Skip to content

MATLAB 数学计算 ​

同样是输入几个数字,求方程的解、估计曲线斜率、计算曲线下的面积,是三种不同的问题。先写清手里已有的量和希望得到的量,再选择函数。了解 MATLAB 基础 的数组和函数,就能运行本节。代码中的 @(x) cos(x)-x 是一个匿名函数句柄,把 x 传入即可计算 cos⁡x−x,也可以把这个句柄交给数值求解器反复调用。

线性代数与方程残差 ​

令 A=[2113]、b=(8,9)T。两式给出 2x1+x2=8 与 x1+3x2=9。把 x2=8−2x1 代入后得 −5x1=−15,因此 x=(3,2)T。在 MATLAB 中用 A \ b 求解,并用 norm(A*x-b) 检查残差。当 A 接近奇异,微小的测量误差也可能使解改变很多,残差很小仍要配合 cond(A) 检查问题对扰动的敏感度。 MathWorks 线性方程组

求根、积分与数值微分 ​

  • 求根 问的是在哪个 x 上 f(x)=0。例如固定点 x=cos⁡x,可将其改写为 f(x)=cos⁡x−x。区间 [0,1] 中函数连续,且 f(0)>0、f(1)<0,因此可用 fzero(@(x) cos(x)-x,[0,1])。终值约 0.739085,把它代回检查残差。偶重根两侧可能同号,异号括区法会错过它。
  • 积分 问的是把变化率沿时间累积多少。例如 integral(@(x) exp(-x),0,2) 计算 1−e−2,约为 0.864665。如果只知道有限个采样值,用 trapz(t, y) 根据相邻点构造梯形,输入 t 可保留实际时间间隔。
  • 数值微分 用附近样本估计斜率。中心差分为 (f(x+h)−f(x−h))/(2h)。设 f(x)=e−x,在 x=1 用 h=0.1,结果约为 −0.368493,解析值为 −e−1。向量数据可用 gradient(y,h) 估算等间距网格上的斜率。减小 h 可以减轻截断误差,相近数值相减也会放大舍入误差,观测噪声同样会影响差分。 MathWorks 数值积分 · 数值梯度

用同一组点练习插值与最小二乘拟合 ​

给定模拟校准点 (0,1),(1,3),(2,4),(3,6)。需要回答“2.5 位于 2 与 3 中间,按这两个标定点过渡应是多少”时,用 interp1 做线性插值,得到 4+(6−4)×0.5=5。如果要找一条概括整体关系的直线,最小化四个残差的平方和。

J(k,b)=∑i=14(yi−kxi−b)2,X=[01112131].

X 的第二列恒为 1,使每个预测值都能加上同一个自由截距 b。把残差记成 r=y−Xβ,其中 β=(k,b)T。计算 ∇β(rTr)=−2XTr,令其为零可得 XTr=0。因此最优拟合的残差与两列特征正交。可以直接用 X \ y 求最小二乘,避免先形成 XTX 再求逆时放大的数值误差。用 polyfit(x,y,1) 也能获得同一阶多项式系数。这里 k=1.6、b=1.1,因此拟合在 2.5 处为 5.1,残差平方和为 0.2。真实校准应再用未参与估计的标定点检验。

微分方程、极小值与统计 ​

  • ODE 初值问题 给了变化率和起点,要求整段轨迹。假定空气温度恒为 25∘C,物体初温 85∘C,冷却率 0.2min−1。写作 T′=−0.2(T−25),传给 ode45 的函数顺序是 @(t,T),无需用到的时间参数也保留在位置上。用 T(t)=25+60e−0.2t 对照数值结果,5 min 时约 47.073∘C。初值和输出时刻由调用者给定,求解器自己的内部步长可以随误差估计改变。 MathWorks ode45
  • 数值优化 问的是目标最小在哪。例子以区间 [0,5] 上的 C(u)=(u−3)2+2 为目标,fminbnd 返回 u=3,值为 2。由于此目标是凸二次函数,并且最小点位于区间内,可以从公式验算其全局最小。一般目标有多处低谷时,要检查搜索区间、端点和候选解。多元无约束可用 fminsearch,对初值敏感的问题应比较多个起点。 MathWorks fminbnd · fminsearch
  • 统计与概率 样本 [1;3;4;6] 的均值为 3.5,样本标准差 std(y,0) 除以 n−1 后再开方,约为 2.082。变量间线性相关程度可看 corrcoef(x,y) 的非对角线元素。对标准正态变量 Z,右尾概率 P(Z>1.96) 可通过基础函数 0.5*erfc(1.96/sqrt(2)) 得到约 0.0250。若要用模拟频率对照,可用 rng(42,'twister'); mean(randn(10000,1) > 1.96),结果允许蒙特卡洛波动。

工具箱与基础 MATLAB 的替代方法 ​

下面的完整实验以 MATLAB R2020a 或更新版本为目标,依赖基础 MATLAB。GNU Octave 兼容性未验证。需要使用某个工具箱时,可用 ver 核对安装产品。使用还取决于当前许可。

想解决的问题可选工具箱的函数使用基础 MATLAB 时
取得导数、原函数或代数解的表达式Symbolic Math Toolbox 的 syms、diff、int、solve若只需要数值,分别用中心差分、integral、fzero。表达式可针对具体方程手推。
带一般约束的优化Optimization Toolbox 的 fmincon(非线性)、linprog(线性)低维教学问题可枚举候选点并检验约束,例如二维线性规划枚举顶点,需确认可行集非空有界。标量区间最小化可用 fminbnd 并比较端点。
函数拟合及诊断Curve Fitting Toolbox 的 fit多项式可用 polyfit。对参数线性的模型可构建设计矩阵,用反斜杠和残差检查。
常见分布、检验和统计模型Statistics and Machine Learning Toolbox 的 normcdf、fitlm 等基础 mean、std、corrcoef 做描述统计。正态概率用 erfc 换算,普通线性回归可用反斜杠。

例如,装有 Symbolic Math Toolbox 时,可以在命令窗口运行以下独立算例。计算 diff 时,符号输入表示求表达式的导数,数值数组输入则返回邻元素的差。

matlab
% 创建符号变量,保留多项式的精确表达式,再对它求导和积分。
syms x
f = 3*x^2 + 2;
df = diff(f, x);    % 6*x
area = int(f, x, 0, 1);   % 3

MathWorks 符号计算

完整实验 ​

下载到 MATLAB 当前文件夹,运行 result = mmf_matlab_numerics()。输出结构体包含线性系统残差、求根残差、两种积分、拟合参数和 ODE 解析对照。可单独查看 result.fit_sse 或 result.ode_max_error。

matlab
function result = mmf_matlab_numerics()
% 用带解析答案的小算例练习常用数值工具,所有计算使用基础 MATLAB。

% 线性系统:用残差检查求得的向量是否满足原方程。
A = [2, 1; 1, 3];
b = [8; 9];
% A 是 2×2 系数矩阵,b 是 2×1 右端,反斜杠直接求解方程组。
solution = A \ b;
linearResidual = norm(A * solution - b);

% 传入函数句柄。区间端点处函数值异号,且区间内函数连续。
balance = @(x) cos(x) - x;
% fzero 的第二个返回量是函数在所求根处的值,可据此检查求根残差。
[root, rootResidual] = fzero(balance, [0, 1]);

% 连续函数用 integral,离散采样用 trapz 并保留时间坐标。
decay = @(x) exp(-x);
xSample = linspace(0, 2, 11);
area = integral(decay, 0, 2);
sampledArea = trapz(xSample, decay(xSample));
% 以 x=1 为中心,取左右对称两个取样点求变化率。
h = 0.1;
derivative = (decay(1+h) - decay(1-h)) / (2*h);

% 假设校准数据。插值由相邻点给值,拟合利用全部数据估计两参数。
x = [0; 1; 2; 3];
y = [1; 3; 4; 6];
interpolated = interp1(x, y, 2.5, 'linear');
design = [x, ones(size(x))];
coefficients = design \ y;
yFit = design * coefficients;
residual = y - yFit;
polyfitCoefficients = polyfit(x, y, 1);
assert(norm(coefficients - polyfitCoefficients.', inf) < 1e-10);

% 计算简单冷却轨迹。时间向量规定返回哪些时刻的解。
air = 25;
initial = 85;
rate = 0.2;
cooling = @(t, temperature) -rate*(temperature - air);
options = odeset('RelTol', 1e-9, 'AbsTol', 1e-11);
% ode45 使用自适应内部步长;RelTol 和 AbsTol 控制局部误差估计。
[time, temperature] = ode45(cooling, (0:0.5:5).', initial, options);
exact = air + (initial-air)*exp(-rate*time);

% 一元有界最小化。已知这个教学目标是凸二次函数。
cost = @(u) (u-3).^2 + 2;
[minimumAt, minimumCost] = fminbnd(cost, 0, 5);

% 给定样本的描述统计量,std(y,0) 使用分母 n-1。
center = mean(y);
spread = std(y,0);
correlations = corrcoef(x,y);
% 标准正态分布右尾 P(Z > 1.96),用基础 MATLAB 的互补误差函数。
upperTail = 0.5*erfc(1.96/sqrt(2));

result = struct('linear_solution', solution.', 'linear_residual', linearResidual, ...
    'root', root, 'root_residual', abs(rootResidual), 'integral', area, ...
    'sampled_integral', sampledArea, 'derivative', derivative, ...
    'interpolated', interpolated, 'slope', coefficients(1), ...
    'intercept', coefficients(2), 'fit_sse', sum(residual.^2), ...
    'ode_final', temperature(end), 'ode_max_error', max(abs(temperature-exact)), ...
    'minimum_at', minimumAt, 'minimum_cost', minimumCost, ...
    'sample_mean', center, 'sample_std', spread, 'correlation', correlations(1,2), ...
    'normal_upper_tail', upperTail);
end

下载 MATLAB 源码

练习与参考解答 ​

  1. 把梯形积分采样点数从 11 改成 21。用 abs(sampledArea-area) 比较两次误差,预测误差改变的方向。
  2. 另建一个去掉常数列的校准设计矩阵,只估计 k。计算新斜率,解释数据点 (0,1) 的误差来源。
  3. 把冷却率改成 0.4min−1,保持其他条件相同。先算 5 min 的解析温度,再检查 ODE 输出。
展开参考解答
  1. 原间隔 0.2,新间隔 0.1。光滑函数的复合梯形积分误差为二阶,误差约从 0.00288 降到 0.00072。e−x 在区间上是凸函数,两次梯形面积都略大于真值。
  2. 用 throughOrigin = x \ y;。此时 k^=(∑ixiyi)/(∑ixi2)=29/14。模型被约束通过原点,x=0 的预测必为零,残差为 1。
  3. T(5)=25+60e−2≈33.1201∘C。把函数中的 rate 改为 0.4,结果的 ode_final 应接近此值,ode_max_error 可以验证全部返回时刻。

下一节 MATLAB 数据分析与可视化

MathModel FAQ · 数学建模知识库