数学运算时MATLAB的核心,其他领域的应用都以这些数学运算为基础,如矩阵运算、代数运算、解方程等等。MATLAB的强大之处正是在于其对几乎所有数学问题的解决方案。本章将介绍MATLAB的部分基础数学功能,包括多项式,线性插值,傅里叶变换和微分方程等。这些数学知识在今后的学习中会经常用到,非常重要。
多项式在数学中有着极为重要的作用,而多项式的运算也是工程和应用中经常会遇到的问题。
在MATLAB中多项式用一个行向量表示,向量中的元素为该多项式的系数,按照降序排列。例如,多项式 4 x 3 + 3 x 2 + 6 x 1 + 9 4x^3+3x^2+6x^1+9 4x3+3x2+6x1+9可以表示为向量 P = [ 4 , 3 , 6 , 9 ] P=[4, 3, 6, 9] P=[4,3,6,9]。用户可以用创建向量的方式创建多项式,再利用poly2sym函数将其显示为多项式。
例子:
clear all; clc;
P = [4, 3, 6, 9];
% 默认变量为x
y = poly2sym(P)
使用向量来表示多项式使得多项式的四则运算变得简单,因为可以直接转换为向量的运算。
多项式的加减即为对应系数项的加减,因此可以通过向量的加减来完成。进行加减运算的两个向量需要有相同的长度,因此对低阶多项式需要补零
多项式的乘法和除法实际上是多项式系数之间的卷积和反卷积运算。MATLAB有相应的卷积函数conv和deconv。
例子:
clear all; clc;
% polynomial operation
p1=[1 2 1]; %定义多项式
p2=[1 1];
length_of_p1=length(p1);
length_of_p2=length(p2);
if length_of_p1 == length_of_p2 %判断两个多项式的长度是否相等
p1_plus_p2 =p1+p2; %多项式相加
p1_minus_p2=p1-p2; %多项式相减
elseif length_of_p1 < length_of_p2
temp_p1=[zeros(length_of_p2-length_of_p1) p1];
p1_plus_p2 =temp_p1+p2;
p1_minus_p2=temp_p1-p2;
else
temp_p2=[zeros(length_of_p1-length_of_p2) p2];
p1_plus_p2 =p1+temp_p2;
p1_minus_p2=p1-temp_p2;
end
p1_multiply_p2=conv(p1,p2); %多项式相乘
p1_divide_p2 =deconv(p1,p2); %多项式除法
p1=poly2sym(p1) %显示多项式 p1
p2=poly2sym(p2) %显示多项式 p2
p1_plus_p2 =poly2sym(p1_plus_p2)
p1_minus_p2=poly2sym(p1_minus_p2)
p1_multiply_p2=poly2sym(p1_multiply_p2)
p1_divide_p2 =poly2sym(p1_divide_p2)
这些都是多项式运算中常见的函数。下面分别简要举例介绍一下。
roots() 和 poly()
clear all; clc;
% roots求多项式的根--注意与root的区别
A = [1 2 1];
yA = poly2sym(A)
a = roots(A)
%%
B = [1, 4, 5, 3, 6, 7];
yB = poly2sym(B)
b = roots(B)
%%
% poly求具有特定根的多项式
A2 = poly(a)
B2 = poly(b)
%%
% poly求矩阵的特征多项式
P = magic(4);
p = poly(P);
y = poly2sym(p)
x = roots(p)
polyvar多项式求值
clear all; clc;
% 求多项式的值
p = [4 3 2 1];
polyval(p, 4)
x = roots(p)
polyval(p, x)
%%
% 尝试用另一种方法?
syms x
y = poly2sym(p);
disp(y)
r = root(y, x);
vr = vpa(r);
disp(vr)
n = polyval(p, double(vr))
polyder多项式求导
clear all; clc;
a = [1, 2, 1];
% x^2 + 2x + 1
ya = poly2sym(a)
b = [1, -1];
% x-1
yb = poly2sym(b)
% da
p1 = polyder(a);
dya = poly2sym(p1)
% d(ab)
p2 = polyder(a,b);
dy2 = poly2sym(p2)
% d(a/b)
[q, d] = polyder(a, b);
dy3 = poly2sym(q) / poly2sym(d)
polyfit多项式拟合
曲线拟合是工程中经常要用到的技术之一。MATLAB提供了曲线拟合工具箱和多项式拟合函数。函数polyfit给出了使用最小二乘法拟合的多项式。函数调用格式为p = polyfit(x, y, n),其中x, y分别为要拟合数据的坐标,应该是相同长度的向量,n则是用于拟合的多项式的次数。
clear all; clc;
x = 0 : pi/10 : 2*pi;
y = sin(x);
z = polyfit(x, y, 3);
% 画图
plot(x, y, 'r*')
hold on
f = poly2sym(z);
ezplot(f, [0, 2*pi])
另一种工程上常见的问题是数据插值,即根据已知数据推断未知数据。
插值运算时根据已有数据的分布规律,找到一个可以连接起已知各点的函数表达式,并用这一函数表达式来预测处于已有数据两点之间任意位置的数据。
MATLAB提供了对数组的任意一维数据进行插值的工具,这些工具大多需要用到多维数组的操作。本节主要介绍对一维数据插值。
一维数据插值在曲线拟合和数据分析中具有重要的地位。在MATLAB中,一维数据插值主要由函数interp1来实现(即interpolation1的缩写)。该函数的调用格式为yi = interp1(x, y, xi, method),其中x,y 为所采用的数据的坐标,均是一维向量;xi为待插值的位置,method为采用的插值方法,返回插值结果。而该函数有四种method,不同method得到的结果会有些许差异。
% Interpolation using the four methods
x=[0 3 5 7 9 11 12 13 14 15];
y=[0 1.2 1.7 2.0 2.1 2.0 1.8 1.2 1.4 1.6];
length_of_x=length(x);
scalar_x=[x(1):0.5:x(length_of_x)];
length_of_sx=length(scalar_x);
for i=1:length_of_sx
y_nearest(i)=interp1(x,y,scalar_x(i),'nearest');
y_linear(i) =interp1(x,y,scalar_x(i),'linear');
y_spline(i) =interp1(x,y,scalar_x(i),'spline');
y_cubic(i) =interp1(x,y,scalar_x(i),'pchip');
end
subplot(2,2,1),plot(x,y,'*'),hold on,plot(scalar_x,y_nearest),title('method=nearest');
subplot(2,2,2),plot(x,y,'*'),hold on,plot(scalar_x,y_linear),title('method=linear');
subplot(2,2,3),plot(x,y,'*'),hold on,plot(scalar_x,y_spline),title('method=spline');
subplot(2,2,4),plot(x,y,'*'),hold on,plot(scalar_x,y_cubic),title('method= pchip ');
∗ * ∗最近邻插值将插值点xi的值设置为举例最近的点的对应值。
∗ * ∗线性插值用分段线性函数拟合已有数据,返回拟合函数在xi处的值。
∗ * ∗三次样条插值采用样条函数对数据拟合,并且任意两点之间的函数为三次函数。
∗ * ∗三次插值为一组方法,通过pchip函数对数据进行三次Hermite插值,这种方法可以保持数据的一致性和数据曲线形状。
可以看出,最近邻插值效果最差,其他三种方法差别不是很大,实际上三次插值的效果相对较好,但是运行效率更差。在实际应用中,需要根据实际情况综合考虑来选取合适的插值方法。
傅里叶插值法
MATLAB针对一维数据还有另一种方法,基于傅里叶变换的方法。这种方法将输入数据视为周期函数的采样数据,对数据进行傅里叶变换,然后对更多的点进行傅里叶变换。函数名为interpft(interpolation fourier transform),调用方式为y = interpft(x, n),其中x为周期函数的均匀采样数据,n为待返回的数据个数。当我们对周期数据或近似周期数据进行插值时,该方法更加合适。
例子:
clear all;clc;
x = 0:pi/5:2*pi; % 10个数据
y = sin(x);
plot(x, y);
hold on
y1 = interpft(y, 20);
x1 = linspace(0, 2*pi, 20);
plot(x1, y1, '.')
可以看出,interpft的插值效果令人满意。尤其是当我们增加数据量之后。==需要注意的是函数的输入参数n表示对输入的采样值x重新插值后返回的数据长度,因此n要大于输入的x的长度。返回的n表示在原始数据的相同采样时间内的等间距的采样数据。
外插运算
若要获得已知的数据集外的插值数据,则需要用到外插,这是比较困难的,且精度不高。MATLAB中可以通过对
interp1函数添加’extrap’参数来指明所用的插值算法,并表示需要外插运算。另一种方法是将数据集外的函数点赋值为extraval,可以赋值为Nan或者0。
例子:
clear all; clc;
x=0:0.5:10;
y=cos(x);
x1 = linspace(0,2*pi,20);
y1=cos(x1);
y2=interp1(x,y,x1,'nearest') %没有指定外插算法,估值都返回NaN
y2=interp1(x,y,x1,'nearest','extrap') %指明插值算法也用于外插运算
y3=interp1(x,y,x1,'linear','extrap');
y4=interp1(x,y,x1,'spline','extrap');
y5=interp1(x,y,x1,'pchip ','extrap');
plot(x,y,x1,y1,'o',x1,y2,'-',x1,y3,'-.',x1,y4,'--',x1,y5,'*')
函数是数学中的一个重要概念。这一节我们学习MATLAB的一些基础的函数功能。
MATLAB提供了两种表示函数的方法:一种是利用m文件将函数定义为MATLAB函数;另一种是采用匿名函数。
例子:建立函数 f ( x ) = 1 ( x − 0.3 ) 2 + 0.01 + 1 ( x − 0.9 ) 2 + 0.04 − 6 f(x) = \frac{1}{(x-0.3)^2+0.01} + \frac{1}{(x-0.9)^2+0.04} -6 f(x)=(x−0.3)2+0.011+(x−0.9)2+0.041−6
方法一:建立m文件。这是MATLAB的内置函数humps(),找到humps.m文件,打开内容如下。
function [out1,out2] = humps(x)
%HUMPS A function used by QUADDEMO, ZERODEMO and FPLOTDEMO.
% Y = HUMPS(X) is a function with strong maxima near x = .3
% and x = .9.
%
% [X,Y] = HUMPS(X) also returns X. With no input arguments,
% HUMPS uses X = 0:.05:1.
%
% Example:
% plot(humps)
%
% See QUADDEMO, ZERODEMO and FPLOTDEMO.
% Copyright 1984-2014 The MathWorks, Inc.
if nargin==0
x = 0:.05:1;
end
y = 1 ./ ((x-.3).^2 + .01) + 1 ./ ((x-.9).^2 + .04) - 6;
if nargout==2,
out1 = x;
out2 = y;
else
out1 = y;
end
那我们想要调用该函数,可以通过符号"@"获取函数,如:
fh = @humps; % 将fh定义为humps函数
fh(1.5)
%%
% 当然也可以直接用humps
humps(1.5)
方法二:匿名函数,例如:
clear all; clc;
fh = @(x) 1 ./ ((x - 0.3).^2 + 0.01) + 1 ./ ((x - 0.9).^2 + 0.04) -6;
fh(1.5)
==**需要注意的是,尽管这两种方法都得到了函数的解。但是,我们仔细阅读humps.m文件内容会发现,该函数不只有一种返回值。若我们使用[x, y] = humps(a) 的形式来调用该函数,该函数不仅会返回函数值y, 还会返回变量值x。而使用匿名函数则无法实现该功能。当然,匿名函数比写脚本要更简单。因此,在实际项目中,可以根据需要确定建立函数的方法。
函数图像让我们能够直观的查看函数的总体特征。MATLAB提供了绘制函数图的函数fplot。我们在文档中查看一下fplot函数的使用方法。
help flot
>>fplot - 绘制表达式或函数
此 MATLAB 函数 在默认区间 [-5 5](对于 x)绘制由函数 y = f(x) 定义的曲线。
fplot(f)
fplot(f,xinterval)
fplot(funx,funy)
fplot(funx,funy,tinterval)
fplot(___,LineSpec)
fplot(___,Name,Value)
fplot(ax,___)
fp = fplot(___)
[x,y] = fplot(___)
另请参阅 fcontour, fmesh, fplot3, fsurf, hold, title, Function Line 属性,
Parameterized Function Line 属性
fplot 的参考页
以后我们会经常使用help文档来查看MATLAB内置函数的使用方法。实际上MATLAB的帮助文档是学习MATLAB的最好教材,同学们要学会利用,经常查阅。
通过帮助文档学习fplot的用法。
例子:绘制humps函数图像
fh = @humps;
subplot(1, 2, 1), fplot(fh);
subplot(1, 2, 2), fplot(fh, [-3, 3]);
本章介绍MATLAB求一元函数和二元函数的极值和曲线拟合方法。
fminbnd()函数
% 求humps函数在(0.3, 1)的极小值坐标
f = @humps;
x = fminbnd(f, 0.3, 1)
f(x)
help fminbnd 给出具体用法
clear all; clc;
function f = scalarobjective(x)
f = 0;
for k = -10:10
f = f + (k+1)^2*cos(k*x)*exp(-k^2/2);
end
%%
x = fminbnd(@scalarobjective,1,3)
%%
options = optimset('Display', 'iter');
x = fminbnd(@scalarobjective,1,3, options)
%%
[x, fval, exitflag, output] = fminbnd(@scalarobjective,1,3, options)
最基本的用法一般满足绝大部分需求,特殊情况需要自己设置参数。
本函数为fminsearch()。该函数内部使用Nelder-Mead单一搜索算法,通过调整各个元素的值来寻找f(x)的极小值,适用于不太平滑、难以计算梯度信息或者梯度信息价值不大的函数。
以Rosenbrock函数为例
%创建函数
function f = banana(x)
f = 100*(x(2) - x(1)^2)^2 + (1 - x(1))^2;
end
% 函数图像
hf = @(x,y) 100*(y-x.^2).^2+(1-x).^2
ezmesh(hf, [-1,1])
% 搜索最小值
hf = @banana;
[x, fvalue,flag,output] = fminsearch(hf, [-2, 2])
% 求解f(x)=logx+sinx-2在x=6附件的解。
f = @(x) log(x) + sin(x) - 2;
[x, y, exitflag, output] = fzero(f, 6)
%%
%通过函数图像查看。
fplot(f, [x-2, x+2]);
hold on
plot(x, y, 'k*')
另一个求根的方法,roots函数求解多项式的根,仅限多项式。上一节的内容。
例子:
[q, fcnt] = quad(fun, a, b, tol, trace);
q积分值;fcnt迭代次数;fun函数;[a,b]积分区间;tol误差;trace迭代过程;
f =@(x) sin(x);
[q, fcnt] = quad(f, 0, pi, 1e-6, 1)
clear all;clc;
f = @(x, sigma) exp(-x^2./(2.*(1:sigma)))./sqrt(2*pi .* (1:sigma));
quadv(@(x)f(x, 3), 0, 2)
更好的解法:
q = integral(@(x)f(x, 3), 0, 2, 'ArrayValued', true)
integral 函数表示普通的数值积分,采用全局自适应积分。
用法:help integral`
在MATLAB中二重积分和三重积分分别使用函数dblquad和函数triplequad实现。
q = dblquad(fun, xmin, xmax, ymin, ymax);用法类似
f = @(x, y) y*sin(x) + x*cos(y);
q = dblquad(f, pi. 2*pi, 0, pi)
在MATLAB中,对于含参函数也可以使用嵌套函数和匿名函数的方法,两者有些微差别。
该方法通过m文件函数,以函数参数为输入,在函数参数内调用函数的函数来处理含参函数。见例子:
% 寻找函数f(x)=x^3+a*x^2+b*x+c的极值
function [x0, y] = funmin(a, b, c,x1,x2)
options = optimset('Display','off');
[x0, y] = fminbnd(@poly3, x1, x2, options);
function y = poly3(x) % 内置函数
y = x^3 + a*x^2 + b*x + c;
end
% 画图
fplot(@poly3, [x1, x2]);
hold on;
plot(x0, y, '.');
end
使用匿名函数同样可以实现这个函数,见例子:
% 含参函数主体
function y = poly3_fun(x, a, b, c)
function [x0, y] = funmin_para(a, b, c, x1, x2)
options = optimset('Display','off');
[x0, y] = fminbnd(@(x)poly3_fun(x, a, b, c), x1, x2, options);
% 画图
fplot(@(x)poly3_fun(x, a, b, c), [x1, x2])
hold on
plot(x0, y, '.')
end
多元函数与一元函数类似。
MATLAB能够求解的微分方程包括常微分方程初值问题、常微分方程的边值问题、时滞微分方程初值问题及偏微分方程问题。这里重点介绍前两个。另外MATLAB提供了偏微分方程工具箱,用于求解偏微分方程问题。
MATLAB可以直接求解的常微分方程包括下面三种类型。
1. 显式常微分方程,y’=f(t,y)。
2.线性隐式常微分方程,M(t,y)y’=f(t,y),其中M(t,y)为矩阵。
3.全隐式常微分方程f(t, y, y’) = 0。
例子:求解范德蒙方程 y ′ ′ − u ( 1 − y 2 ) y ′ + y = 0 y''-u(1-y^2)y'+y=0 y′′−u(1−y2)y′+y=0,其中u=1。
解:记 z = y ′ z=y' z=y′,则上述方程可以改写为:
function dydt = vdp1(t, y)
dydt = [y(2); (1- y(1)^2)*y(2) - y(1)];
end
[t, y] = ode45(@vdp1, [0, 20], [2; 0]);
% 画图
plot(t, y(:, 1), '-', t, y(:, 2), '--');
title("范德蒙方程的解,u=1");
xlabel('time t');
ylabel('solution y');
legend('y', 'z');
例子2:求解u=1000时范德蒙方程的解.
当u=1000时,范德蒙方程为刚性问题,采用ode15s求解。
function dydt = vdp1000(t, y)
dydt = [y(2); 1000 * (1- y(1)^2)*y(2) - y(1)];
end
[t, y] = ode15s(@vdp1000, [0, 3000], [2; 0]);
% 画图
plot(t, y(:, 1), '-');
title("范德蒙方程的解,u=1000");
xlabel('time t');
ylabel('solution y');
figure
plot( t, y(:, 2), '--');
title("范德蒙方程的解,u=1000");
xlabel('time t');
ylabel("solution y'");
尝试一下使用不合适的求解器求解会出现什么呢?
完全隐式常微分方程的形式为: f(t, y, y’) = 0。 即原函数和函数的导数是耦合在一起的。MATLAB中的函数ode15i用来求解这一类方程。
用法为:[t, y] = ode15i(odefun, tspan, y0, yp0, options),输入参数与之前的类似,其中y0和yp0指初值,需要满足f(t, y0, y0’) = 0。
例子:求解 t y 2 ( y ′ ) 3 − y 3 ( y ′ ) 2 + t ( t 2 + 1 ) y ′ − t 2 y = 0 ty^2(y')^3 - y^3(y')^2 + t(t^2+1)y' - t^2y = 0 ty2(y′)3−y3(y′)2+t(t2+1)y′−t2y=0,初值为 y ( 1 ) = 3 / 2 y(1) = \sqrt{3/2} y(1)=3/2
解:
function dydt = pp(t, y, yp)
dydt = t*y^2*yp^3 - y^3*yp^2 + t*(t^2 + 1)*yp - t^2*y;
end
t0 = 1;
y0 = sqrt(3/2);
yp0 = 0;
[y0, yp0] = decic(@pp, t0, y0, 1, yp0, 0);
yp0
[t, y] = ode15i(@pp, [1, 10], y0, yp0);
% 与解析解比较
yt = sqrt(t.^2 + 0.5);
plot(t, y, t, yt, 'o')
bvp4c 函数用于求解常微分方程边值问题,该函数调用方式如下。
sol = bvp4c(odefun, bcfun, solinit, options);其中odefun为待求函数, bcfun为边界条件, solinit为一个结构体,是该方程解的一个估计值。options 也是一个结构体,可以通过函数bvpset创建。
结构体是MATLAB的一个新的数据类型,具体怎样,下一章再讲。
例子: 求解方程 y ′ ′ + ∣ y ∣ = 0 y'' + |y| = 0 y′′+∣y∣=0, 边值条件为 y(0) = 0和y(t) = -2。
解:
% 函数体
function dydx = eqode(x,y)
dydx = [y(2), - abs(y(1))];
end
% 边值条件
function res = eqbc(ya,yb)
res = [ ya(1), yb(1) + 2];
end
% 创建估计值
solinit = bvpinit(linspace(0, 4, 5), [1, 0]);
% 求解
sol = bvp4c(@eqode, @eqbc, solinit);
% 画图显示
x = linspace(0, 4);
y = deval(sol, x);
plot(x, y(1, : ))
变量 | 值 | ||||
---|---|---|---|---|---|
x | 1 | 1.1 | 1.2 | 1.3 | 1.4 |
y | 1.0 | 1.23368 | 1.55271 | 1.99372 | 2.61170 |
利用本章介绍的几种插值方法对其进行插值,得到每隔0.05的结果。
求函数 y = e x − x 5 y = e^x - x^5 y=ex−x5, 初始点为 x = 8的解,并绘制图形。
求下列函数的极值。
(1) z = x 2 − ( y − 1 ) 2 z = x^2 - (y-1)^2 z=x2−(y−1)2
(2) z = ( x − y + 1 ) 2 z = (x - y + 1)^2 z=(x−y+1)2
计算下列积分。
(1) ∫ − 1 1 x + x 3 + x 5 d x \int_{-1}^{1} {x+x^3+x^5} dx ∫−11x+x3+x5dx
(2) ∫ 1 10 ∫ 1 10 s i n ( y ) ∗ ( x + y ) / ( x 2 + 4 ) d x d y \int_{1}^{10} \int_{1}^{10} {sin(y)*(x+y)/(x^2+4)} dx dy ∫110∫110sin(y)∗(x+y)/(x2+4)dxdy