matlab课后习题答案第四章.docx
《matlab课后习题答案第四章.docx》由会员分享,可在线阅读,更多相关《matlab课后习题答案第四章.docx(40页珍藏版)》请在冰点文库上搜索。
matlab课后习题答案第四章
--本页仅作为文档封面,使用时请直接删除即可----内页可以根据需求调整合适字体及大小--
matlab课后习题答案第四章(总22页)
第4章数值运算
习题4及解答
11根据题给的模拟实际测量数据的一组
和
试用数值差分diff或数值梯度gradient指令计算
,然后把
和
曲线绘制在同一张图上,观察数值求导的后果。
(模拟数据从获得)
〖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
假如文件在当前目录或搜索路径上
clear
load
(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')
gridon
(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')
gridon
〖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。
12采用数值计算方法,画出
在
区间曲线,并计算
。
〖提示〗
指定区间内的积分函数可用cumtrapz指令给出。
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==;
s45=s(ii)
s45=
13求函数
的数值积分
,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=
符号复算的尝试
symsx
f=exp(sin(x)^3);
ss=int(f,x,0,pi)
Warning:
Explicitintegralcouldnotbefound.
>Inat58
ss=
int(exp(sin(x)^3),x=0..pi)
14用quad求取
的数值积分,并保证积分的绝对精度为
。
〖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));
formatlong
sq=quadl(fx,-10*pi,*pi,1e-7)
sq=
%近似积分算法
x=linspace(-10*pi,*pi,1e7);
dx=x
(2)-x
(1);
st=trapz(exp(-abs(x)).*abs(sin(x)))*dx
st=
%符号积分算法
y='exp(-abs(x))*abs(sin(x))'
si=vpa(int(y,-10*pi,*pi),16)
y=
exp(-abs(x))*abs(sin(x))
si=
15求函数
在区间
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*t.*t)+*abs(t+*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
tt=linspace(-5,5,N+1);
fork=1:
N
[tmin(k),fobj(k)]=fminbnd(ft,tt(k),tt(k+1));
end
[fobj,ii]=sort(fobj);%将目标值由小到大排列
tmin=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
的不同分割下,经观察,最后确定出
最小值点是
相应目标值是
(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*t.*t)+*abs(t+*t.*cos(2*t);
t=-5:
:
5;
ff=ft(t);
plot(t,ff)
gridon,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=
fobj2=
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
symst
fts=sin(5*t)^2*exp*t*t)*t*cos(2*t)+*abs(t+;
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=
fobj3=
.024
〖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。
16设
,用数值法和符号法求
。
〖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
,于是据高阶微分方程可写出
(2)运行以下指令求y(t)的数值解
formatlong
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),,'spline'),%用一维插值求y
y_05=
(3)符号法求解
symst;
ys=dsolve('D2y-3*Dy+2*y=1','y(0)=1,Dy(0)=0','t')
ys_05=subs(ys,t,sym(''))
ys=
1/2-1/2*exp(2*t)+exp(t)
ys_05=
.290
〖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。
functionS=prob_DyDt(t,y)
S=[y
(2);-2*y
(1)+3*y
(2)+1];
17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=
6423
95554
174746
402627
323435
412322
491514
85859
B2=
B3=
(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=
10010011001
01001034-3-47
001001-3-445-7
00000000000
00000000000
00000000000
00000000000
00000000000
B2_A=rref([B2,A])
B2_A=
Columns1through7
00
00
00
0000000
0000000
0000000
0000000
0000000
Columns8through11
0000
0000
0000
0000
0000
B3_A=rref([B3,A])
B3_A=
Columns1through7
00
00
00
0000000
0000000
0000000
0000000
0000000
Columns8through11
0000
0000
0000
0000
0000
〖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,请见第节。
18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=
-911-2163-252
70-69141-4211684
-575575-11493451-13801
3891-38917782-2334593365
1024-10242048-614424572
ans=
Columns1through4
-+-
Column5
+
(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=
+004*
Columns1through4
+-+-
-+-+
+-+-
-+-+
-+-+
Column5
+
-
+
-
-
er_AE=
(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=
Columns1through4
+-+
+-+
+-+
-+-
Column5
-
-
-
+
Dc=
Columns1through4
000
0+00
00-0
000+
0000
Column5
0
0
0
0
-
eigc=
+011*
(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=
01000
00100
00010
00001
00000
AJ=
+004*
er_AJ=
〖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”。
当特征条件数与
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。
19求矩阵
的解,A为3阶魔方阵,b是
的全1列向量。
〖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])%GaussJordan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=
00
00
00
C=
123
x=
xx=
〖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。
110求矩阵
的解,A为4阶魔方阵,b是
的全1列向量。
〖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=
00
00
00
00000
C=
123
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:
Matrixisclosetosingularorbadlyscaled.
Resultsmaybeinaccurate.RCOND=.
x=
0
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:
Matrixisclosetosingularorbadlyscaled.
Resultsmaybeinaccurate.RCOND=.
xx=
(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=
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=
(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。
rngdefault%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=
xx=
ans=
〖解答〗
(在用除法和逆阵法求解时出现)警告信息中RCOND=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。
111求矩阵
的解,A为4阶魔方阵,
。
〖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。
〖目的〗
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=
10010
01030
001-30
00001
C=
1235
(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=
b_pinv=
〖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。
112求
的实数解。
〖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
t=-1:
:
5;
y=@(t)+t-10*exp*t).*abs(sin(sin(t)));
plot(t,y(t))%利用匿名函数求y函数值
gridon,shg
[tt1,yy1]=ginput
(1)%从图形获得近似解
tt1=
yy1=
(2)进一步利用fzero求精确解
[t,yt]=fzero(y,tt1)
t=
yt=
〖说明〗
假如在从图上获取数据前,先把零点附近图形放大,可以得到精度更高的近似解。
113求解二元函数方程组
的解。
〖目的〗
solve指令的用法。
〖解答〗
(1)符号法只能得到两组解
S=solve('sin(x-y)','cos(x+y)','x','y');
X=,Y=
X=
[1/4*pi]
[-1/4*pi]
Y=
[1/4*pi]
[-1/4*pi]
(2)数值法可以看到许多解,并从中找到规律
x=-6:
:
6;y=x;[X,Y]=meshgrid(x,y);
Z1=sin(X-Y);
Z2=cos(X+Y);
contour(X,Y,Z1,3)%在Z1的取值范围内取3个等分点作为等位线取值。
%由于Z1关于z1=0对称,所以中间线,即Z1=0的等位线。
axissquare
holdon
contour(X,Y,Z2,3)%注意:
所有绿线交点都是解
holdoff
gridon;shg
114假定某窑工艺瓷器的烧制成品合格率为,现该窑烧制100件瓷器,请画出合格产品数的概率分布曲线。
〖目的〗
指令binopdf的用法。
绘图指令stem的用法。
〖解答〗
N=100;p=;%给定二项分布的特征参数
k=0:
N;%定义事件A发生的次数数组
pdf=binopdf(k,N,p);%算出各发生次数的概率
stem(k,pdf)
gridon
shg