•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 1

Metody numeryczne - laboratorium.
Matlab6.1
wersja 2.3
Kwiecień 2002
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 2
Spis treści
1 Matlab - podstawy 6
1.1 Wiadomości ogólne. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2 Praca z Matlab-em . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3 Wyrażenia w Matlab-ie. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.1 Zmienne. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3.2 Liczby. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3.3 Operatory. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.3.4 Funkcje. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.4 Pliki skryptowe i funkcjne. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.5 Rysunki w Matlab-ie - polecenia plot i subplot. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.6 Pliki danych . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.6.1 Polecenie save. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.6.2 Polecenie load. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
1.7 Literatura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2 Nieuniknione błędy. 38
2.1 Miary błędów. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.2 Reprezentacja binarna liczby rzeczywistej. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.3 Zamieniamy całkowitą potęgę do układu binarnego . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.4 Zamieniamy rzeczywistą mantysę do układu binarnego . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.5 Liczby użyteczne i nieużyteczne. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3 Macierze i operacje na nich, techniki przetwarzania macierzy. 45
3.1 Mnożenie macierzy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.2 Potęgowanie i dzielenie macierzy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.3 Transpozycja i sprzężenie macierzy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.4 Rząd macierzy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.5 Wyznacznik macierzy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 3
3.6 Macierze specjalne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.6.1 Macierz diagonalna (przekątniowa) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.6.2 Macierz jednostkowa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.6.3 Macierz permutacji . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.6.4 Macierz trójkątna . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.6.5 Macierz odwrotna . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
3.6.6 Macierz symetryczna . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
3.6.7 Macierz ortogonalna . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4 Układy równań liniowych. 65
4.1 Rozwiązanie formalne dla kwadratowej macierzy układu. . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4.2 Eliminacja Gaussa. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.2.1 Rozwiązanie układu diagonalnego . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
4.2.2 Rozwiązanie układu trójkątnego . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
4.2.3 Eliminacja Gaussa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
4.2.4 Eliminacja Gaussa z wyszukiwaniem elementu głównego . . . . . . . . . . . . . . . . . . . . . . . 78
4.2.5 Rozwiązanie układu z użyciem opratora dzielenia lewostronnego. . . . . . . . . . . . . . . . . . . 82
4.3 Co robi operator dzielenia lewostronnego? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
5 Aproksymacja. 84
5.1 Aproksymacja linią prostą . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
5.2 Aproksymacja . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
5.3 Co jeszcze robi operator dzielenia lewostronnego? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
6 Interpolacja. 92
6.1 Interpolacja wielomianami sklejanymi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
6.2 Interpolacja kawałkami liniowa. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
6.3 Interpolacja kawałkami sześcienna - Hermite. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
6.4 Interpolacja kawałkami sześcienna - splajny. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
6.5 Funkcje interpolacyjne Matlab-a. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 4
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 5
Wstęp
1. W obliczniach numerycznych (w przeciwieństwie do obliczeń symbolicznych)
dopuszczamy błąd w reprezentacji liczby.
2. W celu zaoszczędzenia pamięci komputera stosuje się różne typy zmiennych.
3. Dla potrzeb nauki praktycznego zapoznania się z metodami numerycznymi
będziemy stosować program Matlab(MATrix LABoratory), który wykorzy-
stuje tylko jeden typ zmiennych - macierz.
A
mn
=
_
¸
¸
¸
¸
¸
¸
¸
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
_
¸
¸
¸
¸
¸
¸
¸
_
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 6
1. Matlab - podstawy
1.1. Wiadomości ogólne.
Matlabumożliwia wykorzystanie metod rachunku macierzowego za pomocą in-
teraktywnego interfejsu i prostego języka poleceń. Wszystkie polecenia są formu-
łowane w trybie tekstowym, a podstawową strukturą danych jest macierz, której
elementami mogą być liczby rzeczywiste lub zespolone.
W skład interfejsu wchodzą między innymi:
• Command Window - okno poleceń
• Command History - okno poprzednich poleceń
• Launch Pad - okno dostępu do pakietów Matlab-a
• Current Directory - okno katalogu roboczego
• Workspace - inoformacje o zmiennych w przestrzeni roboczej
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 7
1.2. Praca z Matlab -em
Praca z Matlab-em przypomina pracę w typowym systemie operacyjnym (DOS,
UNIX) i polega na wydawaniu poleceń, które po zatwierdzeniu są wykonywane
przez interpreter.
• polecenie może być jedno, bądź jest to ciąg poleceń oddzielonych przecinkiem
lub średnikiem.
• pliki, które są używane w pakiecie Matlabmają rozszerzenie *.m
• w Matlab-ie są rozróżnialne małe i duże litery!
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 8
Podstawowe polecenia Matlab-a:
Enter wykonanaj polecenie
↑ ponowne wyświetlenie polecenia na ekranie
help pomoc na dowolny temat
help nazwa tematu pomoc na określony temat
exit zakończenie pracy z Matlab-em (lub quit)
demo pokaz przykładowych zastosowań Matlab-a
Polecenia DOS-a:
dir wyświetlenie zawartości aktualnego katalogu
type nazwa pliku wyświetlenie zawartości pliku
!notepad wywołanie ”Notatnika” (lub innego programu)
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 9
W Matlab-ie podstawowym poleceniem jest instrukcja przypisania:
zmienna = wartość
>> x=5
x =
5
>> z=6;
jeśli na końcu polecenia zostanie posta-
wiony średnik, to wartość zmiennej nie
będzie wyświetlona,
zmienna = wyrażenie
>> 5+4
ans =
9
>> z=5*7
z =
35
jeśli nie zostanie zdefiniowana zmienna
(nie nadana nazwa zmiennej), to Ma-
tlabprzypisuje jej nazwę zmiennej ro-
boczej ans,
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 10
1.3. Wyrażenia w Matlab -ie.
Matlabudostępnia użytkownikowi polecenia - komendy, które w odróżnieniu od
innych języków programowania związane są z macierzami. Polecenia wykonują
operacje na:
• zmiennych,
• liczbach,
• operatorach,
• funkcjach.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 11
1.3.1. Zmienne.
Matlabnie wymaga deklaracji typu i wymiarów zmiennych. Automatycznie two-
rzy zmienną i przydziela jej domyślny obszar pamięci. Jeżeli zmienna już istnieje,
Matlabzmienia jej zawartość i w sposób dynamiczny przyporządkowuje jej wy-
magany obszar pamięci. Polecenie:
>> num_students = 25 tworzy macierz 1 1 o nazwie
num_students i przechowuje w niej
wartość 25.
Nazwa zmiennej musi zaczynać się od litery alfabetu, a po niej może występować
dowolny znak alfanumeryczny lub znak podkreślenia. Maksymalna długość nazwy
zmiennej wynosi 31 znaków. Przy wyborze nazw zmiennych należy pamiętać o
tym, że Matlabrozróżnia małe i duże litery.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 12
1.3.2. Liczby.
Matlabużywa konwencjonalną notację dziesiętną, z kropką dziesiętną. W przy-
padku notacji naukowej litera e służy do określenia wykładnika potęgi dziesięć. W
przypadku liczb zespolonych używa się zarówno literę i, jak j przy części urojonej
liczby zespolonej. Przykłady liczb w programie Matlab:
3 -99 0.0001
9.6397238 1.60210e-20 6.02252e23
1i -3.14159j 3e5i
Wszystkie liczby są zachowywane w formacie długim (z ang. format long). Na
komputerach wykorzystujących 32-bitowy procesor odpowiada to dokładności do
16 cyfr znaczących po kropce dziesiętnej i zakresowi od 10
−308
do 10
+308
.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 13
Polecenie format kontroluje format liczb wyświetlanych przez program MATLAB.
Polecenie jest jedynie odpowiedzialne za sposób wyświetlania liczb, a nie dokład-
ność obliczeń i sposób ich zapamiętywania.
Ćwiczenie: Format liczby
>> a = 0.12345678901234567890 polecenie nadania wartości zmiennej a
>> a wyświetlenie wartości zmiennej a
>> format short e
>> a
ustawienie formatu liczb na 0.12345 10
123
>> format short
>> a
ustawienie formatu liczb na 0.12345
>> format long
>> a
format 0.123456789012345
>> format long e
>> a
format 0.123456789012345 10
123
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 14
1.3.3. Operatory.
Operatory arytmetyczne (macierzowe i tablicowe)
Symbol operacji Znaczenie Symbol operacji Priorytet
macierzowej tablicowej operacji
^ potęgowanie .^ najwyższy
’ sprzężenie nie ma najwyższy
.’ transpozycja nie ma najwyższy
* mnożenie .* niższy
/ dzielnie prawostronne ./ niższy
\ dzielenie lewostronne .\ niższy
+ dodawanie + najniższy
- odejmowanie - najniższy
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 15
Operatory logczne
Symbol Znaczenie
< mniej niż
<= mniej niż lub równe
> większe niż
>= większe niż lub równe
== równa się
~= nie równa się
& iloczyn logiczny (i)
| suma logiczna (lub)
~ zaprzeczenie (nie)
Uwaga! W języku Matlabtylko liczba zero ma wartość logiczną false - fałsz,
pozostałe liczby mają wartość logiczną true - prawda.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 16
1.3.4. Funkcje.
Matlabudostępnia użytkownikowi szereg standardowych elementarnych funk-
cji obejmujących m.in. abs, sqrt, exp i sin. Większość tych funkcji akceptuje
zespolone argumenty.
>> help elfun polecenie wyświetlające listę elementar-
nych funkcji matematycznych
>> help specfun
>> help elmat
polecenie wyświetlające listę zaawanso-
wanych matematycznych i macierzowych
funkcji
Niektóre funkcje takie, jak sqrt i sin, są wbudowane w program, dzięki czemu
są bardzo efektywne. Inne funkcje takie, jak gamma i sinh, są zewnętrznymi pli-
kami *.m. Użytkownik może przejrzeć kody tych funkcji i ewentualnie poddać je
modyfikacjom.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 17
Matlabudostępnia również szereg funkcji specjalnych generujących pomocne
stałe:
pi 3.14159265358979
i liczba urojona

−1
j liczba urojona (to samo znaczenie co i)
eps odległość od 1.0 do następnej liczby
realmin najmniejsza dodatnia liczba
realmax największa ujemna liczba
Inf nieskończoność (∞)
NaN nie jest to liczba (z ang. not a number)
>> eps
ans =
2.220446049250313e-016
>>eps = 1.e-6
nazwy powyższych funkcji nie są zastrze-
żone, dzięki czemu jest możliwa zmiana
ich wartości
>>clear eps domyślna wartość funkcji może być od-
tworzona przy pomocy polecenia
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 18
Przykład:
>> a=10/0
Warning: Divide by zero.
a =
Inf
>>b=0/0
Warning: Divide by zero.
b =
NaN
Ostrzeżenie: Dzielenie przez zero.
>>c=Inf-Inf
c =
NaN
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 19
Przykład: Wyrażenia z wykorzystaniem wbudowanych funkcji.
>>rho = (1+sqrt(5))/2
rho =
1.6180
>>a = abs(3+4i)
a =
5
>>duzo = exp(log(realmax))
duzo =
1.7977e+308
>>zbytduzo = pi*duzo
zbytduzo =
Inf
funkcje sqrt() -

, abs() - [[, . . .
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 20
Ćwiczenie: Wypełnij macierze. Sprawdź rezutalt poleceniem whos.
>> a=1.234;
>> size(a)
polecenie size zwraca wymiar macierzy,
zmienna a to macierz o wymiare 1x1
>> clear a polecenie usunięcia zmiennej a z pamięci
>> a=[1 2 3 4 5; 6 7 8 9 0] wypełnianie macierzy (; jest separato-
rem wierszy)
>> a=[1.1:2.2:7] wypełnianie macierzy (min:skok::max),
domyślny skok to 1
>> who polecenie who pokazuje wszystkie zmien-
ne w przestrzeni roboczej
>> whos polecenie whos pokazuje wszystkie
zmienne i ich rozmiary
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 21
Ćwiczenie: Wykonaj polecenia - spróbuj przewidzieć wynik. Sprawdź rezutalt
poleceniem whos.
>> a=[1,0,0,0,0,1] zapamiętaj rolę przecinka - oddziela on
koleje pola macierzy
>> b=[2;4;6;10] zapamiętaj rolę średnika - to separator
wierszy macierzy
>> c=[5 3 5; 6 2 -3] spacja pełni rolę taką jak przecinek
>> d=[3 4
5 7
9 10]
zapamiętaj rolę zmiany linii (Enter) w
trakcie wypełniania macierzy, jest ona ta-
ka sama jak rola średnika
>> e=[3 5 10 0; 0 0 ...
0 3; 3 9 9 8]
... to znak kontynuacji wiersza
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 22
Ćwiczenie: Wykonaj polecenia - spróbuj przewidzieć wynik. Sprawdź rezutalt
poleceniem whos.
>> t=[4 24 9]
>> q=[t 0 t]
zauważ, że elementami macierzy mogą
być macierze
>> x=[3 6]
>> y=[d;x]
>> z=[x;d]
macierz d była wprowadzone wcześniej i
zapamiętana w przestrzeni roboczej
>> r=[c;x,5]
>> c
nie pomyl średnika z przecinkiem i ko-
niecznie sprawdź poleceniem whos co już
masz w pamięci, macierz c zdefinowano
wcześniej
>> c(2,1)
>> v=[c(2,1);b]
c(2,1) wskazuje konkretny element ma-
cierzy
>> a(2,1)=-3
>> c(1,5)=1
czy wynik tych poleceń jest zaskakujący
?
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 23
1.4. Pliki skryptowe i funkcjne.
Pliki *.M są plikam ASCII, które mogą zawierać:
• sekwencje poleceń,
• wywołania innych plików M lub samych siebie,
• skrypty, czyli ciągi poleceń - pliki-M skryptowe,
• funkcje tworzone przez użytkownika - pliki-M funkcyjne.
Pliki-M funkcyjne zawierają definicje nowych funkcji, które działają na zmiennych
lokalnych i globalnych. Komunikują się z przestrzenią roboczą poprzez parametry
i zmienne globalne (polecenie global).
Pliki-M funkcyjne rozpoczynają się od słowa kluczowego function o następującej
składni:
function [lista param. wyjść] = nazwa funkcji (lista param. wejść)
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 24
Ćwiczenie:
1. Utwórz za pomocą dowolnego edytora ASCII plik o nazwie pit.m
2. Wprowadź do niego następujące polecenia:
function z = pit(x,y);
% moja funkcja
%
temp = x.^2 + y.^2;
z = sqrt(temp);
3. Zapisz plik w katalogu roboczym.
4. Wykonaj polecenia z wykorzystaniem nowej funkcji pit.
5. Spróbuj wykonać inną własną funkcję.
>> pit(3,4)
>> a=4, b=6, c=pit(a,b)
Wywołaj funkcję na różne znane ci sposo-
by. Wykonaj polecenie help pit. Zmo-
dyfikuj komentarz (tekst poprzedzony
znakiem %)
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 25
1.5. Rysunki w Matlab -ie - polecenia plot i subplot.
Polecenie plot służy do sporządzania rysunków 2-D i może być wywołane z na-
stępującymi parametrami:
plot(y)
plot(x,y)
plot(x,y,s)
plot(x,y,s,x1,y1,s1,...)
y - wektor wrtości na osi pionowej, na osi
poziomej będą kolejne liczby natu-
ralne
x - wektor wartości na osi poziomej o
tym samym wymiarze co wektor y
s - ciąg co najwyżej trzech znaków okre-
ślających: kolor, rodzaj punktu, typ
lini.
b niebieski . punkt - ciągła
g zielony o koło : kropkowa
r czerwony x krzyż -. kreska-kropka
c turkusowy + plus -- przerywana
m amarantowy * gwiazda
y żółty s kwadrat
k czarny d diament
v^<> trójkąt
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 26
Przykład:
>> x=-pi:0.1:pi;
>> plot(x,sin(x),’+-’,x,cos(x),’*’)
pierwsze polecenie wypełnia macierz x w
zakresie od −π do π co 0.1, drugie rysuje
dwie funkcje
polecenie sin(x) generuje macierz war-
tości dla wszystkich warości macierzy x
−4 −3 −2 −1 0 1 2 3 4
−1
−0.8
−0.6
−0.4
−0.2
0
0.2
0.4
0.6
0.8
1
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 27
Polecenie subplot dzieli okno graficzne na mniejsze prostokątne pola.
subplot(m,n,p)
subplot(mnp)
m,n - ilość pól pionowo i poziomo
p - numer aktywnego pola
Przykład:
>> x = -5:0.01:5;
>> subplot(2,2,2), plot(x,sin(x))
>> subplot(2,1,2), plot(x,cos(x))
−5 −4 −3 −2 −1 0 1 2 3 4 5
−1
−0.5
0
0.5
1
−5 0 5
−1
−0.5
0
0.5
1
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 28
Polecenia dodatkowe do opisu rysunku:
polecenie opis przykład
title tytuł title(’Moj rysunek’)
xlabel opis osi poziomej xlabel(’x w cm’)
ylabel opis osi pionowej ylabel(’f(x)’)
legend utworzenie legendy legend(’moja linia’)
text wstawienie tekstu w punkcie (x, y) text(1,1,’moj tekst’)
gtext wstawienie tekstu przy pomocy myszy gtext(’tekst’)
grid wyświetlanie siatki
axis skalowanie i wygląd osi axis off, axis on
Inne polecenia związane z rysunkiem:
hold nowy rysunek nie usunie istniejącego
print wydruk lub zapis rysunku do pliku
clf wyczyszczenie okna graficznego
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 29
Przykład: Rysunek 3-D.
>> [x,y] = meshgrid(-2:.2:2, -2:.2:2);
>> z = x .* exp(-x.^2 - y.^2);
>> mesh(z)
0
10
20
30
40
50
0
10
20
30
40
50
−0.5
0
0.5
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 30
1.6. Pliki danych
1.6.1. Polecenie save.
Polecenie save pozwala na zapamiętanie zawartości pamięci operacyjnej progra-
mu w pliku danych z rozszerzeniem *.MAT, które następnie można wczytać do
programu dzięki poleceniu load.
save
save ’nazwa pliku’
save ’nazwa pliku’ ’lista zmiennych’
’nazwa pliku’ - nazwa pliku do które-
go zapisżą się dane (domyślnie ’ma-
tlab.mat’),
’lista zmiennych’ - lista zmiennych do
zapisania (domyślnie wszystkie).
Dodatkowe opcje:
-ascii w 8-cyfrowym formacie tekstowym
-double w 16-cyfrowym formacie tekstowym
-tabs elementy macierzy rozdzielone zostają znakami tabulacji
-append dopisuje dane do istniejącego pliku *.MAT
Uwaga! W jednym pliku tekstowym (ASCII) powinna być zapamiętana jedna
zmienna.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 31
Przykład:
>> clear
>> A=[1,2,3;4,5,6;7,8,9];
>> b=12;
>> save
Saving to: matlab.mat
zapis zmiennych A i b do pliku ’ma-
tlab.mat’
>> clear
>> who
>> load
Loading from: matlab.mat
>> who
Your variables are:
A b
czyścimy wszystkie zmienne poleceniem
clear, upewniamy się, że to prawda po-
leceniem who i czytamy zapisane wcze-
śniej zmienne z pliku ’matlab.mat’
>> save zmiennaa A
>> clear
>> load zmiennaa
>> who
Your variables are:
A
zapis i odczyt zmiennej A z pliku ’zmien-
naa.mat’
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 32
Przykład:
>> A
A =
1 2
4 5
>> save zmiennaa.dat A -ascii -double -tabs
>> type zmiennaa.dat
1.0000000000000000e+000
2.0000000000000000e+000
4.0000000000000000e+000
5.0000000000000000e+000
>> whos
Name Size Bytes Class
A 2x2 32 double array
Grand total is 4 elements using 32 bytes
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 33
Przykład:
>> B=A’
B =
1 4 7
2 5 8
3 6 9
>> clear A
>> whos
Name Size Bytes Class
B 3x3 72 double array
Grand total is 9 elements using 72 bytes
>> load zmiennaa
>> who
Your variables are:
A B
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 34
Przykład:
>> save zmienne A B
>> clear
>> load zmienne B
>> who
Your variables are:
B
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 35
1.6.2. Polecenie load.
Polecenie load wczytuje pliki binarne oraz pliki tekstowe zawierające dane nume-
ryczne. Plik tekstowy powinien zawierać prostokątną tablicę liczb rozdzielonych
spacjami. W pliku tym linia zawiera jeden wiersz macierzy. Każdy z wierszy po-
siada równą liczbę elementów.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 36
Ćwiczenie: Utwórz plik tekstowy magik.dat zawierający następujące cztery
linie:
16.0 3.0 2.0 13.0
5.0 10.0 11.0 8.0
9.0 6.0 7.0 12.0
4.0 15.0 14.0 1.0
>> load magik.dat
>> magik
wczytuje plik danych i tworzy zmienna
magik zawierającą przykładową macierz.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 37
1.7. Literatura
1. Matlab6 - poradnik użytkownika, Bogumił i Zbigniew Mrozek, ISBN 83-
7101-449-X, cena 38zł, 230 stron.
2. Matlab- obliczenia numeryczne i ich zastosowania, Andrzej Zalewski i Rafał
Cegieła, ISBN 83-85060-85-5, cena 30zł, 400 stron.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 38
2. Nieuniknione błędy.
Przykład:
>> format long e Polecenie zmiany formatu wyświetlania
liczby (help format).
>> 2.6 + 0.2
ans =
2.800000000000000e+000
>> ans + 0.2
ans =
3.000000000000000e+000
>> ans + 0.2
ans =
3.200000000000001e+000
>> 2.6 + 0.6
ans =
3.200000000000000e+000
Dlaczego 2.6+0.2+0.2+0.2 ,= 2.6+0.6?
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 39
2.1. Miary błędów.
błąd bezwzględny = [wartość otrzymana −wartość prawdziwa[
błąd względny =
¸
¸
¸
¸
¸
¸
wartość otrzymana −wartość prawdziwa
wartość prawdziwa
¸
¸
¸
¸
¸
¸
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 40
2.2. Reprezentacja binarna liczby rzeczywistej.
• Każdą liczbę można zamienić do następującej postaci, nazywanej znormalizo-
waną notacją naukową:
123.456 → 0.123456
. ¸¸ .
mantysa
10
3
• Skończona liczba bitów jest przeznaczana na zapamiętanie liczby, przy czym
część bitów b
m
przeznaczana jest na znormalizowana mantysę z przedziału
(0.1,1.0), a część na całkowitą potęgę b
p
. Zarówno b
m
jak i b
p
mogą przyjmować
wartości 1 lub 0.
64 bity
¸ .. ¸
b
m
.¸¸.
znak
b
m
b
m
b
m
b
m
b
m
. ¸¸ .
52 bity
. ¸¸ .
mantysa
b
p
.¸¸.
znak
b
p
b
p
b
p
b
p
b
p
. ¸¸ .
10 bitów
. ¸¸ .
potęga
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 41
2.3. Zamieniamy całkowitą potęgę do układu binarnego
p
k
= p
0

1

k=10
b
p
k
2
k−1
= p
k−1
−b
p
k
2
k−1
, gdzie p
0
= potęga
Przykład: Niech potęga p
0
= 10.
k 2
k−1
b
p
k
p
k
= p
k−1
−b
p
k
2
k−1
.
.
. 0 10
4 8 1 2
3 4 0 2
2 2 1 0
1 1 0 0
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 42
2.4. Zamieniamy rzeczywistą mantysę do układu binarnego
m
k
= m
0

52

k=1
b
m
k
_
_
1
2
_
_
k
= m
k−1
−b
m
k
_
_
1
2
_
_
k
, gdzie m
0
= mantysa
Przykład: Niech mantysa m
0
= 0.8125.
k
_
1
2
_
k
b
m
k
m
k
= m
k−1
−b
k
_
1
2
_
k
1 0.5 1 0.3125
2 0.25 1 0.0625
3 0.125 0 0.0625
4 0.0625 1 0.0000
.
.
.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 43
Ćwiczenie:
1. Rozpakuj plik mn.zip w katalogu: ...\toolbox\
2. Ustaw bieżący katalog (okno Current Directory) na:
...\toolbox\mn\bledy.
3. Makra Matlab-a mają rozszerzenie *.m. Sprawdź, czy widoczne jest makro
man2bin.m.
4. Kliknij dwa razy w nazwę pliku man2bin.m. Zapoznaj się z jego zawartością:
(a) pierwsza linia zawiera zawsze nagłówek funkcji o takiej samej nazwie jak
nazwa pliku,
(b) linie poprzedzone znakiem % to komentarze,
(c) słowa w niebieskim kolorze należa do języka Matlab-a.
5. Opis funkcji wywołuje się przez polecenie help "nazwa_funkcji" w oknie
poleceń (Command Window).
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 44
2.5. Liczby użyteczne i nieużyteczne.
>> relmax
>> relmin
Sprawdź wartości tych zmiennych. Da-
lej ich wartości będziemy oznaczać odpo-
wiednio: R
max
i R
min
.
Zakresy dyskretnej reprezentacji liczb rzeczywistych:
przydatność liczb zakres wartości komentarz
nieużyteczne (−∞, −R
max
) przepełnienie (z ang. overflow)
użyteczne (−R
max
, −R
min
) pełna precyzja mantysy
część. użyteczne (−R
min
, −R
min
−ε) gorsza precyzja mantysy
nieużyteczne (−R
min
−ε, 0, +R
min
−ε) zero
część. użyteczne (+R
min
−ε, +R
max
) gorsza precyzja mantysy
użyteczne (+R
min
, +R
max
) pełna precyzja mantysy
nieużyteczne (+R
max
, +∞) przepełnienie
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 45
3. Macierze i operacje na nich, techniki
przetwarzania macierzy.
Macierz Ato tablica elementów a
ik
na której można wykonać operacje macierzowe.
Wskaźnik i = 1, . . . m oznacza numer wiersza, a k = 1, . . . n numer kolumny w
której znajduje się element. Liczby mn nazywane są rozmiarem macierzy.
A =
_
¸
¸
¸
¸
¸
¸
¸
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
_
¸
¸
¸
¸
¸
¸
¸
_
Poznaliśmy na wcześniejszych zajęciach symbole operacji macierzowych: ^ potę-
gowanie, ’ sprzężenie, .’ transpozycja, * mnożenie, / dzielenie prawostronne, \
dzielenie lewostronne, + odejmowanie, - odejmowanie. Teraz zajmiemy się nimi
bliżej.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 46
3.1. Mnożenie macierzy
Mnożenie macierzy A o rozmiarze mk przez macierz B o rozmiarze r n jest
możliwe jeśli k = r, tzn kiedy ilość kolumn (k) w pierwszej macierzy jest równa
ilości wierszy (r) w drugiej macierzy. Definicja mnożenia macierzy (symbol * w
Matlab-ie) jest następująca:
C = AB ⇐⇒ c
i,j
=
r

k=1
a
i,k
b
k,j
Każdy element i-tego wiersza pierwszej macierzy jest mnożony przez j-tą kolumnę
drugiej macierzy. Suma wyników mnożeń zapisywana jest w macierzy wynikowej
na pozycji (i, j).
Własności mnożenia macierzy:
A(BC) = (AB)C, A(B + C) = AB + AC, ale na ogół AB ,= BA.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 47
Wydanie polecenia C=A*B w Matlab-ie spowoduje wykonanie następującego
algorytmu:
Algorytm 3.1 Mnożenie macierzy.
Wynik: C[m x n]
Dane: A[m x r], B[r x n]
C = zeros(m,n)
for j = 1:m
for i = 1:n
for k = 1:r
C(i,j) = A(i,k) * B(k,j) + C(i,j);
end
end
end
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 48
3.2. Potęgowanie i dzielenie macierzy
Operacja potęgowania (symbol ^ w Matlab-ie) to krótszy zapis mnożenia macie-
rzy przez samą siebie, czyli A
2
= AA, a A
3
= (AA)A, gdzie A musi być macierzą
kwadratową.
Operacja odwrotna do mnożenia to dzielenie macierzy. Jeśli C = AB to podobnie
jak dla wielkości skalarnych z dzielenia prawostronnego (symbol /) otrzymamy
A = C/B oraz przy dzieleniu lewostronnym (symbol \) B = A ¸ C. Wynik
dzielenia macierzy może być nieokreślony.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 49
Ćwiczenie: Pomnóż i podziel macierze
Niech
A =
_
¸
¸
¸
¸
¸
¸
_
4 3 2
−4 2 −2
0 −1 0
−1 2 2
_
¸
¸
¸
¸
¸
¸
_
, w =
_
¸
¸
¸
_
1
−2
3
_
¸
¸
¸
_
, x =
_
¸
¸
¸
_
−3
2
4
_
¸
¸
¸
_
.
Oblicz y = Aw i z = Ax. Następnie utwórz macierz B = [w, x] i wykonaj
mnożenie C = AB. Porównaj kolumny macierzy C z macierzami y i z.
Oblicz D = A ¸ C i porównaj z macierzą B. Podobnie sprawdź, czy E = C/B
równa się A?
Oblicz F = A ¸ A, oraz G = A/A. Zauważ, że F i G różnią się rozmiarami. Czy
wiesz jakie wartości będą miały elementy na przekątnej macierzy H = B/B?
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 50
3.3. Transpozycja i sprzężenie macierzy
Dla dowolnej macierzy A o elementach a
ij
istnieje macierz transponowana A
T
,
której kolumny są wierszami macierzy A. W Matlab-ie symbolem operatora
transpozycji są dwa znaki występujące jeden za drugim (bez spacji) .’
A =
_
¸
¸
¸
¸
¸
¸
¸
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
_
¸
¸
¸
¸
¸
¸
¸
_
→ A
T
=
_
¸
¸
¸
¸
¸
¸
¸
_
a
11
a
21
. . . a
m1
a
12
a
22
. . . a
m2
.
.
.
.
.
.
.
.
.
.
.
.
a
1n
a
2n
. . . a
mn
_
¸
¸
¸
¸
¸
¸
¸
_
.
Operator sprzężenia ’ działa tak samo jak operator .’ na macierzach o elementach
rzeczywistych, dlatego używany jest zamiennie. Jeśli elementami macierzy są liczby
zespolone to sprzężenie macierzy powoduje jej transpozycję i zamianę każdego z
elementów na sprzężony.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 51
Przykład:
>> A=[1+2i 2 3 4; 5 6 7 8].’
A =
1.0000 + 2.0000i 5.0000
2.0000 6.0000
3.0000 7.0000
4.0000 8.0000
element a
11
= 1+2i jest liczbą zespoloną
>> A=[1+2i 2 3 4; 5 6 7 8]’
A =
1.0000 - 2.0000i 5.0000
2.0000 6.0000
3.0000 7.0000
4.0000 8.0000
liczba sprzężona do 1 + 2i to 1 −2i
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 52
3.4. Rząd macierzy
Rząd macierzy (z ang. rank) A o rozmiarze mn to ilość wierszy lub kolumn li-
niowo niezależnych (wykłady). W Matlab-ie istnieje polecenie rank, które liczy
rząd macierzy (dalej oznaczany przez r). Podobnie jak wszystkie inne oblicze-
nia numeryczne, obliczenie rzędu macierzy są obarczone błędami nieunikniony-
mi. Rząd macierzy o rozmiarze m n spełnia nierówność r · min¦m, n¦. Jeśli
r = min¦m, n¦ mówimy, że macierz ma rząd najwyższy.
Przykład:
>> A=[1 0 1; 2 1 0; 3 1 1]
A =
1 0 1
2 1 0
3 1 1
>> rank(A)
ans =
2
ta macierz ma niepełny rząd ponieważ
2 < min¦3, 3¦
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 53
3.5. Wyznacznik macierzy
Dla każdej macierzy kwadratowej A o rozmiarze n n istnieje liczba nazywana
wyznacznikiem, którą oznaczamy symbolem det(A). Jeśli det(A) ,= 0, to macierz
nazywa się nieosobliwą. Jeśli, na przykład, rozmiar macierzy jest 2 2 to wy-
znacznik
det(A) =
¸
¸
¸
¸
¸
¸
a
11
a
12
a
21
a
22
¸
¸
¸
¸
¸
¸
= a
11
a
22
−a
12
a
21
.
W ogólności definicję wyznacznika możemy zapisać poprzez minory M
ij
, które są
wyzacznikami macierzy o rozmiarze n − 1 n − 1 utworzonymi przez zmazanie
i-tego wiersza i j-tej kolumny
det(A) =
n

j=1
(−1)
i+j
a
ij
M
ij
, gdzie i oznacza jeden z wierszy.
Wyznacznik w Matlab-ie obliczymy wydając polecenie det(A).
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 54
3.6. Macierze specjalne
Ponieważ macierze mogą być dowolnymi tablicami dwuwymiarowymi o elemen-
tach liczbowych to istnieją macierze specjalne mające określone własności. Znając
własności tych macierzy można uprościć obliczenia. Matlabdostarcza zestaw
komend do ich tworzenia.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 55
3.6.1. Macierz diagonalna (przekątniowa)
Macierz diagonalna ma elementy jedynie na głównej przekątnej
C = diag(c
11
, c
22
, . . . , c
nn
) =
_
¸
¸
¸
¸
¸
¸
¸
_
c
11
0 . . . 0
0 c
22
. . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . c
nn
_
¸
¸
¸
¸
¸
¸
¸
_
.
Jeżeli pomnożymy dowolną macierz przez macierz diagonalną to otrzymamy efekt
skalowania kolumn, a mnożąc w odwrotnej kolejności skalowania wierszy.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 56
Przykład:
>> x = [1 -5];
>> A = diag(x)
A =
1 0
0 -5
Polecenie Matlab-a diag służy do two-
rzenia macierzy diagonalnej jeśli argu-
mentem wejściowym jest macierz, której
jeden z wymiarów jest równy 1 (wektor).
>> B = [1 -5; 6 12];
>> y = diag(B)
y =
1
12
Polecenie diag zwraca elemnty z przekąt-
nej, o ile argumentem jest macierz o wy-
miarach różnych od 1.
>> C = ones(2,2};
>> C*A
ans =
1 -5
1 -5
Polecenie ones wypełnia macierz jedyn-
kami. Dalej pokazany jest efekt sklowa-
nia kolumn poprzez mnożenie z macierzą
diagonalna A. Mnożąc AC, otrzymamy
efekt sklowania wierszy.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 57
Ćwiczenie: Macierze wielo-diagonalne.
Poleceni diag(x,k) ma dwa parametry. Pierwszy z nich x to macierz elemntów
leżących na przekątnej, a drugi to numer przekątnej macierzy. Brak k oznacza do-
myślnie 0. Numer 0 przypisany jest do głównej przekątnej, liczby ujemne wskazuja
na przekątne poniżej, a dodatnie powyżej głównej przekątnej. Wykonaj polecenie:
A = diag(2*ones(4,1)) - diag(ones(3,1),1) - diag(ones(3,1),-1)
B = tridiag(-1,2,-1) Tę samą macierz trójdiagonalną moż-
na otrzymać poleceniem tridiags, któ-
re znajdziesz w podkatalogu Matlab-a
...\toolbox\mn\macierze\
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 58
3.6.2. Macierz jednostkowa
Macierz jednostkowa to macierz diagonalna o elementach na głownej przekątnej
równych 1
I = diag(1, 1, . . . , 1) =
_
¸
¸
¸
¸
¸
¸
¸
_
1 0 . . . 0
0 1 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . 1
_
¸
¸
¸
¸
¸
¸
¸
_
.
Jeżeli pomnożymy dowolną macierz przez macierz jednostkową to otrzymamy tę
samą macierz.
AI = I A = A
>> I = eye(n) Polecenie eye(n) tworzy macierz jed-
nostkową o rozmiarze n n.
>> I = eye(m,n) Polecenie eye(m,n) tworzy macierz po-
dobną do jednostkej o rozmiarze mn.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 59
3.6.3. Macierz permutacji
Jeżeli w macierzy jednostkowej przestawimy wiersze lub kolumny to otrzymamy
macierz permutacji P, na przykład:
P =
_
¸
¸
¸
_
0 1 0
0 0 1
1 0 0
_
¸
¸
¸
_
.
Mnożąc dowolną macierz przez macierz pertmutacji otrzymamy taką samą macierz
z tym, że wiersze tej macierzy (lub kolumny) ulegną przestawieniu w taki sam
sposób jak przestawione są wiersze (lub kolumny) w macierzy permutacji.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 60
Przykład:
>> A = [1 2 3 4; 5 6 7 8; 9 10 11 12];
>> P = [1 0 0; 0 0 1; 0 1 0];
Macierz dowolna A i macierz permutacji
P
>> B = P*A
B =
1 2 3 4
9 10 11 12
5 6 7 8
>> C = A’*P
C =
1 9 5
2 10 6
3 11 7
4 12 8
Realizacja efeku przestawienia wierszy i
kolumn przy uzyciu macierzy permutacji.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 61
3.6.4. Macierz trójkątna
Przez macierz trójkątną rozumiemy macierz postaci:
L =
_
¸
¸
¸
¸
¸
¸
¸
_
l
11
0 . . . 0
l
21
l
22
. . . 0
.
.
.
.
.
.
.
.
.
.
.
.
l
n1
l
n2
. . . l
nn
_
¸
¸
¸
¸
¸
¸
¸
_
, lub R =
_
¸
¸
¸
¸
¸
¸
¸
_
r
11
r
12
. . . r
1n
0 r
22
. . . r
2n
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . r
nn
_
¸
¸
¸
¸
¸
¸
¸
_
.
Macierz L nazywamy macierzą trójkątną lewą (lub dolną), a macierz R - prawą
(lub górną). Suma, iloczyn i odwrotność macierzy trójkątnej tego samego rodzaju
są dalej macierzami trójkątnymi. Macierze trójkątne mają wiele innych ciekawych
własności, które są wykorzystywane przy rozwiązywaniu układów równań.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 62
3.6.5. Macierz odwrotna
Macierz odwrotna do A onaczana jest przez A
−1
i jest to macierz spełniająca
następujący warunek:
A
−1
A = AA
−1
= I.
Macierz odwrotna jest związana z rozwiązywaniem układów rownań liniowych o
których będzie mowa na następnych zajęciach.
Polecenie Matlab-a inv(A) liczy macierz odwrotną A
−1
.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 63
3.6.6. Macierz symetryczna
Macierz symetryczna to taka macierz dla której spełniony jest następujący waru-
nek:
A = A
T
.
Jej elemnty są symetryczne względem głównej przekątnej a
ij
= a
ji
.
Przykład:
>> B=[1 2; 3 4; 5 6]; Macierz B nie jest symetryczna.
>> B*B’
ans =
5 11 17
11 25 39
17 39 61
>> B’*B
ans =
35 44
44 56
Jednym ze sposobów generacji macierzy
symetrycznej z dowolnej macierzy jest
pomnożenie jej przez macierz transpono-
waną.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 64
3.6.7. Macierz ortogonalna
Macierz ortogonalna Q to taka macierz dla której spełniony jest następujący wa-
runek:
Q
T
Q = I.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 65
4. Układy równań liniowych.
Układ n równań liniowych o n niewiadomych x
1
, x
2
, x
3
, . . . , x
n
n

k=1
a
i,k
x
k
= b
i
(i = 1, 2, . . . , n) lub AX = B
ma rozwiązanie wtedy i tylko wtedy, gdy macierz układu A i macierz rozszerzona
R = [A, B] mają ten sam rząd w przeciwnym przypadku są sprzeczne
A =
_
¸
¸
¸
¸
¸
¸
¸
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
. . . a
nn
_
¸
¸
¸
¸
¸
¸
¸
_
i R =
_
¸
¸
¸
¸
¸
¸
¸
_
a
11
a
12
. . . a
1n
b
1
a
21
a
22
. . . a
2n
b
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
. . . a
nn
b
n
_
¸
¸
¸
¸
¸
¸
¸
_
.
Jeśli rząd macierzy układu rank(A) = n, to dla dowolnej macierzy B istnieje
rozwiązanie układu X i jest ono jednoznaczne.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 66
Przykład:
Poszukajmy współczyników równania kwadratowego, które aproksymuje krzywą
pompy.
0 0.5 1 1.5
75
80
85
90
95
100
105
110
115
120
q(m
3
/s) * 10
−3
h
(
m
)
krzywa pompy
q(m
3
/s) h(m)
1 10
−4
116.2
8 10
−4
106.4
14 10
−4
82.4
Model (h - wysokość pompowania, q - wydatek pompy):
h = c
1
q
2
+ c
2
q + c
3
,
gdzie c
1
, c
2
, c
3
są szukanymi niewiadomymi.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 67
Podstawmy trzy wybrane punkty (q,h) (patrz rysunek) do modelu
116.2 = 1 10
−8
c
1
+ 1 10
−4
c
2
+ c
3
,
106.4 = 64 10
−8
c
1
+ 8 10
−4
c
2
+ c
3
,
82.4 = 196 10
−8
c
1
+ 14 10
−4
c
2
+ c
3
.
Po przepisaniu do formy macierzowej otrzymamy:
Ax = b
gdzie
A =
_
¸
¸
¸
_
1 10
−8
1 10
−4
1
64 10
−8
8 10
−4
1
196 10
−8
14 10
−4
1
_
¸
¸
¸
_
, x =
_
¸
¸
¸
_
c
1
c
2
c
3
_
¸
¸
¸
_
, b =
_
¸
¸
¸
_
116.2
106.4
82.4
_
¸
¸
¸
_
.
Ćwiczenie:
Zdefiniuj macierz A, b i wykonaj A
−1
b poleceniem: >> x = inv(A)*b. Otrzy-
masz c
1
= −2 10
7
, c
2
= 4 10
3
c
3
= 116. Wykonaj wykres funkcji h(q) w
zakresie q = (0, 1.5 10
−3
).
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 68
4.1. Rozwiązanie formalne dla kwadratowej macierzy ukła-
du.
Formalne rozwiązanie układu równań AX = B to
X = A
−1
B
gdzie rozmiar A jest n n.
Nie rozwiązuj AX = B szukając A
−1
i mnożąc przez B
Jeśli widzisz: X = A
−1
B, to szukaj: rozwiązania AX = B przez eliminacje
Gaussa lub inny podobny algorytm.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 69
4.2. Eliminacja Gaussa.
Celem eliminacji Gaussa jest zamiana dowolnego układu równań (n n) na rów-
noważny układ, którego macierz jest trójkątna. Przyjrzyjmy się przykładom roz-
wiązań dla układów o macierzy diagonalnej i trójkątnej. Do każdego przypadku
prezentowany jest przykładowy algorytm, który należy szczgółowo przeanalizować.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 70
4.2.1. Rozwiązanie układu diagonalnego
Przykład:
Układ zdefinowany przez
A =
_
¸
¸
¸
_
1 0 0
0 3 0
0 0 5
_
¸
¸
¸
_
, b =
_
¸
¸
¸
_
−1
6
−15
_
¸
¸
¸
_
.
jest równoważny z
x
1
= −1
3x
2
= 6
5x
3
= −15

x
1
= −1
x
2
=
6
3
= 2
x
3
=
−15
5
= −3.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 71
Algorytm 4.1 Układ diagonalny.
Wynik: x[n x 1]
Dane: A[n x n], b[n x 1]
for i = 1:n
x(i) = b(i) / A(i,i)
end
W Matlab-ie:
>> A = ...
>> b = ...
>> x = b./diag(A)
A to macierz diagonalna. To jest jedy-
ny przypadek, gdzie dzielenie elementu
przez element (./) jest wykorzystane do
rozwiązywania układu równań.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 72
4.2.2. Rozwiązanie układu trójkątnego
Przykład:
Układ zdefinowany przez
A =
_
¸
¸
¸
_
−2 1 2
0 3 −2
0 0 4
_
¸
¸
¸
_
, b =
_
¸
¸
¸
_
9
−1
8
_
¸
¸
¸
_
.
jest równoważny z
−2x
1
+ x
2
+ 2x
3
= 9
3x
2
+ −2x
3
= −1
4x
3
= 8

x
3
=
8
4
= 2
x
2
=
1
3
(−1 + 2x
3
) =
3
3
= 1
x
1
=
1
−2
(9 −x
2
−2x
3
) =
4
−2
= −2
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 73
Algorytm 4.2 Układ trójkątny górny. Proces rozwiązywania polega na za-
stosowaniu metody podstawiania w odwrotnej kolejności poczynając od x
n
do
x
1
.
Wynik: x[n x 1]
Dane: U[n x n], b[n x 1]
x(n) = b(n) / U(n,n)
for i = n-1:1
s = b(i)
for j = i+1:n
s = s - U(i,j) * x(j)
end
x(i) = s / U(i,i)
end
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 74
Algorytm 4.3 Układ trójkątny dolny. Proces rozwiązywania polega na za-
stosowaniu metody podstawiania w kolejności poczynając od x
1
do x
n
.
Wynik: x[n x 1]
Dane: L[n x n], b[n x 1]
x(1) = b(1) / L(1,1)
for i = 2:n
s = b(i)
for j = 1:i-1
s = s - L(i,j) * x(j)
end
x(i) = s / L(i,i)
end
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 75
4.2.3. Eliminacja Gaussa
Przykład:
Rozwiążemy układ o macierzy:
A =
_
¸
¸
¸
_
−3 2 −1
6 −6 7
3 −4 4
_
¸
¸
¸
_
, b =
_
¸
¸
¸
_
−1
−7
−6
_
¸
¸
¸
_
.
W tym celu utworzymy macierz rozszerzoną
˜
A = [Ab] =
_
¸
¸
¸
_
−3 2 −1 −1
6 −6 7 −7
3 −4 4 −6
_
¸
¸
¸
_
a następnie będziemy przekształcać wiersze macierzy
˜
A tak by otrzymać macierz
trójkątną.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 76
Dodajmy 2 razy wiersz 1 do wierza 2, a następnie dodajmy 1 raz wiersz 1 do 3,
by poniżej głownej przekątnej w kolumnie 1 otrzymac zera.
˜
A
(1)
=
_
¸
¸
¸
_
−3 2 −1 −1
0 −2 5 −9
0 −2 3 −7
_
¸
¸
¸
_
Teraz zajmiemy się kolumną drugą. Należy odjąć od wiersza 3 wiersz 2.
˜
A
(2)
=
_
¸
¸
¸
_
−3 2 −1 −1
0 −2 5 −9
0 0 −2 2
_
¸
¸
¸
_

x
3
=
2
−2
= −1
x
2
=
1
−2
(−9 −5x
3
) = 2
x
1
=
1
−3
(−1 −2x
2
+ x
3
) = 2
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 77
Algorytm 4.4 Eliminacja Gaussa.
Wynik: U[n x n]
Dane: A[n x n]
U=[A b]
for i = 1:n-1
for k = i+1:n
for j = i:n+1
U(k,j) = U(k,j) - (U(k,i) / U(i,i)) * U(i,j)
end
end
end
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 78
4.2.4. Eliminacja Gaussa z wyszukiwaniem elementu głównego
Przykład:
Rozwiążemy inny układ o macierzy:
A =
_
¸
¸
¸
¸
¸
¸
_
2 4 −2 −2
1 2 4 −3
−3 −3 8 −2
−1 1 6 −3
_
¸
¸
¸
¸
¸
¸
_
, b =
_
¸
¸
¸
¸
¸
¸
_
−4
5
7
7
_
¸
¸
¸
¸
¸
¸
_
.
Podobnie jak poprzednio utworzymy macierz rozszerzoną
_
¸
¸
¸
¸
¸
¸
_
2 4 −2 −2 −4
1 2 4 −3 5
−3 −3 8 −2 7
−1 1 6 −3 7
_
¸
¸
¸
¸
¸
¸
_
i tak jak poprzednio spróbujemy utworzyć macierz trójkątną.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 79
Odejmiemy 1/2 raza wiersz 1 od wiersza 2, dodamy 3/2 raza 1 do 3 i 1/2 raza
wiersz 1 do 4.
_
¸
¸
¸
¸
¸
¸
_
2 4 −2 −2 −4
0 0 5 −2 7
0 3 5 −5 1
0 3 5 −4 5
_
¸
¸
¸
¸
¸
¸
_
okazuje się że element (22) na głównej przekatnej (element główny) jest równy
zero co uniemożliwia dalsze operacje. Dlatego musimy wykonać dodatkowe prze-
stawienie wiersza 2 i 4
_
¸
¸
¸
¸
¸
¸
_
2 4 −2 −2 −4
0 3 5 −5 1
0 3 5 −4 5
0 0 5 −2 7
_
¸
¸
¸
¸
¸
¸
_
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 80
Kontynuujemy eliminację: odejmujemy 1 raz wiersz 2 od 3. Ponownie na przekątnej
pojawia się zero zatem przestawiamy wiersz 3 z 4.
_
¸
¸
¸
¸
¸
¸
_
2 4 −2 −2 −4
0 3 5 −4 5
0 0 0 −1 −4
0 0 5 −2 7
_
¸
¸
¸
¸
¸
¸
_

_
¸
¸
¸
¸
¸
¸
_
2 4 −2 −2 −4
0 3 5 −4 5
0 0 5 −2 7
0 0 0 −1 −4
_
¸
¸
¸
¸
¸
¸
_
Dalej już postępujemy tak jak poprzednio.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 81
Algorytm 4.5 Eliminacja Gaussa z wyszukiwaniem elementu głównego.
Wynik: U[n x n]
Dane: A[n x n]
U=[A b]
for i = 1:n-1
for k=i:n
poszukaj numer wiersza j gdzie max(|U(j,i)|)>=max(|U(k,i)|)
przestaw wiersz U(j,:) z wierszem U(i,:)
end
for i = i+1:n
for j = i:n+1
U(k,j) = U(k,j) - (U(k,i) / U(i,i)) * U(i,j)
end
end
end
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 82
4.2.5. Rozwiązanie układu z użyciem opratora dzielenia lewo-
stronnego.
Dla równania skalarnego wiemy, że na przykład
5x = 20 → x = (5)
−1
20 = 4
Analogicznie możemy zapisać dla układu równań
Ax = b → x = A
−1
b
gdzie A
−1
b jest formalnym rozwiązaniem równań.
W notacji Matlab-a polecenie rozwiązania układu ma postać następującą
x = A\b
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 83
4.3. Co robi operator dzielenia lewostronnego?
Dla zadanej macierzy A o rozmiarze nn i wektora b operator \ wykonuje szereg
testów macierzy A. Matlabwybiera metodę rozwiązania układu tak by błędy
numeryczne i ilość operacji były najmniejsze.
1. Sprawdza, czy macierz można przedstawić w postaci trójkątnej? Jeśli tak, to
przyjmuje metodę trójkątów.
2. Sprawdza, czy A jest symetryczna i dodatnia? Jeśli tak, to przyjmuje metodę
Choleskiego.
3. Jeśli metoda Choleskiego zawiedzie lub jeśli macierz jest niesymetryczna, to
Matlabstosuje metodę rozkładu macierzy A na dolną i górną LU.
Limity maszynowe:
• zapotrzebowanie na RAM ∼ n
2
,
• czas obliczeń ∼ n
3
.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 84
5. Aproksymacja.
Zajmiemy się szukaniem krzywej y = F(x), dla zadanej liczby punktów (x
i
, y
i
)
dla i = 1, . . . , m
F(x) = c
1
f
1
(x) + c
2
f
2
(x) + + c
n
f
n
(x),
gdzie c
j
to nieznane współczynniki, a funkcje f
j
(x) nazywane są funkcjami bazo-
wymi, gdzie j = 1, . . . , n.
Aproksymację stosujemy wówczas, gdy ilość zadanych punktów m jest większa
od ilości nieznanych współczynników n krzywej F(x). Zwykle nie można przepro-
wadzić krzywej przez wszystkie zadane punkty. Szuka się wówczas ”najlepszej”
krzywej, w sensie minimum kwadratu błędów.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 85
5.1. Aproksymacja linią prostą
Rozważmy najprostszy przypadek, kiedy f
1
(x) = x, f
2
(x) = 1, a pozostałe funkcje
f
j
(x) = 0. Wówczas dla kolejnych punktów (x
i
, y
i
) mamy
c
1
x
1
+c
2
= y
1
c
1
x
2
+c
2
= y
2
.
.
.
.
.
.
c
n
x
m
+c
2
= y
m
lub
_
¸
¸
¸
¸
¸
¸
¸
_
x
1
1
x
2
1
.
.
.
.
.
.
x
m
1
_
¸
¸
¸
¸
¸
¸
¸
_
_
_
c
1
c
2
_
_
=
_
¸
¸
¸
¸
¸
¸
¸
_
y
1
y
2
.
.
.
y
m
_
¸
¸
¸
¸
¸
¸
¸
_
Zatem w postaci macierzowej zapiszemy Ac = y. Ponieważ równanie to dla m > n
nie ma dokładnego rozwiązania możemy zapisać
r = y −Ac,
gdzie r jest wektorem pionowych odległości pomiędzy szukaną krzywą i zadanymi
punktami. Będziemy szukali takiego rowiązania dla którego
m

i=1
r
2
i
lub macierzowo r
T
r ma wartość minimalną.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 86
Ponieważ r = y −Ac, to iloczyn r
T
r możemy zapisać w następującej formie:
r
T
r = (y −Ac)
T
(y −Ac)
= y
T
y −y
T
Ac −c
T
A
T
y + c
T
A
T
Ac
= y
T
y −2y
T
Ac + c
T
A
T
Ac.
Iloczyn ten osiąga minimum jeśli
d
dc
(r
T
r) = 0 → −A
T
y + A
T
Ac = 0,
co ostatecznie prowadzi do równaia
(A
T
A)c = A
T
y,
które nazywane jest równaniem aproksymacji.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 87
Przykład: Aproksymacja liniowa.
Szukamy linii prostej aproksymującej punkty (1 1), (2 2), (4 2), (5 3).
>> x=[1 2 4 5]; y=[1 2 2 3];
>> x=x’; y=y’;
>> A=[x ones(size(x))];
>> c=(A’*A)\(A’*y)
c =
0.4000
0.8000
Definiujemy wektory x i y ze współrzęd-
nymi punktów. Ponieważ dalej potrzeb-
ne są wektory kolumnowe, wykonujemy
transpozycję. Następnie wypełniamy ma-
cierz A, która w pierwszej kolumnie ma
wektor x, a w drugiej wektor jedynkowy
o rozmiarze macierzy x. Macierz współ-
czynników c liczymy wykorzystując rów-
nanie aproksymacji i operator dzielenia
lewostronnego \.
>> ya=c(1)*x+c(2)
>> plot(x,y,’o’,x,ya,’-’)
>> grid on
>> xlabel(’x’)
>> ylabel(’y=F(x)’)
Znając współczynniki c
1
, c
2
możemy ob-
liczyc nowe aproksymowane wartości ya
i przedstawić wyniki graficznie.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 88
5.2. Aproksymacja
Można wykazać, że równanie aproksymacji
(A
T
A)c = A
T
y
jest prawdziwe dla dowolnej funkcji aproksymacji w postaci:
F(x) = c
1
f
1
(x) + c
2
f
2
(x) + + c
n
f
n
(x),
gdzie c
j
to nieznane współczynniki, f
j
(x) to funkcje bazowe, a macierze A, c i y
mają następującą postać:
A =
_
¸
¸
¸
¸
¸
¸
¸
_
f
1
(x
1
) f
2
(x
1
) . . . f
n
(x
1
)
f
1
(x
2
) f
2
(x
2
) . . . f
n
(x
2
)
.
.
.
.
.
.
.
.
.
.
.
.
f
1
(x
m
) f
2
(x
m
) . . . f
n
(x
m
)
_
¸
¸
¸
¸
¸
¸
¸
_
, c =
_
¸
¸
¸
¸
¸
¸
¸
_
c
1
c
2
.
.
.
c
n
_
¸
¸
¸
¸
¸
¸
¸
_
, =
_
¸
¸
¸
¸
¸
¸
¸
_
y
1
y
2
.
.
.
y
m
_
¸
¸
¸
¸
¸
¸
¸
_
.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 89
Przykład: Aproksymacja
Szukamy funkcji w postaci
y =
c
1
x
+ c
2
x,
która aproksymuje następujące punkty:
x 0.955 1.380 1.854 2.093 2.674 3.006 3.255 3.940 4.060
y 5.722 4.812 4.727 4.850 5.011 5.253 5.617 6.282 6.255
Znajdziesz je w pliku ...\mn\dane\aprox.dat.
>> load aprox.dat
>> x=aprox(:,1)
>> y=aprox(:,2)
Ładowanie danych z pliku i kopiowanie
danych do odpowiednich wektorów ko-
lumnowych x, y.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 90
>> A=[1./x x];
>> c=(A’*A)\(A’*y)
c =
4.2596
1.3008
>> xa=linspace(min(x),max(x),100);
>> xa=xa’;
>> Aa=[1./xa xa];
>> ya=Aa*c;
>> plot(x,y,’o’,xa,ya,’-’)
>> xlabel(’x’)
>> ylabel(’y=F(x)’)
>> legend(’dane’,’aproksymacja’)
Przygotowanie macierzy A i rozwiąza-
nia równania aproksymacji. Polecenie
linspace generyje wektor wierszowy o
elementach równoodleglych w zadanym
zakresie. Zmienne z literą ”a” w nazwie
odnoszą się do wartości aproksymowa-
nych.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 91
5.3. Co jeszcze robi operator dzielenia lewostronnego?
Rozwiązanie równania macierzowego Ax = y, polega na wyborze właściwej meto-
dy i jej zostosowaniu. Wiemy już, że dla zadanej macierzy A o rozmiarze n n
i wektora y, operator \ wykonuje szereg testów macierzy A. Matlabwybiera
metodę rozwiązania układu tak by błędy numeryczne i ilość operacji były naj-
mniejsze.
Matlabdzięki wbudowanej wiedzy z algebry potrafi znacznie więcej.
x = A\y = (A’*A)\(A’*y)
W przypadku kiedy macierz układu A ma rozmiar m n, gdzie m > n au-
tomatycznie zakłada, że użytkownik chce otrzymać aproksymację rozwiązania z
najmniejszym błędem w sensie minimum kwadratu błędów. Zatem w Matlab-
ie równanie aproksymacji jest wywoływane bez udziału użytkownika, wystaryczy
użyć magicznego dzielenia lewostronnego.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 92
6. Interpolacja.
dane
aproksymacja
interpolacja
Interpolacja polega (podobnie jak aproksyma-
cja) na poszukiwaniu funkcji pomiędzy znany-
mi punktami. W przeciwieństwie do aproksy-
macji funkcja ta
• przechodzi przez te punkty.
Jeżeli poszukujemy funkcji poza zakresem za-
danych punktów to mówimy o ekstrapolacji.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 93
Wybrane metody interpolacji.
0 0.5 1 1.5
−20
0
20
40
60
80
100
120
Najblizszy sasiad
0 0.5 1 1.5
−20
0
20
40
60
80
100
120
Kawalkami liniowo
0 0.5 1 1.5
−20
0
20
40
60
80
100
120
Kawalkami kwadratowo
0 0.5 1 1.5
−20
0
20
40
60
80
100
120
Splajny kwadratowo
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 94
Ćwiczenie: Interpolacja wielomianem.
P
n−1
(x) = c
1
x
n−1
+ c
2
x
n−2
+ + c
n−1
x + c
n
>> rok=[1986 1988 1990 1992 1994 1996];
>> cena=[3.13 3.32 3.38 3.41 3.37 3.44];
>> plot(rok,cena,’o’)
>> A=vander(rok);% funkcja MATLABA [x^n x^n-1 .. 1], n wym. x
>> cena=cena’; % macierz prawych stron układu
>> c=A\cena % otrzymasz ostrzeżenie - złe skalowanie
>> xnowe=linspace(min(rok),max(rok),100);
>> ynowe=polyval(c,xnowe);
>> plot(rok,cena,’o’,xnowe,ynowe,’-’)
>> rokumowny=rok-mean(rok) % poprawienie skalowania macierzy A
Wykonaj ponownie wszystkie obliczenia dla zmiennej niezależnej (przesuniętej)
rokumowny. Na kartce ”Zadania do zaliczenia (5)” w polu ”Zadanie 2” wpisz
obliczone c
i
. W katalogu ...\toolbox\mn\interpolacja znajdziesz pomocną
funkcję Idemo_02.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 95
Ćwiczenie: Interpolacja wielomianem Lagrange-a.
P
n−1
(x) = y
1
L
1
(x) +y
2
L
2
(x) + +y
n
L
n
(x), gdzie L
j
(x) =
n

k=1,k,=j
x −x
k
x
j
−x
k
W katalogu ...\toolbox\mn\interpolacja znajdziesz funkcję ILagrange.
Korzystając z tej funkcji, oblicz cenę benzyny w 1991 roku dla danych z poprzed-
niego przykładu.
Ćwiczenie: Interpolacja wielomianem Newton-a.
P
n−1
(x) = c
1
+c
2
(x−x
1
)+c
3
(x−x
1
)(c−x
2
)+ +c
n
(x−x
1
)(x−x
2
) (x−x
n
)
W katalogu ...\toolbox\mn\interpolacja znajdziesz funkcję INewton. Ko-
rzystając z tej funkcji, oblicz cenę benzyny w 1993 roku.
Funkcje Idemo_03 i Idemo_04 demonstrują wykorzystanie funkcji: ILagrange,
INewton.
Uwaga! Nie trzeba rozwiązywać układu równań. Jest to zaleta tych metod.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 96
Porównanie interpolacji:
10
0
10
1
10
2
10
3
10
2
10
3
10
4
10
5
liczba interpolowanych punktów
F
l
o
p
s
wielomian
Lagrange
Newton
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 97
Ćwiczenie: Zbadaj wpływ stopnia wielomianu użytego do interpolacji na jej
jakość. Skorzystaj z funkcji Idemo_05. Wniosk wpisz na kartce ”Zadania do zali-
czenia (5)” w polu ”Zadanie 3”
0 2 4 6 8 10
−5
0
5
0 2 4 6 8 10
−5
0
5
0 2 4 6 8 10
−5
0
5
0 2 4 6 8 10
−5
0
5
0 2 4 6 8 10
−5
0
5
0 2 4 6 8 10
−5
0
5
0 2 4 6 8 10
−5
0
5
0 2 4 6 8 10
−5
0
5
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 98
6.1. Interpolacja wielomianami sklejanymi.
Interpolacja wielomianami sklejanymi to praktyczne rozwiązanie konieczności
zwiększania stopnia wielomianu. Zamiast stosować jeden wielomian dla wszystkich
danych punktów, metoda sklejania polega na użyciu wielu wielomianów niskiego
stopnia P
i
(x) dla przedziału danych x
i
· x · x
i+1
. Punkty łączenia wielomia-
nów będziemy nazywali węzłami. W węzłach możemy żądać spełnienia określonych
warunków np. na ciągłość pochodnych.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 99
Interpolacja wielomianami sklejanymi.
x
i
x
i+1
funkcja interpolacyjna
wezly
dane punkty
P
i

P
i+1

P
i+2

•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 100
6.2. Interpolacja kawałkami liniowa.
0 1 2 3 4 5 6 7
−1
−0.8
−0.6
−0.4
−0.2
0
0.2
0.4
0.6
0.8
1
p
l
o
t
(
x
,
s
i
n
(
x
)
)
x
x=linespace(0,2*pi,100)
x=linespace(0,2*pi,6)
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 101
Ćwiczenie: Znajdź dla danych VT.dat temperaturę złącza dla napięcia 0.8mV,
oraz napięcie na złączu dla temperatury 37 stopni. Wykorzystaj funkcję ILiniowa.
>>
>> load(’VT.dat’)
>> V=VT(:,1);
>> T=VT(:,2);
Ładowanie danych z pliku ”VT.dat” do
zmiennej VT, a następnie przepisanie da-
nych z odpowiedniej kolumny macierzy
VT do V (napięcie) i T (temperatura).
Wynik wpisz w polu ”Zadania 4”.
>> Tszukane=ILiniowa(V,T,0.8) Wywołanie funkcji ILiniowa dla przy-
padku kiedy T = f(V ).
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 102
6.3. Interpolacja kawałkami sześcienna - Hermite.
P
i
(x) = a
i
+ b
i
(x −x
i
) + c
i
(x −x
i
)
2
+ d
i
(x −x
i
)
3
,
gdzie a
i
, b
i
, c
i
, d
i
są szukanymi współczynnikami przy następujących warunkach w
węzłach:
• ciągłość P
i−1
(x
i
) = P
i
(x
i
),
• znane wartości pierwszej pochodnej i jej ciągłość P
/
i−1
(x
i
) = P
/
i
(x
i
).
Ćwiczenie: Skorzystaj z funkcji IHermite i Idemo_06 by określić jakość inter-
polacji od ilości węzłów dla funkcji y = xe
−x
. W polu ”Zadania 5” wpisz wielkość
błędu dla 6 i 10 węzłów.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 103
6.4. Interpolacja kawałkami sześcienna - splajny.
Metod splajnów jest zbliżona do interpolacji Hermite’a. Nie wymaga ona znajo-
mości pochodnych we wszystkich punktach węzłowych. Natomiast wymaga dodat-
kowo:
• ciągłości drugiej pochodnej P
//
i−1
(x
i
) = P
//
i
(x
i
),
• znanej wartości pierwszej pochodnej (nachylenia) na końcach P
/
1
(x
1
) i P
/
n
(x
n
):
– Ustalone nachylenie: P
/
1
(x
1
) = stała1 i P
/
n
(x
n
) = stała2,
– Nachylenie naturalne: P
//
1
(x
1
) = P
//
n
(x
n
) = 0,
– Nachylenie nieznane: P
///
1
(x
2
) = P
///
2
(x
2
) i P
///
1
(x
2
) = P
///
2
(x
2
).
Ćwiczenie: Zbadaj przy pomocy funkcji Idemo_07 i Idemo_08 zależność wa-
runku na końcach na jakość aproksymacji. Sprawdź wniosek dla różnych ilości
węzłów. Wnioski zapisz w polu ”Zadania 6”.
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 104
6.5. Funkcje interpolacyjne Matlab -a.
Funkcja Matlab-a interp1 wykonuje interpolację jedną z metod:
• nearest - najbliższego sąsiada, polegającą na użyciu funkcji stałych,
• linear - kawałkami liniowa, przy użyciu wielomianu rzędu jeden,
• cubic - kawałkami sześcienna, przy użyciu wielomianów rzędu trzy, takich
że pierwsza pochodna jest ciągła,
• spline - splajnów (to samo co funkcja spline).
Może być wywołana następująco:
Ynowe=interp1(Xdane,Ydane,Xnowe)
Ynowe=interp1(Xdane,Ydane,Xnowe,’metoda’).
Oznaczenia:
Ydane - wektor rzędnych funkcji w zadanych punktach,
Xdane - wektor odciętych zadanych punktów,
Xnowe - wektor odciętych dla których szukamy wartości funkcji.

Sign up to vote on this title
UsefulNot useful