % 按双精度显示浮点数A=[8,4,-1,-3,6,5,3,2,1,3,2,-1,4,3,1,-2,4,6,8,9,50,-80,12,35,7,-6,42,5,6,23,74,6 5,55,80,78,77,98,56];A(10001)=0; % 扩展到10001项，后面的都是分量0% A为多项式系数,从高次项到低次项x=1.00037;n=9000; % n为多项式次数% 直接计算begintime=clock; % 开始执行的时间 % 求x的i次幂% 累加多项式的i次项endtime=clock; % 完毕执行的时间time1=etime(endtime,begintime); % 运行时间disp('直接计算');disp(['p(',num2str(x),')=',num2str(p)]);disp([' 运行时间: ',num2str(time1),'秒']);% 九韶算法计算begintime=clock; % 开始执行的时间% 累加九韶算法中的一项endtime=clock; % 完毕执行的时间time2=etime(endtime,begintime); % 运行时间disp(' ');disp('九韶算法计算');disp(['p(',num2str(x),')=',num2str(p)]);disp([' 运行时间: ',num2str(time2),'秒']);《数值计算方法》实验1报告班级： 20##级####x 班 学号： 20##2409#### ： ##X 成绩：1. 实验名称实验1 算法设计原则验证（之数值稳定性） 2. 实验题目 计算定积分⎰==-1110,1,0,d n x e xI x nn ，分别用教材例1-7推导出的算法A 和B ，其中：算法A ：⎩⎨⎧≈-=-6321.0101I nI I n n 算法B ：⎪⎩⎪⎨⎧≈-=-0)1(1101I I nI n n 验证算法不稳定时误差会扩大．3. 实验目的验证数值算法需遵循的若干规则． 4. 基础理论设计数值算法时，应采用数值稳定性好的算法．数值稳定的算法，误差不会放大，甚至会缩小；而数值不稳定的算法会放大误差． 5. 实验环境操作系统：Windows xp ； 程序设计语言：Matlab6. 实验过程分别用数组IA[ ]和IB[ ]保存两种算法计算的结果． 7. 结果与分析 运行结果：（或拷屏）8. 附录：程序清单%*************************************************************%* 程序名：ex1_4.m *%* 程序功能：验证数值稳定性算法可控制误差. *%*************************************************************clc; % 清屏clear all; % 释放所有存变量format long; % 按双精度显示浮点数I=[0.856, 0.144, 0.712, 0.865, ...0.538, 0.308, 0.154, 0.938, ...0.492, 0.662, 0.843];% 保留14位小数的精确值, …是Matlab中的续行符% 算法AIA(1) = 0.6321; % Matlab下标从1开始，所以要用IA(n+1)表示原问题中的I(n）% 算法Bdisp('n 算法A 算法B 精确值');for n=1:11fprintf('%2d %14.6f %14.6f %14.6f\n',n-1,IA(n),IB(n),I(n));end% n显示为2位整数, 其它显示为14位其中小数点后显示6位的小数《数值计算方法》实验1报告班级： 20##级####x 班 学号： 20##2409#### ： ##X 成绩：1. 实验名称实验1 算法设计原则（除数绝对值不能太小） 2. 实验题目将线性方程组增广矩阵利用初等行变换可化为⎪⎪⎭⎫⎝⎛→-⎪⎪⎭⎫ ⎝⎛→-⎪⎪⎭⎫ ⎝⎛''0'0''02221112'12221121112222211121122121121b a b a r r b a b a a r r b a a b a a a a a a由此可解得'/',/'22221111a b x a b x ==．分别解增广矩阵为161011212-⎛⎫ ⎪⎝⎭和162121011-⎛⎫⎪⎝⎭的方程组，验证除数绝对值远小于被除数绝对值的除法会导致结果失真． 3. 实验目的验证数值算法需遵循的若干规则． 4. 基础理论设计数值算法时，应避免除数绝对值远小于被除数绝对值的除法，否则绝对误差会被放大，使结果失真． 5. 实验环境操作系统：Windows xp ； 程序设计语言：Matlab6. 实验过程用二维数组A 和B 存放方程组的增广矩阵，利用题目所给初等行变换求解方程组． 7. 结果与分析第1种顺序的方程组的解为x =，y =；第2种顺序的方程组的解为x =，y =． 分析：8. 附录：程序清单%************************************************************* %* 程 序 名：ex1_5.m * %* 程序功能：验证除数的绝对值太小可能会放大误差. * %*************************************************************clc;A=[1e-16, 1, 1; 2, 1, 2];B=[2, 1, 2; 1e-16, 1, 1]; % 增广矩阵% 方程组A% m = - a_{21}/a_{11} 是第2行加第1行的倍数% 消去a_{21}% m = - a_{12}/a_{22} 是第1行加第2行的倍数% 消去a_{12}, 系数矩阵成对角线% 未知数x1的值% 未知数x2的值disp(['方程组A的解: x1=',num2str(A(1,3)),', x2=',num2str(A(2,3))]); disp(' ');% 方程组B% m = - b_{21}/b_{11} 是第2行加第1行的倍数% 消去b_{21}% m = - b_{12}/b_{22} 是第1行加第2行的倍数% 消去b_{12}, 系数矩阵成对角线% 未知数x1的值% 未知数x2的值disp(['方程组B的解: x1=',num2str(B(1,3)),', x2=',num2str(B(2,3))]);《数值计算方法》实验2报告班级： 20##级####x 班 学号： 20##2409#### ： ##X 成绩：1. 实验名称实验2 非线性方程的迭代解法(之简单迭代法) 2. 实验题目用简单迭代法求方程010423=-+x x 在区间[1,2]的一个实根，取绝对误差限为410-．3. 实验目的掌握非线性方程的简单迭代法． 4. 基础理论简单迭代法：将方程0)(=x f 改写成等价形式)(x x ϕ=，从初值0x 开始，使用迭代公式)(1k k x x ϕ=+可以得到一个数列，若该数列收敛，则其极限即为原方程的解．取数列中适当的项可作为近似解． 5. 实验环境操作系统：Windows xp ； 程序设计语言：Matlab 6. 实验过程7. 结果与分析8. 附录：程序清单《数值计算方法》实验2报告班级： 20##级####x 班 学号： 20##2409#### ： ##X 成绩：1. 实验名称实验2 非线性方程的迭代解法(之Newton 迭代法) 2. 实验题目用Newton 迭代法求方程010423=-+x x 在区间[1,2]的一个实根，取绝对误差限为410-．3. 实验目的掌握求解非线性方程的Newton 迭代法． 4. 基础理论Newton 迭代法：解方程0)(=x f 的Newton 迭代公式为)(')(1k k k k x f x f x x -=+．5. 实验环境操作系统：Windows xp ； 程序设计语言：Matlab 6. 实验过程7. 结果与分析8. 附录：程序清单《数值计算方法》实验2报告班级： 20##级####x 班 学号： 20##2409#### ： ##X 成绩：1. 实验名称实验2 非线性方程的迭代解法(之对分区间法) 2. 实验题目用对分区间法求方程310x x --=在区间[1, 1.5]的一个实根，取绝对误差限为410-． 3. 实验目的掌握求解非线性方程的对分区间法． 4. 基础理论对分区间法：取[a ，b ]的中点p ，若f (p ) ≈ 0或b – a < ε，则p 为方程0)(=x f 的近似解；若f (a ) f (p ) < 0，则说明根在区间取[a ，p ]中；否则，根在区间取[p ，b ]中．将新的有根区间记为 [a 1，b 1]，对该区间不断重复上述步骤，即可得到方程的近似根． 5. 实验环境操作系统：Windows xp ； 程序设计语言：Matlab 6. 实验过程用宏定义函数f (x )；为了循环方便，得到的新的有根区间始终用[a ，b ]表示；由于新的有根区间可能仍以a 为左端点，这样会反复使用函数值f (a )，为减少运算次数，将这个函数值保存在一个变量fa 中；同样在判断新的有根区间时用到函数值f (p )，若新的有根区间以p 为左端点，则下一次用到的f (a )实际上就是现在的f (p )，为减少运算次数，将这个函数值保存在一个变量fp 中．算法的伪代码描述：Input ：区间端点a ，b ；精度要求（即误差限）ε；函数f （x ）；最大对分次数N Output ：近似解或失败信息7. 结果与分析8. 附录：程序清单说明: 源程序中带有数字的空行，对应着算法描述中的行号%**********************************************************%* 程序名：Bisection.m *%* 程序功能：使用二分法求解非线性方程. *%**********************************************************f=inline('x^3-x-1'); % 定义函数f(x)a=input('有根区间左端点: a=');b=input('右端点:b=');epsilon=input('误差限:epsilona=');N=input('最大对分次数: N=');1 % 对分次数计数器n置12 % 左端点的函数值给变量fafprintf('\n k p f(p) a(k) f(a(k))'); fprintf(' b(k) b-a\n');% 显示表头fprintf('%2d%36.6f%12.6f%12.6f%12.6f\n',0,a,fa,b,b-a);% 占2位其中0位小数显示步数0, 共12位其中小数6位显示各值3% while n≤ N 4 % 取区间中点p5% 求p 点函数值给变量fpfprintf('%2d%12.6f%12.6f',n,p,fp); % 输出迭代过程中的中点信息p 和f(p)6 % 如果f(p)=0或b-a 的一半小于误差限εfprintf('\n\n 近似解为:%f\n',p);% 则输出近似根p (7)return;% 并完毕程序 (7)89 % 计数器加110% 若f(a)与f(p)同号11% 则取右半区间为新的求根区间, 即a 取作p 12 % 保存新区间左端点的函数值 13% 否则14 % 左半区间为新的求根区间, 即b 取作p 15fprintf('%12.6f%12.6f%12.6f%12.6f\n',a,fa,b,b-a); %显示新区间端点与左端函数值、区间长度 16fprintf('\n\n 经过%d 次迭代后未达到精度要求.\n',N); % 输出错误信息(行17)《数值计算方法》实验2报告班级： 20##级####x 班 学号： 20##2409#### ： ##X 成绩：1. 实验名称实验2 非线性方程的迭代解法(之Aitken-Steffensen 加速法) 2. 实验题目用Aitken-Steffensen 加速法求方程010423=-+x x 在区间[1,2]的一个实根，取绝对误差限为410-．3. 实验目的熟悉求解非线性方程的Aitken-Steffensen 加速法． 4. 基础理论将方程0)(=x f 改写成等价形式)(x x ϕ=，得到从初值0x 开始的迭代公式)(1k k x x ϕ=+后，基于迭代公式)(1k k x x ϕ=+的Aitken-Steffensen 加速法是通过“迭代-再迭代-加速”完成迭代的，具体过程为kk k k k k k k k k k x y z z y x x y z x y +---===+2)(),(),(21ϕϕ． 5. 实验环境操作系统：Windows xp ； 程序设计语言：Matlab 6. 实验过程为了验证Aitken-Steffensen 加速法可以把一些不收敛的迭代加速成迭代收敛，我们使用将方程组变形为31021x x -=，取迭代函数31021)(x x -=ϕ，并利用宏定义出迭代函数．由于不用保存迭代过程，所以用x0表示初值同时也存放前一步迭代的值，y 和z 是迭代过程中产生的y k 和z k ，x 存放新迭代的结果．算法的伪代码描述：Input ：初值x 0；精度要求（即误差限）ε；迭代函数φ（x ）；最大迭代次数N7. 结果与分析8. 附录：程序清单%************************************************************* %* 程 序 名：Aitken_Steffensen.m * %* 程序功能：用Aitken-Steffensen 加速法求方程. * %************************************************************* clc;clear all;phi=inline('0.5 * sqrt( 10 - x^3)'); % 迭代函数x0=input('初值: x0 = ');epsilon=input('误差限: epsilon='); N=input('最大迭代次数: N=');disp(' n 迭代中间值y(n-1) 再迭代结构z(n-1) 加速后的近似值x(n)'); fprintf('%2d%54.6f\n',0,x0);% 占2位整数显示步数0, 为了对齐, 占54位小数6位显示x01 % n 是计数器2 % while n<=Ny= 3 ; % 迭代 z= 3 ; % 再迭代 x= 3 ; % 加速% x0初值与前一步的近似值, y 和z 是中间变量, x 是下一步的近似值fprintf('%2d%18.6f%18.6f%18.6f\n',n,y,z,x);%显示中间值和迭代近似值6 % 如果与上一步近似解差的绝对值不超过误差限 fprintf('\n\n 近似解 x≈x(%d)≈%f \n',n,x);% 则输出近似根 (7)， 可简略为: fprintf('\n\n 近似解 x=%f',x); return; % 并完毕程序(7) 8 % 相当于endif9 % 计数器加110 % 新近似值x 作为下一次迭代的初值 11fprintf('\n 迭代%d 次还不满足误差要求.\n\n',N); %输出错误信息(12)《数值计算方法》实验2报告班级： 20##级####x 班 学号： 20##2409#### ： ##X 成绩：1. 实验名称实验2 非线性方程的迭代解法（之Newton 下山法） 2. 实验题目用Newton 下山法求方程010423=-+x x 在区间[1,2]的一个实根，取绝对误差限为410-．3. 实验目的熟悉非线性方程的Newton 下山法． 4. 基础理论Newton 下山法：Newton 下山法公式为)(')(1k k kk k x f x f x x λ-=+，使|)(||)(|1k k x f x f <+，其中10≤<k λ．5. 实验环境操作系统：Windows xp ； 程序设计语言：Matlab 6. 实验过程定义函数f(x)和df(x)，其中df(x)是f(x)的导函数．每步迭代时先取下山因子为1，尝试迭代，判断尝试结果是否满足下山因子，若满足则作为这步的迭代结果；否则将下山因子减半，然后再尝试．为防止当前的x k 是极小值点，附近不会有满足下述条件的其它点，使尝试陷入死循环，同时计算机中能表示出的浮点数也有下界，因此我们设置了最大尝试次数．当超过最大尝试次数时，不再进行下山尝试．由于反复尝试迭代且要判断下山条件，所以f (x 0)和f ‘(x 0)会反复使用，为避免重复计算浪费运行时间，将这两个值分别保存在变量fx0和dfx0．而尝试产生的节点，判断下山条件时要用到它的函数值，若尝试成功，这个点会作为下一步的初值再使用，所以把该点的函数值也保存在变量fx 中．算法的伪代码描述：Input ：初值x 0；精度要求（即误差限）ε；函数与其导函数f （x ）和f’(x)；最大迭代次数N ；K 下山尝试最大次数Output ：近似解或失败信息7. 结果与分析8. 附录：程序清单%*************************************************************%* 程序名：NewtonDownhill.m *%* 程序功能：用Newton下山法求解非线性方程. *%*************************************************************clc;clear all;f=inline('x^3-x-1'); % 函数f(x)df=inline('3*x^2-1'); % 函数f(x)的导函数x0=input('初值: x0 = ');epsilon=input('误差限: epsilon=');N=input('最大迭代次数: N=');K=input('最大下山尝试次数: K=');1 % 迭代次数计数器2 % 存x0点函数值fprintf('\n\n n x(n) f(x(n))\n'); % 显示表头fprintf('%2d%14.6f%14.6f\n',0,x0,fx0); % 2位整数显示0, 共14位小数6位显示x0和fx03 % while n≤ Ndisp(''); % 换行显示下山尝试过程的表头disp(' 下山因子尝试x(n) 对应f(x(n)) 满足下山条件');disp('');4 % 存x0点导数值, 每次下山尝试不用重新计算ifdfx0==0 % 导数为0不能迭代disp(‘无法进行Newton迭代’);return;endlambda=1.0; % 下山因子从1开始尝试k=1; % k下山尝试次数计数器while k<=K % 下山最多尝试K次% 下山公式fx=f(x); % 函数值fprintf('%22.6f%14.6f%14.6f',lambda,x,fx); % 显示尝试结果if (abs(fx)<abs(fx0)) % 判断是否满足下山条件fprintf(' 满足\n');break; % 是, 则退出下山尝试的循环elsefprintf(' 不满足\n');endlambda=lambda/2; % 不是, 则下山因子减半k=k+1; % 计数器加1endif k>Kfprintf('\n 下山条件无法满足, 迭代失败.\n\n');return;endfprintf('%2d%14.6f%14.6f\n',n,x,fx);% 2位整数显示步数n, 共14位小数6位显示下步迭代结果22 % 达到精度要求否fprintf('\n\n 方程的近似解为: x≈%f\n\n',x); % (23)return; % 达到, 则显示结果并完毕程序(23) end % (24)% 用x0,fx0存放前一步的近似值和它的函数值, 进行循环迭代25262728fprintf('\n 迭代%d次还不满足误差要求.\n\n',N);《数值计算方法》实验2报告班级： 20##级####x 班 学号： 20##2409#### ： ##X 成绩：1. 实验名称实验2 非线性方程的迭代解法（之弦截法） 2. 实验题目用弦截法求方程010423=-+x x 在区间[1,2]的一个实根，取绝对误差限为410-． 3. 实验目的熟悉非线性方程的弦截法． 4. 基础理论将Newton 迭代法中的导数用差商代替，得到弦截法(或叫正割法)公式)()()(111k k k k k k k x f x f x f x x x x --+---=．5. 实验环境操作系统：Windows xp ； 程序设计语言：Matlab 6. 实验过程不保存迭代过程，所以始终以x 0和x 1分别存放x k -1和x k ，而x 存放新产生的迭代值x k +1，这样，下一次迭代时需要把上一步的x 1（即x k ）赋值于x 0（做新的x k -1）．这些点的函数值会重复用到，在迭代公式中也要用到，上一步的x 1作为下一步的x 0也会再一次用它的函数值，为减少重新计算该点函数值的运行时间，将x 1点的函数值保存在变量fx1中．算法的伪代码描述：Input ：初值x 0，x 1；精度要求（即误差限）ε；函数f （x ）；最大迭代次数N7. 结果与分析8. 附录：程序清单%*************************************************************%* 程序名：SecantMethod.m *%* 程序功能：用弦截法求解非线性方程. *%*************************************************************clc;clear all;f=inline('2*x^3-5*x-1'); % 函数f(x)x0=input('第一初值: x0 = ');x1=input('第二初值: x1 = ');epsilon=input('误差限: epsilon=');N=input('最大迭代次数: N=');fprintf('\n n x(n)\n'); % 显示表头fprintf('%2d%14.6f\n', 0, x0); % 占2位显示步数0, 共14位其中小数6位显示x0fprintf('%2d%14.6f\n', 1, x1); % 占2位显示步数1, 共14位其中小数6位显示x11 % 存x0点函数值2 % 存x1点函数值3 % 迭代计数器4 % while n≤ N% 弦截法公式fprintf('%2d%14.6f\n', n, x); %显示迭代过程6 % 达到精度要求否fprintf('\n\n 方程的近似解为: x≈%f\n\n', x);return; % 达到, 则显示结果并完毕程序89 % 原x1做x0为前两步的近似值10 % 现x做x1为一两步的近似值11 % x0点函数值12 % 计算x1点函数值, 为下一次循环13 % 计数器加1 14fprintf('\n 迭代%d 次还不满足误差要求.\n\n',N);《数值计算方法》实验3报告班级： 20##级####x 班 学号： 20##2409#### ： ##X 成绩：1. 实验名称实验3 解线性方程组的直接法(之Gauss 消去法) 2. 实验题目用Gauss 消去法求解线性方程组⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎭⎫ ⎝⎛⎪⎪⎪⎭⎫ ⎝⎛--000.3000.2000.1643.5072.1000.2623.4712.3000.1000.3000.2001.0321x x x ． 3. 实验目的掌握解线性方程组的Gauss 消去法． 4. 基础理论Gauss 消去法是通过对增广矩阵的初等行变换，将方程组变成上三角方程组，然后通过回代，从后到前依次求出各未知数．Gauss 消去法的第k 步(1≤k≤n -1)消元：若0≠kk a ，则依次将增广矩阵第k 行的kk ik a a /-倍加到第i 行（k+1≤i≤n），将第k 列对角线下的元素都化成0．5. 实验环境操作系统：Windows xp ； 程序设计语言：Matlab 6. 实验过程7. 结果与分析8. 附录：程序清单《数值计算方法》实验3报告班级： 20##级####x 班 学号： 20##2409#### ： ##X 成绩：1. 实验名称实验3 解线性方程组的直接法(之Gauss 列主元消去法) 2. 实验题目用Gauss 列主元消去法求解线性方程组⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎭⎫ ⎝⎛⎪⎪⎪⎭⎫ ⎝⎛--000.3000.2000.1643.5072.1000.2623.4712.3000.1000.3000.2001.0321x x x ． 3. 实验目的掌握解线性方程组的Gauss 列主元消去法． 4. 基础理论Gauss 列主元消去法也是通过对增广矩阵的初等行变换，将方程组变成上三角方程组，然后通过回代，从后到前依次求出各未知数．Gauss 列主元消去法的第k 步(1≤k≤n -1)消元：先在nk k k kk a a a ,,,,1 +中找绝对值最大的，将它所在的行与第k 行交换，然后将第k 行的kk ik a a /-倍加到第i 行（k+1≤i≤n），将第k 列对角线下的元素都化成0． 5. 实验环境操作系统：Windows xp ； 程序设计语言：Matlab 6. 实验过程7. 结果与分析8. 附录：程序清单《数值计算方法》实验3报告班级： 20##级####x 班 学号： 20##2409#### ： ##X 成绩：1. 实验名称实验3 解线性方程组的直接法(之Doolittle 分解) 2. 实验题目对矩阵A 进行Doolittle 分解，其中⎪⎪⎪⎪⎪⎭⎫⎝⎛----=3101141101421126A ．3. 实验目的掌握矩阵的Doolittle 分解． 4. 基础理论矩阵的Doolittle 分解是指将矩阵n n ij a A ⨯=)(可以分解为一个单位下三角矩阵和一个上三角矩阵的乘积．若设⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛=⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛=nn n n n n n n u u u u u u u u u u U l l ll l l L000000,1010010001333223221131211321323121则可依如下顺序公式计算⎪⎪⎩⎪⎪⎨⎧++=-=+=-=∑∑-=-=1111,,2,1,/)(,,1,,k t kk tk it ik ik k r rj kr kj kj nk k i u u l a l nk k j u l a u其中k = 1，2，…，n ．5. 实验环境操作系统：Windows xp ； 程序设计语言：Matlab 6. 实验过程（1）按计算公式依次计算一行u 同时计算一列l ；（2）因为计算完u ij （或l ij ）后，a ij 就不再使用，为节省存储空间，将计算的u ij （和l ij ）仍存放在矩阵A 中的相应位置；（3）使用L 矩阵和U 矩阵时需要根据元素所在位置取固定值或A 中相应位置的值．L 对角线上的元素为1，上三角部分为0，下三角部分为A 中对应的元素；U 的下三角部分为0，上三角部分为A 中对应的元素．算法的伪代码描述： Input ：阶数n ；矩阵A7. 结果与分析8. 附录：程序清单%****************************************************% 程序名: Doolittle.m *% 程序功能: 矩阵LU分解中的Doolittle分解. *%****************************************************clc;clear all;n=4; % 矩阵阶数A=[6 2 1 -1;2 4 1 0; 1 1 4 -1; -1 0 -1 3]disp('A=');disp(A);% LU分解(Doolittle分解)for k=1:n% 计算矩阵U的元素u_{kj}% (可参照下面l_{ik}的公式填写)% 计算矩阵L的元素l_{ik}% L 在A 下三角, U 在上三角(对角线为1) enddisp('分解结果：'); disp('L='); for i=1:n for j=1:nif i>j % 在下三角部分, 则取A 对于的元素显示 fprintf(' %8.4f',A(i,j));elseif i==j % 在对角线上, 则显示1 fprintf(' %8d',1);else % 在上三角部分, 则显示0 fprintf(' %8d',0); end endfprintf('\n'); % 换行 enddisp('U='); for i=1:n for j=1:nif i<=j % 在上三角部分或对角线上, 则取A 对于的元素显示 fprintf(' %8.4f',A(i,j));else % 在下三角部分, 则显示0 fprintf(' %8d',0); end endfprintf('\n'); % 换行 end《数值计算方法》实验3报告班级： 20##级####x 班 学号： 20##2409#### ： ##X 成绩：1. 实验名称实验3 解线性方程组的直接法(之LU 分解法) 2. 实验题目用LU 分解(Doolittle 分解)法求解线性方程组⎪⎩⎪⎨⎧=++=++=++104615631552162321321321x x x x x x x x x 3. 实验目的熟悉解线性方程组LU 分解法．4. 基础理论若将矩阵A 进行了Doolittle 分解，A = LU ，则解方程组b x A=可以分解求解两个三角方程组b y L=和y x U =．它们都可直接代入求解，其中b y L=的代入公式为∑-==-=11,,2,1,k j j kj k k n k y l b y而y x U=的代入公式为∑+=-=-=nk j kk j kjk k n n k u x uy x 11,,1,,/)( ．5. 实验环境操作系统：Windows xp ； 程序设计语言：Matlab 6. 实验过程（1）Doolittle 分解过程依次计算一行u 同时计算一列l 完成，并将计算的u ij （和l ij ）仍存放在矩阵A 中的相应位置；（2）求解方程组的代入公式中用到的u ij 和l ij 都直接在A 的相应位置取值即可． 算法的伪代码描述：Input ：阶数n ；矩阵A ；常数项向量b7. 结果与分析8. 附录：程序清单%**************************************************** % 程序名: LinearSystemByLU.m *% 程序功能: 利用LU分解(Doolittle分解)解方程组. *%****************************************************clc;clear all;n=3; % 矩阵阶数A=[1 2 6; 2 5 15; 6 15 46];b=[1;3;10];% LU分解(Doolittle分解)for k=1:n% 计算矩阵U的元素u_{kj}% (可参照下面l_{ik}的公式填写)% 计算矩阵L的元素l_{ik}% L在A下三角, U在上三角(对角线为1) endfor k=1:n % 用代入法求解下三角方程组Ly=by(k)=b(k);3 %∑-==-=11,,2,1,kjj kjk knkylby33enddisp('方程组Ly=b的解：y=');disp(y');for k=n:-1:1 % 回代求解上三角方程组Ux=y x(k)=y(k);6 %∑+=-=-=nkjj kjk knnkxuyx11,,1,,666 enddisp('原方程组的解：x='); disp(x');《数值计算方法》实验3报告班级： 20##级####x 班 学号： 20##2409#### ： ##X成绩：1. 实验名称实验3 解线性方程组的直接法(之Cholesky 分解) 2. 实验题目对矩阵A 进行Cholesky 分解，其中⎪⎪⎪⎪⎪⎭⎫⎝⎛----=3101141101421126A ． 3. 实验目的理解矩阵的Cholesky 分解． 4. 基础理论矩阵的Cholesky 分解是指将矩阵n n ij a A ⨯=)(可以分解为一个下三角矩阵L 和L 转置的乘积，即A =LL T，其中L 各元素可依如下顺序公式计算⎪⎪⎩⎪⎪⎨⎧++=-=-=∑∑-=-=11112,,2,1,/)(k t kktk it ik ik k r kr kk kk nk k i l l l a l l a l其中k = 1，2，…，n ．5. 实验环境操作系统：Windows xp ； 程序设计语言：VC++ 6. 实验过程（1）按计算公式依次先计算一列对角线上的元素l kk ，再计算这列其他元素l ik ，且对称位置的元素也取同一个值；（2）因为计算完l ij 后，a ij 就不再使用，为节省存储空间，将计算的l ij 仍存放在矩阵A 中的相应位置；（3）使用L 矩阵时需要根据元素所在位置取固定值或A 中相应位置的值．L 上三角部分为0，对角线和下三角部分为A 中对应的元素．算法的伪代码描述：Input ：阶数n ；矩阵AOutput ：矩阵L (合并存储在数组A 中)行号 伪代码注释1 for k ← 1 to n2∑-=-=112k r krkk kk l a l3 for i ← k to n4 ∑-=-=11/)(k t kk tk it ik ik l l l a l计算结果存放在a ij5 endfor6 endfor7return L输出L7. 结果与分析8. 附录：程序清单%************************************************************* %* 程 序 名：Cholesky.m * %* 程序功能：对称正定矩阵的Cholesky 分解. * %*************************************************************n=4; % 矩阵阶数 A=[6,2,1,-1; 2,4,1,0; 1,1,4,-1; -1,0,-1,3];disp('A ='); for i=1:n for j=1:nfprintf('%10.4f',A(i,j)); % 共占14位endfprintf('\n');% 一行完毕换行end% Cholesky 分解 for k=1:n % 计算对角线上的l _{kk}% 计算其他的l _{ik} % 和l _{ki}end % L 在A 下三角, L^T 在上三角disp('分解结果：'); disp('L='); for i=1:n for j=1:n if i>=j % 在下三角部分或对角线上, 则取A 对于的元素显示fprintf('%10.4f',A(i,j));else % 在上三角部分, 则显示0 fprintf('%10d',0); end endfprintf('\n'); % 换行 end《数值计算方法》实验3报告班级： 20##级####x 班 学号： 20##2409#### ： ##X成绩：1. 实验名称实验3 解线性方程组的直接法(之改进的Cholesky 分解) 2. 实验题目对矩阵A 进行改进的Cholesky 分解，其中⎪⎪⎪⎪⎪⎭⎫⎝⎛----=3101141101421126A ．3. 实验目的理解矩阵改进的Cholesky 分解． 4. 基础理论矩阵的改进的Cholesky 分解是指将矩阵n n ij a A ⨯=)(可以分解为一个单位下三角矩阵L 和对角矩阵D 与L 转置的乘积，即A =LDL T，其中L 和D 各元素可依如下顺序公式计算⎪⎪⎩⎪⎪⎨⎧++=-=-=∑∑-=-=11112,,2,1,/)(k t k kt it t ik ik k r kr r kk k nk k i d l l d a l l d a d其中k = 1，2，…，n ．5. 实验环境操作系统：Windows xp ； 程序设计语言：VC++ 6. 实验过程（1）按计算公式依次先计算D 的一个元素d k ，再计算L 中这列的元素l ik ，且对称位置的元素也取同一个值；（2）因为计算完d k 和l ij 后，a kk 或a ij 就不再使用，为节省存储空间，将计算的a kk 或l ij 仍存放在矩阵A 中的相应位置；（3）使用L 矩阵时需要根据元素所在位置取固定值或A 中相应位置的值．L 对角线和上三角部分为0，下三角部分为A 中对应的元素；D 对角线为A 中对应的元素，其余都是0．算法的伪代码描述： Input ：阶数n ；矩阵AOutput ：矩阵L (合并存储在数组A 中)7. 结果与分析8. 附录：程序清单%************************************************************* %* 程 序 名：ImprovedCholesky.m * %* 程序功能：对称正定矩阵的改进的Cholesky 分解. * %*************************************************************n=4; % 矩阵阶数A=[6,2,1,-1; 2,4,1,0; 1,1,4,-1; -1,0,-1,3];disp('A =');for i=1:nfor j=1:nfprintf('%10.4f',A(i,j)); % 共占14位endfprintf('\n'); % 一行完毕换行end% Cholesky分解for k=1:n% 计算D对角线上的u_{kk}% 计算L的元素l_{ik}% 和L转置的元素l_{ki} end % L在A下三角, D在对角线disp('分解结果：');disp('L=');for i=1:nfor j=1:nif i>j % 在下三角部分, 则取A对于的元素显示fprintf('%10.4f',A(i,j));elseif i==j % 在对角线上, 则显示1fprintf('%10d',1);else % 在上三角部分, 则显示0fprintf('%10d',0);endendfprintf('\n'); % 换行enddisp('D='); for i=1:n for j=1:n if i==j % 在对角线上, 则取A 对于的元素显示fprintf('%10.4f',A(i,j));else % 其余显示0fprintf('%10d',0); end endfprintf('\n'); % 换行 end《数值计算方法》实验3报告班级： 20##级####x 班 学号： 20##2409#### ： ##X 成绩：1. 实验名称实验3 解线性方程组的直接法(之追赶法) 2. 实验题目用追赶法求解线性方程组⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎪⎪⎭⎫ ⎝⎛⎪⎪⎪⎪⎪⎭⎫ ⎝⎛-----101053001210023100124321x x x x 3. 实验目的熟悉解线性方程组的追赶法． 4. 基础理论对于系数矩阵为三对角矩阵的方程组，其Crout 分解可分解为⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛=⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛=------11111211122111122211n n nn n n nn n n t t t s a s a s a s b a c b a c b a c b A这样，解方程组可以由如下2步完成：“追”：,,,3,2,/)(,,/,/,1111111111n i s y a f y t a b s s c t s f y b s i i i i i i i i i i i i =-=-====-----其中：Tn f f ),,(1 为方程组的常数项，n t 没用；“赶”：.1,,2,1,,1 --=-==+n n i x t y x y x i i i i n n5. 实验环境操作系统：Windows xp ； 程序设计语言：Matlab 6. 实验过程在“追”的过程中，向量s 和y 都有n 个元素，t 只有n -1个元素，又1s 和1y 的计算公式与其它i s 和i y 不同，所以先单独计算1s 和1y ，然后在一个n -1次循环中，求其它i s 和i y 以与i t ．由于在“追”的过程中，i b ，i c 和i f 在分别计算完对应的i s ，i t 和i y 后就不再使用，所以借用数组b ，c 和f 存储向量s ，t 和y ；同样在“赶”的过程中，i y 在计算完对应的i x 后就不再使用，所以再一次借用数组f 存储向量x ．追赶法算法的伪代码描述：Input ：阶数n ；三对角矩阵的三条对角线向量a ，b ，c ，常数项向量f Output ：方程组的解x改进的追赶法算法的伪代码描述：Input ：阶数n ；三对角矩阵的三条对角线向量a ，b ，c ，常数项向量f Output ：方程组的解x7. 结果与分析8. 附录：程序清单%*************************************************************%* 程序名：ChaseAfter.m *%* 程序功能：用追赶法求解三对角线性方程组. *%*************************************************************clc;clear all;n=4;a=[0,-1,-1,-3];b=[2, 3, 2, 5];c=[-1, -2, -1, 0];f=[0, 1, 0, 1];% "追"s(1) = b(1);y(1) = f(1); % 先单独求s_1和y_1 for k = 1 : n-1% 再求t_i(i=1,2,…,n-1)% s_i(i=2,3,…,n)% y_i(i=2,3,…,n)end% "赶"x(n) = y(n); % 先单独求x_nfor k = n-1 : -1 : 1% 再求x_i(i=n-1,n-2, (1)endx=x' % 输出解向量-------------------------------------------------------------------------------------------------------------------改进的程序:%*************************************************************%* 程序名：ChaseAfter.m *%* 程序功能：用追赶法求解三对角线性方程组. *%*************************************************************clc;clear all;n=4;a=[0,-1,-1,-3];b=[2, 3, 2, 5];c=[-1, -2, -1, 0];f=[0, 1, 0, 1];% "追"% b(1)=b(1); % s_1仍在b_1中，不用重新计算y(1)=f(1)/b(1); % 先单独y_1for k=1:n-1% 再求t_i(i=1,2,…,n-1)% s_i(i=2,3,…,n)% y_i(i=2,3,…,n)end% "赶"% f(n)=f(n); % x_n等于y_n仍在f_n中for k=n-1:-1:1% 再求x_i(i=n-1,n-2, (1)endx=f' % 输出解向量《数值计算方法》实验4报告班级：20##级####x班学号：20##2409####：##X 成绩：1. 实验名称实验4 解线性方程组的迭代法(之Jacobi迭代)2. 实验题目用Jacobi迭代法求解线性方程组1231231232251223x x x x x x x x x +-=⎧⎪++=⎪⎨++=⎪⎪⎩任取3. 实验目的掌握解线性方程组的Jacobi 迭代法． 4. 基础理论将第i （n i ≤≤1）个方程i n in i i b x a x a x a =+++ 2211移项后得到等价方程ii n in i i i i i i i i i a x a x a x a x a b x /)(11,11,11------=++--便可构造出Jacobi 迭代公式,1,0,/)()()(11,)(11,)(11)1(=------=++--+k a x a x a x a x a b x ii k n in k i i i k i i i k i i k i ． 5. 实验环境操作系统：Windows xp ； 程序设计语言：Matlab 6. 实验过程7. 结果与分析8. 附录：程序清单《数值计算方法》实验4报告班级： 20##级####x 班 学号： 20##2409#### ： ##X 成绩：1. 实验名称实验4 解线性方程组的迭代法(之Gauss-Seidel 迭代) 2. 实验题目用Gauss-Seidel 迭代法求解线性方程组。
利用Matlab进行精确数值计算的技术方法
利用Matlab进行精确数值计算的技术方法引言随着科技的不断发展，精确数值计算在各个领域的应用越来越广泛。
而Matlab 作为一款功能强大的数值计算软件，被广泛应用于科学研究、工程设计等领域。
本文旨在介绍利用Matlab进行精确数值计算的技术方法，包括符号计算、精确数值解、误差分析等方面。
一、符号计算符号计算是指利用数学符号进行计算和推导的方法。
Matlab提供了一系列的符号计算函数，如syms、solve等，可以在计算中保留符号的精确性。
首先，需要在Matlab中定义符号变量，可以使用syms函数。
例如，定义一个符号变量x，可以写作syms x。
然后，可以使用符号变量进行计算和推导。
例如，可以使用solve函数求解方程组，利用subs函数进行代入计算等等。
符号计算在精确数值计算中具有重要意义。
它不仅可以对数学表达式进行精确求解，还可以补充数值计算的不足之处，提高计算结果的准确度。
二、精确数值解除了符号计算，Matlab还提供了精确数值解的方法。
通过使用高精度计算库或者自定义函数，可以在Matlab中进行精确数值计算。
高精度计算库可以提供更高精度的计算结果。
在Matlab中，可以通过安装并调用高精度计算库，如Symbolic Math Toolbox等，实现高精度计算。
另外，也可以通过自定义函数的方式，实现精确数值计算。
例如，可以使用矩阵乘法、多项式插值、数值积分等方法，提高计算结果的准确性。
Matlab提供了很多数值计算函数，如matmul、interp1、integral等，可以用于精确数值计算的实现。
精确数值解方法的优势在于可以在保持数值计算效率的同时，提高计算结果的精度。
通过合理选择计算方法，并结合算法优化，可以有效解决数值计算中的精度问题。
三、误差分析在精确数值计算中，误差是不可避免的。
误差分析是对计算误差进行定量分析和控制的过程。
Matlab提供了一系列的误差分析函数，如fplot、plot等，可以用于误差分析的可视化展示。
Matlab中的数值计算实践技巧
Matlab中的数值计算实践技巧在数学和工程领域中，Matlab是一种广泛使用的数值计算软件。
它的灵活性和功能强大使得它成为许多科学家和工程师的首选工具。
然而，在实践中，由于Matlab提供了许多不同的功能和技术，有时候我们可能会在使用时遇到一些问题。
本文将介绍一些在Matlab中的数值计算实践中经常遇到的技巧和解决方案。
第一部分：数值计算的基础在开始介绍一些高级技巧之前，我们首先需要了解一些数值计算的基础知识。
数值计算是利用数值方法来近似解决数学问题的过程。
在Matlab中，我们可以使用一些内置的函数来执行一些基本的数值计算操作，比如加减乘除和求幂等。
另外，Matlab还提供了一些常用的数学函数，例如三角函数、指数函数和对数函数等。
这些函数在数值计算中非常重要，我们可以利用它们来进行各种复杂的计算。
第二部分：数值计算的优化技巧在进行复杂的数值计算时，性能往往是一个关键因素。
为了提高计算效率，我们可以采用一些优化技巧。
其中一个常用的技巧是向量化运算。
在Matlab中，向量化运算可以显著减少循环的数量，从而提高计算速度。
例如，如果我们需要对一个向量中的每个元素进行运算，我们可以使用向量化的方式，而不是使用循环来逐个处理。
另外一个常见的优化技巧是矩阵分解。
许多数值计算问题可以转化为矩阵分解的形式，例如线性方程组的求解和特征值问题的求解。
在Matlab中，我们可以使用一些内置的函数来实现这些分解，并且这些函数通常会采用一些高效的算法来提高计算速度。
第三部分：数值计算的问题与解决方案在进行数值计算时，我们可能会遇到一些问题。
在这一部分，我们将介绍一些常见的问题，并给出一些解决方案。
第一个问题是数值不稳定性。
由于计算机的有限精度，有些计算可能会引入一些误差。
当计算过程中的误差累积到一定程度时，可能会导致结果的不稳定性。
为了解决这个问题，我们可以使用一些数值稳定性较好的算法，或者对问题进行一些转化来避免误差的累积。
如何在MATLAB中进行数值计算
如何在MATLAB中进行数值计算MATLAB是一种用于数值计算和科学计算的程序设计语言和环境。
它提供了各种函数和工具箱，用于处理数值计算问题，包括线性代数、数值积分、数值微分、常微分方程求解、优化、插值等。
下面将介绍如何在MATLAB中进行数值计算的基本步骤和常用函数。
首先，启动MATLAB软件，创建一个新的脚本文件（.m文件），用于编写和保存MATLAB代码。
1.数值计算基础在MATLAB中进行数值计算的基本单位是矩阵和向量。
可以使用MATLAB提供的各种函数来创建和操作矩阵和向量。
例如，可以使用"zeros"函数创建一个全零的矩阵，使用"ones"函数创建一个全一的矩阵，使用"rand"函数生成一个随机矩阵。
2.线性代数计算MATLAB提供了丰富的线性代数函数，用于处理线性方程组、矩阵运算和特征值计算等问题。
例如，可以使用"inv"函数计算矩阵的逆，使用"det"函数计算矩阵的行列式，使用"eig"函数计算矩阵的特征值和特征向量。
3.数值积分MATLAB提供了多种数值积分方法，用于计算函数的定积分。
可以使用"quad"函数进行一维数值积分，使用"quad2d"函数进行二维数值积分，使用"quad3d"函数进行三维数值积分。
4.数值微分MATLAB提供了多种数值微分方法，用于计算函数的导数和偏导数。
可以使用"diff"函数计算函数的导数，使用"gradient"函数计算函数的梯度，使用"hessian"函数计算函数的Hessian矩阵。
5.常微分方程求解MATLAB提供了多种数值方法，用于求解常微分方程组。
可以使用"ode45"函数求解一阶常微分方程，使用"ode15s"函数求解刚性常微分方程。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Matlab关于数值计算的实现摘要：数值计算（numerical computation computation），主要研究更好的利用计算机更好的进行数值计算，解决各种数学问题。
数值分析包括离散傅里叶变换，考虑截断误差，计算误差，函数的敛散性与稳定性等。
在数学方面，数值计算的主要研究数值微分与积分，数据的处理与多项式计算，最优化问题，线性方程与非线性方程的求解，常微分方程的数值求解等。
同时，数值计算在物理，化学，经济等方面也有研究，本文暂且不表。
M atlab软件历经二十多年来的发展，已成为风靡世界的数学三大软件（matlb，Mathematica l，Maple）之一，在数学类科技应用软件中在数值计算方面首屈一指。
Matlab以矩阵为数据操作的基本单位，使得矩阵运算十分便捷快速，同时Matlab还提供了海量的计算函数，而且使用可靠地算法进行计算，能使用户在繁复的数学运算中解脱，Matlab还具有方便且完善的图形处理功能，方便绘制二维和三维图形并修饰。
目录1.数值分析(离散傅里叶变换，考虑截断误差，计算误差，函数的敛散性与稳定性)2.数值计算(数值微分与积分，数据的处理与多项式计算，最优化问题，线性方程与非线性方程的求解，常微分方程的数值求解)3.图形处理功能(方便绘制二维和三维图形并修饰)4.总结1.数据统计与分析Matlab 可以进行求矩阵的最大最小元素，平均值与中值，关于矩阵元素的求和与求积，累加和与累乘积，标准方程，相关系数，元素排序。
现在以求标准方差举例说明Matlab 的实现。
在Matlab 中，实现标准方差计算的函数为std 。
对于向量(Y ），std （Y ）实现返回一个标准方差，而对于矩阵（A ），std （A ）返回一个行向量，该行向量的每个元素对应着矩阵A 各行或各列的标准方差。
一般调用std 函数的格式为std （A ，flag ，dim ）Dim 取1或者2分别对应求各列或各行的标准方差，flag 取1时，按照标准方差的计算公式∑-=-=Ni x x S i N 121)(11来计算。
若flag 取2，则用公式∑-==Ni x x S i N122)(1进行计算。
默认的flag 取值为0，dim 取值为1。
课本page1432. 离散傅里叶变换离散傅里叶变换广泛应用于信号的分析，光谱和声谱分析、全息技术等各个领域。
但直接计算dft 的运算量与变化的长度N 的平方成正比，当N 较大时，计算量太大。
随着计算机技术的迅速发展，在计算机上进行离散傅里叶变换计算成为可能。
特别是快速傅里叶变换算法的出现，为傅里叶变换的应创造了条件。
（1）：傅里叶变换算法的简述。
傅立叶变换是一种分析信号的方法，它可分析信号的成分，也可用这些成分合成信号。
许多波形可作为信号的成分，比如正弦波、方波、锯齿波等，傅立叶变换用正弦波作为信号的成分. f(t)是t 的周期函数，如果t 满足狄里赫莱条件：在一个以2T为周期内f(X)连续或只有有限个第一类间断点，附f （x ）单调或可划分成有限个单调区间，则F （x ）以2T 为周期的傅里叶级数收敛，和函数S （x ）也是以2T 为周期的周期函数，且在这些间断点上，函数是有限值；在一个周期内具有有限个极值点；绝对可积。
则有下图①式成立。
称为积分运算f(t)的傅立叶变换，②式的积分运算叫做F(ω)的傅立叶逆变换。
F(ω)叫做f(t)的像函数，f(t)叫做F(ω)的像原函数。
F(ω)是f(t)的像。
f(t)是F(ω)原像。
①傅立叶变换②傅立叶逆变换(2)离散傅里叶变化的实现Matlab提供了对向量或对矩阵进行离散傅里叶变换的函数.1. g(x):返回向量的离散傅里叶变换.设晓得长度为n，若为2的幂次，则为以2为基数快速傅里叶变换，否则为运算速度很慢的非2次幂次的算法。
对于矩阵x，个g（x）应用于矩阵每一列。
2.g（x，n）计算n点离散傅里叶变化。
限定向量的长度为n，若x的长度小于n，则不足部分不上0；若大于n，则删去超出的那些元素。
对于矩阵X，它同样应用于矩阵的每一列，只是限定了向量长度为n3.g（x，[],dim）:这是对于矩阵而言的函数调用格式，，前者的功能与g（x）基本相同，而后者则与g（x，n）基本相同。
只是当参数dim=1时，改函数作用于x的每一列；当dim=2时，则作用x的每一行。
值得一提的是，当一只给出的样本数n0是2的幂次时，可以取一个n使他大于n0且是2的幂次，然后利用函数格式g（x，n）进行快速的傅里叶变换。
是七速度大大的提升。
例如：给定函数：g（t）=12sin(2pi*10t+pi\4)+5cos(2pi*40t)取N=100，试从x为0-1采样，绘制相应的振幅-频率图。
程序如下：N=100 采样点数T=1; % 采样时间终点t=linspace(0,T,N);% 给出N个采样时间ti(I=1:N)x=12*sin(2*pi*10*t+pi/4)+5*cos(2*pi*40*t);% 求各采样点样本值xdt=t(2)-t(1);% 采样周期f=1/dt;% 采样频率(Hz)X=fft(x); % 计算x的快速傅立叶变换XF=X(1:N/2+1); % F(k)=X(k)(k=1:N/2+1)f=f*(0:N/2)/N; % 使频率轴f从零开始plot(f,abs(F),'-*') % 绘制振幅-频率图xlabel('Frequency');ylabel('|F(k)|');2.数值计算一、数值微分与积分Matlab数值积分MATLAB提供最简单的积分函数是梯形法trapz，我们先说明梯形法语法trapz(x,y)，其中x,y 分别代表数目相同的阵列或矩阵，而y与x的关系可以由是一函数型态（如y=sin(x)）或是不以函数描述的离散型态。
我们看一简单积分式以下为MA TLAB 的程式（and(1,101)产生101个均匀随机数,每个数都介于0-1之间）>> x=0:pi/100:pi;>> y=sin(x);>> k=trapz(x,y)k =1.9998clearx=sort(rand(1,101)*pi);y=sin(x);trapz(x,y)ans =1.99812.TLAB 另外提供二种积分函数，它们分别是辛普森法quad 和牛顿-康兹法quad8。
三种方法的精确度由低而高，分别为trapz, quad, quad8。
由于这二种方法依据的积分法不同于梯形法，因此它们的语法就和trapz 不同；其语法为quad('function',a,b) （quad8语法相同），其中function是一已定义函数的名称（如sin, cos, sqrt, log 等），而a, b是积分的下限和上限。
和trapz比较，quad, quad8不同之处在于这二者类似解析式的积分式，只须设定上下限及定义要积分的函数；而trapz则是针对离散点型态的数据做积分。
我们看一简单积分式以下为MATLAB 的程式>> a=0; b=0.5;>> kq=quad('sqrt',a,b)kq =0.2357>> kq8=quad8('sqrt',a,b)kq8 = 0.2357⎰--203521dx x xclearfun=inline('1./(x.^3-2*x-5)') ezplot(fun,[0,2])[q,n]=quad(fun,0,2) % [q,n] = quad(fun,a,b,⋯) %同时返回%函数计算的次数n q =-0.4605 n = 533.积分与三重积分⎰⎰+πππ2)]cos()sin([dxdyy x x yfun=inline('y*sin(x)+x*cos(y)') Q=dblquad(fun,pi,2*pi,0,pi) Q = -9.8698[x,y]=meshgrid(pi:.1:2*pi,0:.1:pi); z=fun(x,y); mesh(x,y,z)Matlab数值微分若有一函数f(x) 在x=a 的微分可表示为上述微分项在几何上的意义为在x=a 点的切线斜率. 下面介绍的差分表示式，数值差分即是用来求数值微分的方法。
差分表示法我们知道一微分项的计算，可以在二相邻点x+h 和x 间函数取下列极限求得若将原连续的空间以多个离散点取代。
则上述的极限以离散点的方式计算，即是以下的差分式(difference equation)上式被称为前向差分而高阶微分项可以利用低阶微分项来计算，举例来说一个二阶微分式可以表示为上述提及的后向差分式，在MA TLAB 有对应的diff 函数来计算二相邻点的差值，它的语法为diff(x)，其中x代表一组离散点。
假设有x, y(x)的数据为x=[1 3 5 7 9], y=[1 4 9 16 25]则diff(x)=[2 2 2 2], diff(y)=[3 5 7 9]，注意二者皆以后向差分计算且数据点只剩4 个而不是5个。
而dy/dx 的数值微分则为dy/dx=diff(y)./diff(x)。
因此要计算下列多项式在[-4, 5] 区间的微分>> x=linspace(-4,5); % 产生100个x的离散点>> p=[1 -3 -11 27 10 -24]; %被积函数各项的系数>> f=polyval(p,x);>> plot(x,f) % 将多项式函数绘图>> title('Fifth-deg. equation')>> dfb=diff(f)./diff(x); % 注意要分别计算diff(f)和diff(x) >> xd=x(2:length(x)); % 注意只有99个df值，而且是对应x2,x3,...,x100的点>> plot(xd,dfb ) % 将多项式的微分项绘图>> title('Derivative of fifth-deg. equation')>> num=f(3:length(f))-f(1:length(f)-2); % 注意中央差分是f(k+1)-f(k-1)>> deno=x(3:length(f))-x(1:length(f)-2); % 注意中央差分是x(k+1)-x(k-1)>> df_c=num./deno;>> xd=x(2:length(x)-1); % xd的点数只有98个>> plot(xd,df_c)>> title('Derivative of fifth-deg. polynomial')二、线性方程与非线性方程的求解1.线性方程组求解在MATLAB中，线性方程的求解分为两种：一是直接解法，就是在没有舍入误差的情况下，通过有限的矩阵的初等运算来求的方程组的解；二是符号解法。