第4章数值运算
习题 4 及解答
1 根据题给的模拟实际测量数据的一组t和)(t y试用数值差分diff
或数值梯度gradient指令计算)(t
y'曲线绘制
y',然后把)(t y和)(t 在同一张图上,观察数值求导的后果。(模拟数据从prob_data401.mat获得)
〖目的〗
●强调:要非常慎用数值导数计算。
●练习mat数据文件中数据的获取。
●实验数据求导的后果
●把两条曲线绘制在同一图上的一种方法。
〖解答〗
(1)从数据文件获得数据的指令
假如prob_data401.mat文件在当前目录或搜索路径上
clear
load prob_data401.mat
(2)用diff求导的指令
dt=t(2)-t(1);
yc=diff(y)/dt; %注意yc的长度将比y短1
plot(t,y,'b',t(2:end),yc,'r')
(3)用gradent 求导的指令(图形与上相似)
dt=t(2)-t(1);
yc=gradient(y)/dt;
plot(t,y,'b',t,yc,'r') grid on
〖说明〗
● 不到万不得已,不要进行数值求导。
● 假若一定要计算数值导数,自变量增量dt 要取得比原有数据相对误差高1、2个量级
以上。
● 求导会使数据中原有的噪声放大。
2 采用数值计算方法,画出dt t
t
x y x
?
=0
sin )(在]10 ,0[区间曲线,并计算)5.4(y 。
〖提示〗
● 指定区间内的积分函数可用cumtrapz 指令给出。 ● )5.4(y 在计算要求不太高的地方可用find 指令算得。
〖目的〗
● 指定区间内的积分函数的数值计算法和cumtrapz 指令。 ● find 指令的应用。 〖解答〗
dt=1e-4; t=0:dt:10;
t=t+(t==0)*eps; f=sin(t)./t;
s=cumtrapz(f)*dt;
plot(t,s,'LineWidth',3) ii=find(t==4.5); s45=s(ii) s45 = 1.6541
3 求函数x
e
x f 3sin )(=的数值积分?=π
0 )(dx x f s ,并请采用符号计算
尝试复算。
〖提示〗
● 数值积分均可尝试。 ● 符号积分的局限性。
〖目的〗
● 符号积分的局限性。 〖解答〗
dx=pi/2000; x=0:dx:pi;
s=trapz(exp(sin(x).^3))*dx s =
5.1370
符号复算的尝试
syms x
f=exp(sin(x)^3); ss=int(f,x,0,pi)
Warning: Explicit integral could not be found. > In sym.int at 58 ss =
int(exp(sin(x)^3),x = 0 .. pi)
4 用
quad 求取dx x e x sin 7.15?--π
π的数值积分,并保证积分的绝对精
度
为
9
10-。
〖目的〗
● quadl ,精度可控,计算较快。
● 近似积分指令trapz 获得高精度积分的内存和时间代价较高。 〖解答〗
%精度可控的数值积分
fx=@(x)exp(-abs(x)).*abs(sin(x)); format long
sq=quadl(fx,-10*pi,1.7*pi,1e-7) sq =
1.08784993815498
%近似积分算法
x=linspace(-10*pi,1.7*pi,1e7); dx=x(2)-x(1);
st=trapz(exp(-abs(x)).*abs(sin(x)))*dx st =
1.08784949973430
%符号积分算法
y='exp(-abs(x))*abs(sin(x))'
si=vpa(int(y,-10*pi,1.7*pi),16) y =
exp(-abs(x))*abs(sin(x)) si =
1.087849499412911
5 求函数5.08.12cos 5.1)
5(sin )(2
06.02
++-=t t t e t t f t 在区间]5,5[-中的最小
值点。
〖目的〗
● 理解极值概念的邻域性。 ● 如何求最小值。
● 学习运用作图法求极值或最小值。 ● 感受符号法的局限性。 〖解答〗
(1)采用fminbnd 找极小值点 在指令窗中多次运行以下指令,观察在不同数目子区间分割下,进行的极小值搜索。然后从一系列极小值点中,确定最小值点。 clear
ft=@(t)sin(5*t).^2.*exp(0.06*t.*t)+1.8*abs(t+0.5)-1.5*t.*cos(2*t); disp('计算中,把[ -5,5] 分成若干搜索子区间。')
N=input(' 请输入子区间数 N ,注意使N>=1 ?');%该指令只能在指令窗中运行 t t=linspace(-5,5,N+1); f or k=1:N
[tmin(k),fobj(k)]=fminbnd(ft,tt(k),tt(k+1));
e nd [fobj,ii]=sort(fobj); %将目标值由小到大排列 t min=tmin(ii); %使极小值点做与目标值相应的重新排列 fobj,tmin
(2)最后确定的最小值点
在10,,2,1 N 的不同分割下,经观察,最后确定出 最小值点是 -1.28498111480531 相应目标值是 -0.18604801006545
(3)采用作图法近似确定最小值点(另一方法) (A )在指令窗中运行以下指令: clear
ft=@(t)sin(5*t).^2.*exp(0.06*t.*t)+1.8*abs(t+0.5)-1.5*t.*cos(2*t); t=-5:0.001:5; ff=ft(t); plot(t,ff) grid on,shg (B )经观察后,把最小值附近邻域放到足够大,然后运行以下指令,那放大图形被推向前台,与此同时光标变为“十字线”,利用它点击极值点可得到最小值数据
[tmin2,fobj2]=ginput(1) tmin2 =
-1.28500000993975 fobj2 =
-0.18604799369136
出现具有相同数值的刻度区域表明已达最小可分辨状态
(4)符号法求最小值的尝试
syms t
fts=sin(5*t)^2*exp(0.06*t*t)-1.5*t*cos(2*t)+1.8*abs(t+0.5);
dfdt=diff(fts,t); %求导函数
tmin=solve(dfdt,t) %求导函数的零点
fobj3=subs(fts,t,tmin) %得到一个具体的极值点
tmin =
-.60100931947716486053884417850955e-2
fobj3 =
.89909908144684551670208797723124
〖说明〗
●最小值是对整个区间而言的,极小值是对邻域而言的。
●在一个区间中寻找最小值点,对不同子区间分割进行多次搜索是必要的。这样可以避免
把极小值点误作为最小值点。最小值点是从一系列极小值点和边界点的比较中确定的。
●作图法求最小值点,很直观。假若绘图时,自变量步长取得足够小,那么所求得的最小
值点有相当好的精度。
●符号法在本例中,只求出一个极值点。其余很多极值点无法秋初,更不可能得到最小值。
6 设0)0(,1)0(,1)(2)(3)
(22===+-dt dy y t y dt t dy dt t y d ,用数值法和符号法求
5.0)(=t t y 。
〖目的〗
● 学习如何把高阶微分方程写成一阶微分方程组。
● ode45解算器的导数函数如何采用匿名函数形式构成。
● 如何从ode45一组数值解点,求指定自变量对应的函数值。 〖解答〗
(1)改写高阶微分方程为一阶微分方程组
令dt
t dy t y t y t y )
()(),()(21=
=,于是据高阶微分方程可写出 ?????
++-==1)(3)(2)
()()(21221t y t y dt
t dy t y dt t dy
(2)运行以下指令求y(t)的数值解
format long ts=[0,1]; y0=[1;0];
dydt=@(t,y)[y(2);-2*y(1)+3*y(2)+1]; %<4> %匿名函数写成的ode45所需得导数函数 [tt,yy]=ode45(dydt,ts,y0);
y_05=interp1(tt,yy(:,1),0.5,'spline'), %用一维插值求y(0.5) y_05 =
0.78958020790127
(3)符号法求解
syms t;
ys=dsolve('D2y-3*Dy+2*y=1','y(0)=1,Dy(0)=0','t') ys_05=subs(ys,t,sym('0.5')) ys =
1/2-1/2*exp(2*t)+exp(t) ys_05 =
.78958035647060552916850705213780
〖说明〗
● 第<4>条指令中的导数函数也可采用M 函数文件表达,具体如下。
function S=prob_DyDt(t,y) S=[y(2);-2*y(1)+3*y(2)+1];
7 已知矩阵A=magic(8),(1)求该矩阵的“值空间基阵”B ;(2)
写出“A 的任何列可用基向量线性表出”的验证程序(提示:利用rref 检验)。
〖目的〗
●体验矩阵值空间的基向量组的不唯一性,但它们可以互为线性表出。
●利用rref检验两个矩阵能否互为表出。
〖解答〗
(1)A的值空间的三组不同“基”
A=magic(8); %采用8阶魔方阵作为实验矩阵
[R,ci]=rref(A);
B1=A(:,ci) %直接从A中取基向量
B2=orth(A) %求A值空间的正交基
[V,D]=eig(A);
rv=sum(sum(abs(D))>1000*eps); %非零特征值数就是矩阵的秩
B3=V(:,1:rv) %取A的非零特征值对应的特征向量作基
B1 =
64 2 3
9 55 54
17 47 46
40 26 27
32 34 35
41 23 22
49 15 14
8 58 59
B2 =
-0.3536 0.5401 0.3536
-0.3536 -0.3858 -0.3536
-0.3536 -0.2315 -0.3536
-0.3536 0.0772 0.3536
-0.3536 -0.0772 0.3536
-0.3536 0.2315 -0.3536
-0.3536 0.3858 -0.3536
-0.3536 -0.5401 0.3536
B3 =
0.3536 0.6270 0.3913
0.3536 -0.4815 -0.2458
0.3536 -0.3361 -0.1004
0.3536 0.1906 -0.0451
0.3536 0.0451 -0.1906
0.3536 0.1004 0.3361
0.3536 0.2458 0.4815
0.3536 -0.3913 -0.6270
(2)验证A的任何列可用B1线性表出
B1_A=rref([B1,A]) %若B1_A矩阵的下5行全为0,
%就表明A可以被B1的3根基向量线性表出
B1_A =
1 0 0 1 0 0 1 1 0 0 1
0 1 0 0 1 0 3 4 -3 -4 7
0 0 1 0 0 1 -3 -4 4 5 -7
0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0
B2_A=rref([B2,A])
B2_A =
Columns 1 through 7
1.0000 0 0 -91.9239 -91.9239 -91.9239 -91.9239
0 1.0000 0 51.8459 -51.8459 -51.8459 51.8459
0 0 1.0000 9.8995 -7.0711 -4.2426 1.4142
0 0 0 0 0 0 0
0 0 0 0 0 0 0
0 0 0 0 0 0 0
0 0 0 0 0 0 0
0 0 0 0 0 0 0
Columns 8 through 11
-91.9239 -91.9239 -91.9239 -91.9239
51.8459 -51.8459 -51.8459 51.8459
-1.4142 4.2426 7.0711 -9.8995
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
B3_A=rref([B3,A])
B3_A =
Columns 1 through 7
1.0000 0 0 91.9239 91.9239 91.9239 91.9239
0 1.0000 0 42.3447 -38.1021 -33.8594 29.6168
0 0 1.0000 12.6462 -16.8889 -21.1315 25.3741
0 0 0 0 0 0 0
0 0 0 0 0 0 0
0 0 0 0 0 0 0
0 0 0 0 0 0 0
0 0 0 0 0 0 0
Columns 8 through 11
91.9239 91.9239 91.9239 91.9239
25.3741 -21.1315 -16.8889 12.6462
29.6168 -33.8594 -38.1021 42.3447
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
〖说明〗
●magic(n)产生魔方阵。魔方阵具有很多特异的性质。就其秩而言,当n为奇数时,该矩
阵满秩;当n 为4的倍数时,矩阵的秩总是3;当 n 为偶数但不是4倍数时,则矩阵的秩等于 (n/2+2)。关于魔方阵的有关历史,请见第6.1.3节。
8 已知由MATLAB指令创建的矩阵A=gallery(5),试对该矩阵进行
特征值分解,并通过验算观察发生的现象。
〖目的〗
●展示特征值分解可能存在的数值问题。
●condeig是比较严谨的特征值分解指令。
●Jordan分解的作用。
〖解答〗
(1)特征值分解
A=gallery(5)
[V,D]=eig(A);
diag(D)' %为紧凑地显示特征值而写
A =
-9 11 -21 63 -252
70 -69 141 -421 1684
-575 575 -1149 3451 -13801
3891 -3891 7782 -23345 93365
1024 -1024 2048 -6144 24572
ans =
Columns 1 through 4
-0.0181 -0.0054 - 0.0171i -0.0054 + 0.0171i 0.0144 - 0.0104i
Column 5
0.0144 + 0.0104i
(2)验算表明相对误差较大
AE=V*D/V
er_AE=norm(A-AE,'fro')/norm(A,'fro') %相对F范数
AE =
1.0e+004 *
Columns 1 through 4
-0.0009 + 0.0000i 0.0011 - 0.0000i -0.0021 + 0.0000i 0.0063 - 0.0000i
0.0070 - 0.0000i -0.0069 + 0.0000i 0.0141 - 0.0000i -0.0421 + 0.0000i
-0.0575 + 0.0000i 0.0575 - 0.0000i -0.1149 + 0.0000i 0.3451 - 0.0000i
0.3891 - 0.0000i -0.3891 + 0.0000i 0.7781 - 0.0000i -2.3343 + 0.0000i
0.1024 - 0.0000i -0.1024 + 0.0000i 0.2048 - 0.0000i -0.6144 + 0.0000i
Column 5
-0.0252 + 0.0000i
0.1684 - 0.0000i
-1.3800 + 0.0000i
9.3359 - 0.0001i
2.4570 - 0.0000i
er_AE =
6.9310e-005
(3)一个更严谨的特征值分解指令
[Vc,Dc,eigc]=condeig(A) %eigc中的高值时,说明相应的特征值不可信。
Vc =
Columns 1 through 4
-0.0000 -0.0000 + 0.0000i -0.0000 - 0.0000i 0.0000 + 0.0000i
0.0206 0.0207 + 0.0000i 0.0207 - 0.0000i 0.0207 + 0.0000i
-0.1397 -0.1397 + 0.0000i -0.1397 - 0.0000i -0.1397 + 0.0000i
0.9574 0.9574 0.9574 0.9574
0.2519 0.2519 - 0.0000i 0.2519 + 0.0000i 0.2519 - 0.0000i
Column 5
0.0000 - 0.0000i
0.0207 - 0.0000i
-0.1397 - 0.0000i
0.9574
0.2519 + 0.0000i
Dc =
Columns 1 through 4
-0.0181 0 0 0
0 -0.0054 + 0.0171i 0 0
0 0 -0.0054 - 0.0171i 0
0 0 0 0.0144 + 0.0104i
0 0 0 0
Column 5
0.0144 - 0.0104i
eigc =
1.0e+011 *
5.2687
5.2313
5.2313
5.1725
5.1724
(4)对A采用Jordan分解并检验
[VJ,DJ]=jordan(A); %求出准确的广义特征值,使A*VJ=VJ*D成立。
DJ
AJ=VJ*DJ/VJ
er_AJ=norm(A-AJ,'fro')/norm(A,'fro')
DJ =
0 1 0 0 0
0 0 1 0 0
0 0 0 1 0
0 0 0 0 1
0 0 0 0 0
AJ =
1.0e+004 *
-0.0009 0.0011 -0.0021 0.0063 -0.0252
0.0070 -0.0069 0.0141 -0.0421 0.1684
-0.0575 0.0575 -0.1149 0.3451 -1.3801
0.3891 -0.3891 0.7782 -2.3345 9.3365
0.1024 -0.1024 0.2048 -0.6144 2.4572
er_AJ =
2.0500e-011
〖说明〗
●指令condeig的第3输出量eigc给出的是所谓的“矩阵特征值条件数”。当特征条件
1相当时,就意味着矩阵A可能“退化”,即矩阵可能存在“代数重数”大数与
eps
于“几何重数”的特征值。此时,实施Jordan分解更适宜。
●顺便指出:借助condeig算得的特征值条件数与cond指令算得的矩阵条件数是两个不
同概念。前者描述特征值的问题,后者描述矩阵逆的问题。
●本例矩阵A的特征值条件数很高,表明分解不可信。验算也表明,相对误差较大。
●当对矩阵A进行Jordan分解时,可以看到,A具有5重根。当对Jordan分解进行验算
时,相对误差很小。
9 求矩阵b
3(?的全1列向量。
Ax=的解,A为3阶魔方阵,b是)1
〖提示〗
●了解magic指令
●rref 用于方程求解。
●矩阵除法和逆阵法解方程。
〖目的〗
●满秩方阵求解的一般过程。
●rref 用于方程求解。
●矩阵除法和逆阵法解方程。
〖解答〗
A=magic(3); %产生3阶魔方阵
b=ones(3,1); %(3*1)全1列向量
[R,C]=rref([A,b]) %Gauss Jordan消去法解方程,同时判断解的唯一性
x=A\b %矩阵除解方程
xx=inv(A)*b %逆阵法解方程
R =
1.0000 0 0 0.0667
0 1.0000 0 0.0667
0 0 1.0000 0.0667
C =
1 2 3
x =
0.0667
0.0667
0.0667
xx =
0.0667
0.0667
0.0667
〖说明〗
●rref指令通过对增广矩阵进行消去法操作完成解方程。由分解得到的3根“坐标向量”
和(或)C3指示的3根基向量,可见A3满秩,因此方程解唯一。
●在本例情况下,矩阵除、逆阵法、rref法所得解一致。
10 求矩阵b
4(?的全1列向量。
Ax=的解,A为4阶魔方阵,b是)1
〖提示〗
●用rref 可观察A不满秩,但b在A的值空间中,这类方程用无数解。
●矩阵除法能正确求得这类方程的特解。
●逆阵法不能求得这类方程的特解。
●注意特解和齐次解
〖目的〗
●A不满秩,但b在A的值空间中,这类方程的求解过程。
●rref 用于方程求解。
●矩阵除法能正确求得这类方程的特解。
●逆阵法不能求得这类方程的特解。
●解的验证方法。
●齐次解的获取。
●全解的获得。
〖解答〗
(1)借助增广矩阵用指令rref求解
A=magic(4); %产生3阶魔方阵
b=ones(4,1); %全1列向量
[R,C]=rref([A,b]) %求解,并判断解的唯一性
R =
1.0000 0 0 1.0000 0.0588
0 1.0000 0 3.0000 0.1176
0 0 1.0000 -3.0000 -0.0588
0 0 0 0 0
C =
1 2 3
关于以上结果的说明:
●R阶梯阵提供的信息
?前4列是原A阵经消元变换后的阶梯阵;而第5列是原b向量经相同变换后的结果。
?R的前三列为“基”,说明原A阵秩为3;而第4列的前三个元素,表示原A阵的
第4列由其前三列线性组合而成时的加权系数,即方程的一个解。
?R的第5列表明:b可由原A阵的前三列线性表出;b给出了方程的一个解;由于
原A阵“缺秩”,所以方程的确解不唯一。
●C数组提供的信息
?该数组中的三个元素表示变换取原A阵的第1,2,3列为基。
?该数组的元素总数就是“原A阵的秩”
(2)矩阵除求得的解
x=A\b
Warning: Matrix is close to singular or badly scaled.
Results may be inaccurate. RCOND = 1.306145e-017.
x =
0.0588
0.1176
-0.0588
运行结果指示:矩阵除法给出的解与rref解相同。(实际上,MATLAB在设计“除法”程序时,针对“b在A值空间中”的情况,就是用rref求解的。)
(3)逆阵法的解
xx=inv(A)*b
Warning: Matrix is close to singular or badly scaled.
Results may be inaccurate. RCOND = 1.306145e-017.
xx =
0.0469
0.1875
-0.0625
-0.0156
(3)验证前面所得的解
b_rref=A(:,C)*R(C,5) %验算rref的解
b_d=A*x %验算矩阵除的解
b_inv=A*xx %验算逆阵法的解
b_rref =
1
1
1
1
b_d =
1
1
1
1
b_inv =
0.7344
1.1719 1.8594
显然,在本例中,逆阵法的解是错误的。原因是:A 不满秩,A 的逆阵在理论上不存在。这里所给出的逆阵是不可信的。
(4)求齐次解
xg=null(A)
%Ax=0的齐次解
xg =
0.2236 0.6708 -0.6708 -0.2236
(5)方程的全解 齐次解的任何倍与特解之和就构成方程的全解。下面通过一组随机系数验证。
rng default %为本书结果可被读者核对而设,并非必要。 f=randn(1,6) %6个随机系数 xx=repmat(x,1,6)+xg*f %产生6个不同的特解 A*xx %所得结果的每列都应该是全1,即等于b. f =
0.5377 1.8339 -2.2588 0.8622 0.3188 -1.3077 xx =
0.1790 0.4689 -0.4463 0.2516 0.1301 -0.2336 0.4783 1.3479 -1.3976 0.6960 0.3315 -0.7596 -0.4195 -1.2890 1.4565 -0.6372 -0.2727 0.8184 -0.1202 -0.4101 0.5051 -0.1928 -0.0713 0.2924 ans =
1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
〖解答〗
● (在用除法和逆阵法求解时出现)警告信息中RCOND = 1.306145e-017是矩阵A 的估计
条件倒数。该数愈接近0,A 就愈“病态”;该数接近1时,A 就愈“良态”。该条件数由rcond(A)给出。注意:rcond 条件倒数与cond 条件数的算法不同。
11 求矩阵b Ax =的解,A 为4阶魔方阵,?????
???????=4321b 。 〖提示〗
● 由rref 可以看出A 不满秩,b 不在A 的值空间中,方程没有准确解。 ● 但可求最小二乘近似
解。
●A不满秩,b不在A的值空间中,方程没有准确解。
〖解答〗
(1)借助增广矩阵用指令rref求解
A=magic(4); %产生3阶魔方阵
b=(1:4)';
[R,C]=rref([A,b]) %求解,并判断解的唯一性
R =
1 0 0 1 0
0 1 0 3 0
0 0 1 -3 0
0 0 0 0 1
C =
1 2 3 5
(2)用伪逆求最小二乘近似解(超出范围,仅供参考。)
x=pinv(A)*b %非准确解
b_pinv=A*x %验算
x =
0.0235
0.1235
0.1235
0.0235
b_pinv =
1.3000
2.9000
2.1000
3.7000
〖解答〗
●C表明,A的秩为3,A不满秩;R第5列第4元素非零,说明b不在A的值空间中,因
此方程没有准确解,但可以求最小二乘近似解。
12 求0
+
--t
-
t t的实数解。
e
5.02.0=
sin[sin
]
10
〖提示〗
●在适当范围内,作图观察一元复杂函数的形态:观察解的存在性;解的唯一性。进而,
借助图形法求近似解。
●匿名函数的使用方法。
●fzero指令的用法。
〖目的〗
●作图法求一元复杂函数解上的作用:观察解的存在性;解的唯一性;得近似解。
●匿名函数的使用方法。
●fzero指令的用法。
〖解答〗
(1)作图观察函数并求近似解