常用命令
命令 | 功能 |
---|---|
format long | 定义输出格式为长格式(15 位数字) |
xi = linspace(1,2,100) | 构造 100 个元素的数组,其值从 1 到 2 均匀分布 |
xi.^2 | 群运算,对向量 xi 中所有元素进行幂运算 |
plot(xi,yi,x,y,’o’,x0,y0,’*’) | 画图,其中 xi,yi 是向量,画出一条曲线,(x,y) 画’o’,(x0,y0) 画 ‘*’ |
A’ | 矩阵 A 的转置 |
[A,B] = meshgrid(x,y) | 用于从数组 x 和 y 产生网格,生成 size(y)*size(x) 大小的矩阵 A 和 B。它相当于 x 从一行重复增加到 size(y) 行,把 y 转置成一列再重复增加到 size(x) 列 |
c = regress(y,x) | y 是因变量数据向量,x 是自变量数据矩阵。输出向量 c 为回归系数估计值 |
例1. 求解线性代数
从一桶(31.5 加仑)原油中,不同的炼油厂可生成石油产品如下(单位:加仑)
(1)现在需要 9600 加仑燃料油,12800 加仑柴油及 16000 加仑汽油,则每个炼油厂所用石油的桶数是多少?
(2)假设上述的炼油厂模型中汽油的生产无关紧要(储油罐里有充分的储存量),我们只关心燃料油与柴油的需求,则每个炼油厂所用的石油桶数各是多少?
(3)假定炼油厂模型中的第二个炼油厂停产,而我们必须设法由仅有的两个炼油厂满足需求,则这两个炼油厂所用的石油桶数各是多少?
(1)设 ( = 1,2,3),表示第 个炼油厂所用石油的桶数
则 满足
令 A = , = ,b = ,则解方程组 A = b 可得每个炼油厂所用石油的桶数
x1 = [16;8;4];
x2 = [8;20;10];
x3 = [8;8;20];
A = [x1 x2 x3];
b = [9600;12800;16000];
x = inv(A)*b
即三个炼油厂分别用 125、350 和 600 桶石油
(2)由于不考虑汽油的生产量,因此方程组变为
令 B = , = , = ,因此经初等变换可将 B 化为行最简形 B ,由此可得石油桶数
B = [16 8 8;8 20 8];
d = [9600;12800];
[B0,i] = rref([B,d])
由运行结果可以看出,
(3)由于第二炼油厂停产,因此方程组变为
A = [16 8;8 8;4 20];
b = [9600;12800;16000];
x = inv(A'*A)*A'*b;
此时第一和第三炼油厂需要的石油至少是 320 和 780 桶
例2. 三次多项式插值
用三次多项式插值公式计算
的近似值,并作出图形
根据已知条件,把 4 个点的做标识
= 1.1275,
= 1.1503,
= 1.1735,
= 1.1973 分别代入三次多项式
=
+
+
+
中,可得:
format long % 定义输出格式为长格式
A = [1 1.1275 1.1275^2 1.1275^3;
1 1.1503 1.1503^2 1.1503^3;
1 1.1735 1.1735^2 1.1735^3;
1 1.1972 1.1972^2 1.1972^3]; % 输入矩阵 A
b = [0.1191;0.13954;0.15932;0.17903]; % 输入系数 b
a = inv(A)*b; % 计算多项式的系数
x0 = 1.1300; % 输入需要计算的点
y0 = a(1)+a(2)*x0+a(3)*x0^2+a(4)*x0^3 % 计算该点的值
x = [1.1275;1.1503;1.1735;1.1972]; % 输入已知点
y = [0.1191;0.13954;0.15932;0.17903];
xi = linspace(1.1,1.3,2000); % 构造数值 xi,从 1.1 到 1.3,取 2000 个等距值
yi = a(1)+a(2)*xi+a(3)*xi.^2+a(4)*xi.^3; % 计算 xi 对应的多项式 yi
plot(xi,yi,x,y,'o',x0,y0,'*'); % 画图
例3. 一元线性回归分析模型
根据下表预测 2011 年产量为 320 万件时的总成本
年度 | 产量 X(万件) | 总成本 Y(万元) |
---|---|---|
2006 | 80 | 4600 |
2007 | 110 | 5500 |
2008 | 160 | 5850 |
2009 | 230 | 5350 |
2010 | 300 | 6200 |
假设成本 Y 是产量 X 的一次线性函数,即二者的关系是:Y = a + b*X
X = [80;110;160;230;300];
Y = [4600;5500;5850;5350;6200];
XX = [ones(5,1),X]; % 为了在回归得到常数项系数 a,将 XX 作为回归的自变量
C =regress(Y,XX) % C 是一个回归系数矩阵
因此,可以认为产量与成本的关系为:Y = 4626.0 + 5.0 * X。
当 X = 320 万件时,Y = 6226(万元)