—— matlab 具有出色的数值计算能力，占据世界上数值计算软件的主导地位

数值运算的功能 创建矩阵 矩阵运算 多项式运算 线性方程组 数值统计 线性插值 函数优化 微分方程的数值解

一、命令行的基本操作 创建矩阵的方法 直接输入法 规则：  矩阵元素必须用[ ]括住  矩阵元素必须用逗号或空格分隔  矩阵元素必须用[ ]括住  矩阵元素必须用逗号或空格分隔  在[ ]内矩阵的行与行之间必须 用分号分隔

矩阵元素 a=[1 2 3;4 5 6] x=[2 pi/2;sqrt(3) 3+5i] 矩阵元素可以是任何matlab表达式 ，可以是实数 ，也可以是复数，复数可用特殊函数i，j 输入 a=[1 2 3;4 5 6] x=[2 pi/2;sqrt(3) 3+5i]

符号的作用 逗号和分号的作用 逗号和分号可作为指令间的分隔符，matlab允许多条语句在同一行出现。 分号如果出现在指令后，屏幕上将不显示结果。

注意：只要是赋过值的变量，不管是否在屏幕上显示过，都存储在工作空间中，以后可随时显示或调用。变量名尽可能不要重复，否则会覆盖 。 当一个指令或矩阵太长时，可用•••续行

冒号的作用 用于生成等间隔的向量，默认间隔为1。 用于选出矩阵指定行、列及元素。 循环语句

2.用matlab函数创建矩阵 空阵 [ ] — matlab允许输入空阵，当一项操作无结果时，返回空阵。 rand —— 随机矩阵 eye —— 单位矩阵 zeros ——全部元素都为0的矩阵 ones ——全部元素都为1的矩阵

还有伴随矩阵、稀疏矩阵、魔方矩阵、对角矩阵、范德蒙等矩阵的创建，就不一一介绍了。 注意：matlab严格区分大小写字母，因此a与A是两个不同的变量。 matlab函数名必须小写。

3. 矩阵的修改  直接修改 可用键找到所要修改的矩阵，用键移动到要修改的矩阵元素上即可修改。 指令修改 可以用A(,)=  来修改。

还可以用函数subs修改，matlab7.0还可用find函数修改。 例如 a=[1 2 0;3 0 5;7 8 9] a =1 2 0 3 0 5 7 8 9 a(3,3)=0 7 8 0 还可以用函数subs修改，matlab7.0还可用find函数修改。

二、数据的保存与获取 把matlab工作空间中一些有用的数据长久保存下来的方法是生成mat数据文件。 save —— 将工作空间中所有的变量存到matlab.mat文件中。 默认文件名

save data——将工作空间中所有的变量存到data.mat文件中。 save data a b ——将工作空间中a和b变量存到data.mat文件中。 下次运行matlab时即可用load指令调用已生成的mat文件。

mat文件是标准的二进制文件，还可以ASCII码形式保存。 load —— load data —— load data a b —— mat文件是标准的二进制文件，还可以ASCII码形式保存。 即可恢复保存过的所有变量

三、矩阵运算 矩阵加、减（＋,－）运算 规则：  相加、减的两矩阵必须有相同的行和列两矩阵对应元素相加减。  允许参与运算的两矩阵之一是标量。标量与矩阵的所有元素分别进行加减操作。

2. 矩阵乘（）运算 规则： A矩阵的列数必须等于B矩阵的行数 标量可与任何矩阵相乘。 a=[1 2 3;4 5 6;7 8 0];b=[1;2;3];c=a*b c =14 32 23

d=[-1;0;2];f=pi*d f = -3.1416 6.2832 矩阵除的运算在线性代数中没有，有矩阵逆的运算，在matlab中有两种矩阵除运算

3. 矩阵乘方—— a^n,a^p,p^a a ^ p —— a 自乘p次幂 对于p的其它值,计算将涉及特征值 方阵 >1的整数 对于p的其它值,计算将涉及特征值 和特征向量，如果p是矩阵，a是标量 a^p使用特征值和特征向量自乘到p次 幂；如a,p都是矩阵，a^p则无意义。

※当一个方阵有复数特征值或负实特征值时，非整数幂是复数阵。 a=[1,2,3;4,5,6;7,8,9];a^2 ans =30 36 42 66 81 96 102 126 150 ※当一个方阵有复数特征值或负实特征值时，非整数幂是复数阵。

a^0.5 ans = 0.4498 + 0.7623i 0.5526 + 0.2068i 0.6555 -0.3487i 1.0185 + 0.0842i 1.2515 + 0.0228i 1.4844 - 0.0385i 1.5873 - 0.5940i 1.9503 - 0.1611i 2.3134 + 0.2717i

4. 矩阵的其它运算 inv —— 矩阵求逆 det —— 行列式的值 eig —— 矩阵的特征值 diag —— 对角矩阵 ’ —— 矩阵转置 sqrt —— 矩阵开方

5.矩阵的一些特殊操作 矩阵的变维 a=[1:12];b=reshape(a,3,4) c=zeros(3,4);c(:)=a(:) 矩阵的变向 rot90:旋转; fliplr:上翻; flipud:下翻 矩阵的抽取 diag:抽取主对角线;tril: 抽取主下三角; triu:抽取主上三角 矩阵的扩展

关系运算 关系符号 意义 < <= > >= == ~= 小于 小于或等于 大于 大于或等于 等于 不等于

5. 矩阵的数组运算 对应元素相加减（与矩阵加减等效） 数组运算指元素对元素的算术运算， 与通常意义上的由符号表示的线性代数 矩阵运算不同 数组加减(.+,.-) a.+b a.- b 对应元素相加减（与矩阵加减等效）

2. 数组乘除(，./，.\） ab —— a，b两数组必须有相同的行 和列两数组相应元素相乘。 ans = 2 8 18 4 15 30 49 72 90

a=[1 2 3;4 5 6;7 8 9]; b=[2 4 6;1 3 5;7 9 10]; a*b ans = 25 37 46 25 37 46 55 85 109 85 133 172

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 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 —— 给出a,b对应元素间的商.

3. 数组乘方(.^) — 元素对元素的幂 例: a=[1 2 3];b=[4 5 6]; z=a.^2 z = 3. 数组乘方(.^) — 元素对元素的幂 例: a=[1 2 3];b=[4 5 6]; z=a.^2 z = 1.00 4.00 9.00 z=a.^b 1.00 32.00 729.00

四、 多项式运算 f(x)=anxn+an-1xn-1+……+loa0 可用行向量 p=[an an-1 …… a1 +a0]表示 matlab语言把多项式表达成一个行向量， 该向量中的元素是按多项式降幂排列的。 f(x)=anxn+an-1xn-1+……+loa0 可用行向量 p=[an an-1 …… a1 +a0]表示 poly —— 产生特征多项式系数向量 特征多项式一定是n+1维的 特征多项式第一个元素一定是1

例:a=[1 2 3;4 5 6;7 8 0]; p=poly(a) p =1.00 -6.00 -72.00 -27.00 p是多项式p(x)=x3-6x2-72x-27的matlab描述方法，我们可用： p1=poly2str(p,‘x’) — 函数文件，显示 数学多项式的形式 p1 =x^3 - 6 x^2 - 72 x - 27

2.roots —— 求多项式的根 a=[1 2 3;4 5 6;7 8 0];p=poly(a) p = 1.00 -6.00 -72.00 -27.00 r=roots(p) r = 12.12 -5.73 ——显然 r是矩阵a的特征值 -0.39

当然我们可用poly令其返回多项式形式 p2=poly(r) p2 = 1.00 -6.00 -72.00 -27.00 1.00 -6.00 -72.00 -27.00 matlab规定多项式系数向量用行向量表示，一组根用列向量表示。

3.conv,convs多项式乘运算 例:a(x)=x2+2x+3; b(x)=4x2+5x+6; c = (x2+2x+3)(4x2+5x+6) a=[1 2 3];b=[4 5 6]; c=conv(a,b)=conv([1 2 3],[4 5 6]) c = 4.00 13.00 28.00 27.00 18.00 p=poly2str(c,'x') p = 4 x^4 + 13 x^3 + 28 x^2 + 27 x + 18

4.deconv多项式除运算 a=[1 2 3]; c = [4.00 13.00 28.00 27.00 18.00] d=deconv(c,a) d =4.00 5.00 6.00 [d,r]=deconv(c,a) 余数 c除a后的整数

5.多项式微分 matlab提供了polyder函数多项式的微分。 命令格式： polyder(p): 求p的微分 polyder(a,b): 求多项式a,b乘积的微分 [p,q]=polyder(a,b): 求多项式a,b商的微分 例：a=[1 2 3 4 5]; poly2str(a,'x') ans = x^4 + 2 x^3 + 3 x^2 + 4 x + 5 b=polyder(a) b = 4 6 6 4 poly2str(b,'x') ans =4 x^3 + 6 x^2 + 6 x + 4

五、代数方程组求解 matlab中有两种除运算左除和右除。 对于方程ax=b，a 为an×m矩阵，有三种情 况： 述三种方程

1.恰定方程组的解 方程ax=b(a为非奇异) x=a-1 b 矩阵逆 两种解: x=inv(a)b — 采用求逆运算解方程 由线性代数我们知道A非奇异时,A的行列式不为0,此时方程的解是唯一的。 在实际应用中,除法解方程的速度要比求逆法快2.5倍精确度更高,明显优于求逆法,所以推荐尽量使用除运算,少用逆运算.

方程ax=b a=[1 2;2 3];b=[8;13]; x=inv(a)*b  x=a\b x = x = 2.00 2.00 2.00 2.00 3.00 3.00 a x = b

2.超定方程组的解 方程 ax=b ,m<n时此时不存在唯一解。 方程解 (a ' a)x=a ' b x=(a' a)-1 a ' b —— 求逆法 x=a\b —— matlab用最小二乘法找一 个准确地基本解。

解1 x=a\b 解2 x=inv(a'a)  a'  b x = x = 1.00 1.00 0 0.00 1.00 1.00 0 0.00 = a x = b

3.欠定方程组的解 情况,有无穷多个解存在。 matlab可求出两个解： 用除法求的解x是具有最多零元素的解 当方程数少于未知量个数时,即不定 情况,有无穷多个解存在。 matlab可求出两个解： 用除法求的解x是具有最多零元素的解 是具有最小长度或范数的解，这个解是基于伪逆pinv求得的。

= a x = b x1+2x2+3x3=1 2x1+3x2+4x3=2 a=[1 2 3;2 3 4];b=[1;2]; x=a\b x=pinv(a)b x = x = 1.00 0.83 0 0.33 0 -0.17 a x = b

六、微分方程求解 微分方程求解的仿真算法有多种，常用的有Euler（欧拉法）、Runge Kutta(龙 格-库塔法。

当给定仿真步长时： 所以 yn+1 = yn + h·f (xn,yn) n=0,1,2… y(x0)=y0

Runge Kutta法 龙格-库塔法：实际上取两点斜率 的平均 斜率来计算的，其精度高 于欧拉算法 。 龙格-库塔法：ode23 ode45 k1=hf(xn,yn) k2=hf(xn+h,yn+k)

例：x+(x2-1)x+x=0 为方便令x1=x，x2=x分别对x1,x2求一 阶导数，整理后写成一阶微分方程组 形式 x1=x2 ·· · 例：x+(x2-1)x+x=0 为方便令x1=x，x2=x分别对x1,x2求一 阶导数，整理后写成一阶微分方程组 形式 x1=x2 x2=x2(1-x12)-x1 建立m文件 解微分方程 · · ·

建立m文件 function xdot=wf(t,x) xdot=zeros(2,1) xdot(1)=x(2) xdot(2)=x(2)*(1-x(1)^2)-x(1) 给定区间、初始值;求解微分方程 t0=0; tf=20; x0=[0 0.25]'; [t,x]=ode23('wf', t0, tf, x0) plot(t,x), figure(2),plot(x(:,1),x(:,2))

命令格式: [T,Y] = ODE23(ODEFUN,TSPAN,Y0) 建立m文件 function dxdt=wf(t,x) dxdt=[x(2);x(2)*(1-x(1)^2)-x(1)]; 求解微分方程 [t,x]=ode23(@wf,[0 30],[0 0.25]); plot(t,x); figure(2) plot(x(:,1),x(:,2))

七、最优化问题 优化函数： fminbnd —— 单变量函数 fminsearch —— 多变量函数 fmincon —— 有约束条件 无约束条件

例1：f(x)=‘x2+3x+2’在[-5 5]区间的最小值 例2：f(x)=100(x2-x12)2+(a-x1)2在x1=a, x2=a2处有最小值

八、数据分析与插值函数 max —— 各列最大值 mean —— 各列平均值 sum —— 各列求和 std —— 各列标准差 var —— 各列方差 sort —— 各列递增排序

九、拟合与插值 1. 多项式拟合 x0=0:0.1:1； y0=[-.447 1.978 3.11 5.25 5.02 4.66 4.01 4.58 3.45 5.35 9.22]; p=polyfit(x0,y0,3) p = 56.6915 -87.1174 40.0070 -0.9043 xx=0:0.01:1;yy=polyval(p,xx); plot(xx,yy,'-b',x0,y0,'or')

2.插值 插值的定义——是对某些集合给定的数据点之间函数的估值方法。 当不能很快地求出所需中间点的函数时，插值是一个非常有价值的工具。 Matlab提供了一维、二维、 三次样条等许多插值选择

table1 —— table2 —— intep1 —— interp2 —— spline —— 利用已知点确定未知点 粗糙—— 精确 集合大的—— 简化的 插值函数

小 结 本节介绍了matlab语言的数值运算 功能，通过学习应该掌握： 如何创建矩阵、修改矩阵 符号的用法 矩阵及数组运算 多项式运算 线性方程组与微分运算