(PL) Matlab - Metody Numeryczne

Metody numeryczne - laboratorium.
Matlab 6.1
wersja 2.3
Kwiecień 2002
•Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 1
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
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
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.
 
 a11 a12 . . . a1n 
a21 a22 . . . a2n
 
 
Amn = 

 ... ... ... ...



 
 
am1 am2 . . . amn
1. Matlab - podstawy
1.1. Wiadomości ogólne.
Matlab umożliwia 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
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 Matlab mają rozszerzenie *.m
• w Matlab -ie są rozróżnialne małe i duże litery!
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)
W Matlab -ie podstawowym poleceniem jest instrukcja przypisania:
zmienna = wartość
>> x=5 jeśli na końcu polecenia zostanie posta-

x = wiony średnik, to wartość zmiennej nie
5 będzie wyświetlona,
>> z=6;
zmienna = wyrażenie
>> 5+4 jeśli nie zostanie zdefiniowana zmienna

ans = (nie nadana nazwa zmiennej), to Ma-
9 tlab przypisuje jej nazwę zmiennej ro-
boczej ans,
>> z=5*7
z =
35
1.3. Wyrażenia w Matlab -ie.
Matlab udostępnia użytkownikowi polecenia - komendy, które w odróżnieniu od
innych języków programowania związane są z macierzami. Polecenia wykonują
operacje na:
• zmiennych,
• liczbach,
• operatorach,
• funkcjach.
1.3.1. Zmienne.
Matlab nie wymaga deklaracji typu i wymiarów zmiennych. Automatycznie two-

rzy zmienną i przydziela jej domyślny obszar pamięci. Jeżeli zmienna już istnieje,
Matlab zmienia 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 Matlab rozróżnia małe i duże litery.
1.3.2. Liczby.
Matlab używa 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 .
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 ustawienie formatu liczb na 0.12345 10123

>> a
>> format short ustawienie formatu liczb na 0.12345
>> a
>> format long format 0.123456789012345
>> a
>> format long e format 0.123456789012345 10123
>> a
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
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 Matlab tylko liczba zero ma wartość logiczną false - fałsz,
pozostałe liczby mają wartość logiczną true - prawda.
1.3.4. Funkcje.
Matlab udostępnia 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 polecenie wyświetlające listę zaawanso-
>> help elmat 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.
Matlab udostępnia 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 nazwy powyższych funkcji nie są zastrze-

ans = żone, dzięki czemu jest możliwa zmiana
2.220446049250313e-016 ich wartości
>>eps = 1.e-6
>>clear eps domyślna wartość funkcji może być od-
tworzona przy pomocy polecenia
Przykład:
>> a=10/0 Ostrzeżenie: Dzielenie przez zero.
Warning: Divide by zero.
a =
Inf
>>b=0/0
Warning: Divide by zero.
b =
NaN
>>c=Inf-Inf
c =
NaN
Przykład: Wyrażenia z wykorzystaniem wbudowanych funkcji.
√
>>rho = (1+sqrt(5))/2 funkcje sqrt() - ·, abs() - |·|, . . .
rho =
1.6180
>>a = abs(3+4i)
a =
5
>>duzo = exp(log(realmax))
duzo =
1.7977e+308
>>zbytduzo = pi*duzo
zbytduzo =
Inf
Ćwiczenie: Wypełnij macierze. Sprawdź rezutalt poleceniem whos.
>> a=1.234; polecenie size zwraca wymiar macierzy,
>> size(a) 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
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 zapamiętaj rolę zmiany linii (Enter) w

5 7 trakcie wypełniania macierzy, jest ona ta-
9 10] ka sama jak rola średnika
>> e=[3 5 10 0; 0 0 ... ... to znak kontynuacji wiersza

0 3; 3 9 9 8]
Ćwiczenie: Wykonaj polecenia - spróbuj przewidzieć wynik. Sprawdź rezutalt
poleceniem whos.
>> t=[4 24 9] zauważ, że elementami macierzy mogą
>> q=[t 0 t] być macierze
>> x=[3 6] macierz d była wprowadzone wcześniej i

>> y=[d;x] zapamiętana w przestrzeni roboczej
>> z=[x;d]
>> r=[c;x,5] nie pomyl średnika z przecinkiem i ko-
>> c niecznie sprawdź poleceniem whos co już
masz w pamięci, macierz c zdefinowano
wcześniej
>> c(2,1) c(2,1) wskazuje konkretny element ma-

>> v=[c(2,1);b] cierzy
>> a(2,1)=-3 czy wynik tych poleceń jest zaskakujący

>> c(1,5)=1 ?
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)
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) Wywołaj funkcję na różne znane ci sposo-
>> a=4, b=6, c=pit(a,b) by. Wykonaj polecenie help pit. Zmo-
dyfikuj komentarz (tekst poprzedzony
znakiem %)
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) y - wektor wrtości na osi pionowej, na osi
plot(x,y) poziomej będą kolejne liczby natu-
plot(x,y,s) ralne
plot(x,y,s,x1,y1,s1,...) 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
Przykład:
>> x=-pi:0.1:pi; pierwsze polecenie wypełnia macierz x w
>> plot(x,sin(x),’+-’,x,cos(x),’*’) zakresie od −π do π co 0.1, drugie rysuje
dwie funkcje
polecenie sin(x) generuje macierz war-
tości dla wszystkich warości macierzy x
1
0.8
0.6
0.4
0.2
−0.2
−0.4
−0.6
−0.8
−1
−4 −3 −2 −1 0 1 2 3 4
Polecenie subplot dzieli okno graficzne na mniejsze prostokątne pola.
subplot(m,n,p) m,n - ilość pól pionowo i poziomo
subplot(mnp) 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))
1
0.5
−0.5
−1
−5 0 5
0.5
−0.5
−1
−5 −4 −3 −2 −1 0 1 2 3 4 5
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
Przykład: Rysunek 3-D.
>> [x,y] = meshgrid(-2:.2:2, -2:.2:2);
>> z = x .* exp(-x.^2 - y.^2);
>> mesh(z)
0.5
−0.5
50
40 50
30 40
20 30
20
10
10
0 0
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 ’nazwa pliku’ - nazwa pliku do które-
save ’nazwa pliku’ go zapisżą się dane (domyślnie ’ma-
save ’nazwa pliku’ ’lista zmiennych’ 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.
Przykład:
>> clear zapis zmiennych A i b do pliku ’ma-
>> A=[1,2,3;4,5,6;7,8,9]; tlab.mat’
>> b=12;
>> save
Saving to: matlab.mat
>> clear czyścimy wszystkie zmienne poleceniem

>> who clear, upewniamy się, że to prawda po-
>> load leceniem who i czytamy zapisane wcze-
śniej zmienne z pliku ’matlab.mat’
Loading from: matlab.mat
>> who
Your variables are:
A b
>> save zmiennaa A zapis i odczyt zmiennej A z pliku ’zmien-

>> clear naa.mat’
>> load zmiennaa
>> who
Your variables are:
A •Pierwsza •Poprzednia •Następna •Ostatnia •Wróć •Cały ekran •Zamknij •Wyjdź •Strona: 31
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
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
Przykład:
>> save zmienne A B
>> clear
>> load zmienne B
>> who
Your variables are:
B
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.
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 wczytuje plik danych i tworzy zmienna

>> magik magik zawierającą przykładową macierz.
1.7. Literatura
1. Matlab 6 - 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.
2. Nieuniknione błędy.
Przykład:
>> format long e Polecenie zmiany formatu wyświetlania

liczby (help format).
>> 2.6 + 0.2 Dlaczego 2.6 + 0.2 + 0.2 + 0.2 6= 2.6 + 0.6?
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
2.1. Miary błędów.
błąd bezwzględny = |wartość otrzymana − wartość prawdziwa|
otrzymana − wartość prawdziwa

wartość

błąd względny =
wartość prawdziwa

2.2. Reprezentacja binarna liczby rzeczywistej.
• Każdą liczbę można zamienić do następującej postaci, nazywanej znormalizo-
waną notacją naukową:
3
123.456 → 0.123456
| {z } ×10
mantysa
• Skończona liczba bitów jest przeznaczana na zapamiętanie liczby, przy czym

część bitów bm przeznaczana jest na znormalizowana mantysę z przedziału
(0.1,1.0), a część na całkowitą potęgę bp . Zarówno bm jak i bp mogą przyjmować
wartości 1 lub 0.
64 bity
z }| {
bm |bm bm · · · · · {z· · · · b b b
|{z}
m m m
} bp b| p bp · ·{z· bp bp bp}
|{z}
znak 52 bity znak 10 bitów
| {z }| {z }
mantysa potęga
2.3. Zamieniamy całkowitą potęgę do układu binarnego
1
pk = p0 − bpk 2k−1 = pk−1 − bpk 2k−1 ,
X
gdzie p0 = potęga
k=10
Przykład: Niech potęga p0 = 10.

k 2k−1 bpk pk = pk−1 − bpk 2k−1
... 0 10
4 8 1 2
3 4 0 2
2 2 1 0
1 1 0 0
2.4. Zamieniamy rzeczywistą mantysę do układu binarnego
 k k  
m 1 m 1
52
mk = m0 − = mk−1 − bk
X
bk , gdzie m0 = mantysa
k=1 2 2
Przykład: Niech mantysa m0 = 0.8125.

k k
1 1
k 2 bm
k mk = mk−1 − bk 2
1 0.5 1 0.3125
2 0.25 1 0.0625
3 0.125 0 0.0625
4 0.0625 1 0.0000
...
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).
2.5. Liczby użyteczne i nieużyteczne.
>> relmax Sprawdź wartości tych zmiennych. Da-
lej ich wartości będziemy oznaczać odpo-
>> relmin wiednio: Rmax i Rmin .
Zakresy dyskretnej reprezentacji liczb rzeczywistych:

przydatność liczb zakres wartości komentarz
nieużyteczne (−∞, −Rmax ) przepełnienie (z ang. overflow)
użyteczne (−Rmax , −Rmin ) pełna precyzja mantysy
część. użyteczne (−Rmin , −Rmin − ε) gorsza precyzja mantysy
nieużyteczne (−Rmin − ε, 0, +Rmin − ε) zero
część. użyteczne (+Rmin − ε, +Rmax ) gorsza precyzja mantysy
użyteczne (+Rmin , +Rmax ) pełna precyzja mantysy
nieużyteczne (+Rmax , +∞) przepełnienie
3. Macierze i operacje na nich, techniki
przetwarzania macierzy.
Macierz A to tablica elementów aik 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 m × n nazywane są rozmiarem macierzy.
 
 a11 a12 . . . a1n 
a21 a22 . . . a2n
 
 
A= 
 .. .. .. ..





. . . . 


am1 am2 . . . amn
Poznaliśmy na wcześniejszych zajęciach symbole operacji macierzowych: ^ potę-
gowanie, ’ sprzężenie, .’ transpozycja, * mnożenie, / dzielenie prawostronne, \
dzielenie lewostronne, + odejmowanie, - odejmowanie. Teraz zajmiemy się nimi
bliżej.
3.1. Mnożenie macierzy
Mnożenie macierzy A o rozmiarze m × k 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:
r
C = AB ⇐⇒ ci,j =
X
ai,k bk,j
k=1
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 6= BA.
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
3.2. Potęgowanie i dzielenie macierzy
Operacja potęgowania (symbol ^ w Matlab -ie) to krótszy zapis mnożenia macie-
rzy przez samą siebie, czyli A2 = AA, a A3 = (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.
Ćwiczenie: Pomnóż i podziel macierze
Niech  
4 3 2
−3 
   
 1

−4 2 −2   
A= , w =  −2  , x =  2  .



 0 −1 0 
 3 4
−1 2 2
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?
3.3. Transpozycja i sprzężenie macierzy
Dla dowolnej macierzy A o elementach aij istnieje macierz transponowana AT ,
której kolumny są wierszami macierzy A. W Matlab -ie symbolem operatora
transpozycji są dwa znaki występujące jeden za drugim (bez spacji) .’
   
 a11 a12 . . . a1n   a11 a21 . . . am1 
a21 a22 . . . a2n a12 a22 . . . am2 
   
AT =
  
A= 
 .. .. .. ..

 → 
 ... ... ... ...  .



. . . . 







am1 am2 . . . amn a1n a2n . . . amn
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.
Przykład:
>> A=[1+2i 2 3 4; 5 6 7 8].’ element a11 = 1 + 2i jest liczbą zespoloną
A =
1.0000 + 2.0000i 5.0000
2.0000 6.0000
3.0000 7.0000
4.0000 8.0000
>> A=[1+2i 2 3 4; 5 6 7 8]’ liczba sprzężona do 1 + 2i to 1 − 2i
A =
1.0000 - 2.0000i 5.0000
2.0000 6.0000
3.0000 7.0000
4.0000 8.0000
3.4. Rząd macierzy
Rząd macierzy (z ang. rank) A o rozmiarze m × n 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] ta macierz ma niepełny rząd ponieważ
A = 2 < min{3, 3}
1 0 1
2 1 0
3 1 1
>> rank(A)
ans =
2
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) 6= 0, to macierz
nazywa się nieosobliwą. Jeśli, na przykład, rozmiar macierzy jest 2 × 2 to wy-
znacznik
a11 a12

11 22 − a12 a21 .
det(A) = = a a
a21 a22

W ogólności definicję wyznacznika możemy zapisać poprzez minory Mij , które są

wyzacznikami macierzy o rozmiarze n − 1 × n − 1 utworzonymi przez zmazanie
i-tego wiersza i j-tej kolumny
n
(−1)i+j aij Mij ,
X
det(A) = gdzie i oznacza jeden z wierszy.
j=1
Wyznacznik w Matlab-ie obliczymy wydając polecenie det(A).
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. Matlab dostarcza zestaw
komend do ich tworzenia.
3.6.1. Macierz diagonalna (przekątniowa)
Macierz diagonalna ma elementy jedynie na głównej przekątnej
 
 c11 0 . . . 0 
0 c22 . . . 0 
 

C = diag(c11 , c22 , . . . , cnn ) = 

 ... ... ... ...  .
 
 
0 0 . . . cnn
Jeżeli pomnożymy dowolną macierz przez macierz diagonalną to otrzymamy efekt
skalowania kolumn, a mnożąc w odwrotnej kolejności skalowania wierszy.
Przykład:
>> x = [1 -5]; Polecenie Matlab -a diag służy do two-
>> A = diag(x) rzenia macierzy diagonalnej jeśli argu-
A = mentem wejściowym jest macierz, której
jeden z wymiarów jest równy 1 (wektor).
1 0
0 -5
>> B = [1 -5; 6 12]; Polecenie diag zwraca elemnty z przekąt-
>> y = diag(B) nej, o ile argumentem jest macierz o wy-
y = miarach różnych od 1.
1
12
>> C = ones(2,2}; Polecenie ones wypełnia macierz jedyn-
>> C*A kami. Dalej pokazany jest efekt sklowa-
ans = nia kolumn poprzez mnożenie z macierzą
diagonalna A. Mnożąc AC, otrzymamy
1 -5 efekt sklowania wierszy.
1 -5
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\
3.6.2. Macierz jednostkowa
Macierz jednostkowa to macierz diagonalna o elementach na głownej przekątnej
równych 1  
 1 0 . . . 0 
 0 1 ... 0 
 
I = diag(1, 1, . . . , 1) =  .. .. .. ..  .

 . . . . 

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 m × n.
3.6.3. Macierz permutacji
Jeżeli w macierzy jednostkowej przestawimy wiersze lub kolumny to otrzymamy
macierz permutacji P , na przykład:
 

0 1 0
P =  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.
Przykład:
>> A = [1 2 3 4; 5 6 7 8; 9 10 11 12];Macierz dowolna A i macierz permutacji

>> P = [1 0 0; 0 0 1; 0 1 0]; P
>> B = P*A Realizacja efeku przestawienia wierszy i
B = kolumn przy uzyciu macierzy permutacji.
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
3.6.4. Macierz trójkątna
Przez macierz trójkątną rozumiemy macierz postaci:
   
 l11 0 . . . 0   r11 r12 . . . r1n 
l21 l22 . . . 0  0 r22 . . . r2n 
   
 
L= 
 .. .. .. ..  , lub R = 
 ... ... ... ...  .



. . . .  




ln1 ln2 . . . lnn 0 0 . . . rnn
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.
3.6.5. Macierz odwrotna
Macierz odwrotna do A onaczana jest przez A−1 i jest to macierz spełniająca
następujący warunek:
A−1 A = A A−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 .
3.6.6. Macierz symetryczna
Macierz symetryczna to taka macierz dla której spełniony jest następujący waru-
nek:
A = AT .
Jej elemnty są symetryczne względem głównej przekątnej aij = aji .
Przykład:
>> B=[1 2; 3 4; 5 6]; Macierz B nie jest symetryczna.
>> B*B’ Jednym ze sposobów generacji macierzy

ans = symetrycznej z dowolnej macierzy jest
5 11 17 pomnożenie jej przez macierz transpono-
waną.
11 25 39
17 39 61
>> B’*B
ans =
35 44
44 56
3.6.7. Macierz ortogonalna
Macierz ortogonalna Q to taka macierz dla której spełniony jest następujący wa-
runek:
QT Q = I.
4. Układy równań liniowych.
Układ n równań liniowych o n niewiadomych x1 , x2 , x3 , . . . , xn
n
X
ai,k xk = bi (i = 1, 2, . . . , n) lub AX = B
k=1
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
   
 a11 a12 . . . a1n   a11 a12 . . . a1n b1 
a21 a22 . . . a2n a21 a22 . . . a2n b2 
   
  
A= 

 ... ... ... ...


 i R= 

 ... ... ... ... ...  .
   
   
an1 an2 . . . ann an1 an2 . . . ann bn
Jeśli rząd macierzy układu rank(A) = n, to dla dowolnej macierzy B istnieje

rozwiązanie układu X i jest ono jednoznaczne.
Przykład:
Poszukajmy współczyników równania kwadratowego, które aproksymuje krzywą
pompy.
krzywa pompy
120
115
110
105
100
h(m)
95
90
85
80 q(m3 /s) h(m)

75
0 0.5
3 −3
q(m /s) * 10
1 1.5 1 × 10−4 116.2
8 × 10−4 106.4
14 × 10−4 82.4
Model (h - wysokość pompowania, q - wydatek pompy):
h = c1 q 2 + c2 q + c3 ,
gdzie c1 , c2 , c3 są szukanymi niewiadomymi.

Podstawmy trzy wybrane punkty (q,h) (patrz rysunek) do modelu
116.2 = 1 × 10−8 c1 + 1 × 10−4 c2 + c3 ,
106.4 = 64 × 10−8 c1 + 8 × 10−4 c2 + c3 ,
82.4 = 196 × 10−8 c1 + 14 × 10−4 c2 + c3 .
Po przepisaniu do formy macierzowej otrzymamy:
Ax = b
gdzie
1 × 10−8 1 × 10−4 1 
     
c1  116.2 
64 × 10−8 8 × 10−4 1  ,
  
A= 
 x= 
 c2  , b= 
 106.4  .
196 × 10−8 14 × 10−4 1
  
c3 82.4
Ćwiczenie:
Zdefiniuj macierz A, b i wykonaj A−1 b poleceniem: >> x = inv(A)*b. Otrzy-
masz c1 = −2 × 107 , c2 = 4 × 103 c3 = 116. Wykonaj wykres funkcji h(q) w
zakresie q = (0, 1.5 × 10−3 ).
4.1. Rozwiązanie formalne dla kwadratowej macierzy ukła-
du.
Formalne rozwiązanie układu równań A X = B to
X = A−1 B
gdzie rozmiar A jest n × n.
Nie rozwiązuj A X = B szukając A−1 i mnożąc przez B
Jeśli widzisz: X = A−1 B, to szukaj: rozwiązania A X = B przez eliminacje

Gaussa lub inny podobny algorytm.
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.
4.2.1. Rozwiązanie układu diagonalnego
Przykład:
Układ zdefinowany przez
−1 
   

1 0 0 
A =  0 3 0  , b =  6  .
0 0 5 −15
jest równoważny z
x1 = −1 x1 = −1
3x2 = 6 → x2 = 36 = 2
5x3 = −15 x3 = −15
5 = −3.
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 = ... A to macierz diagonalna. To jest jedy-
>> b = ... ny przypadek, gdzie dzielenie elementu
>> x = b./diag(A) przez element (./) jest wykorzystane do
rozwiązywania układu równań.
4.2.2. Rozwiązanie układu trójkątnego
Przykład:
Układ zdefinowany przez
−2 1 2 
   
 
9
A =  0 3 −2  , b =  −1  .
0 0 4 8
jest równoważny z
8
−2x1 + x2 + 2x3 = 9 x3 = 4 =2
1
3x2 + −2x3 = −1 → x2 = 3 (−1 + 2x3 ) = 33 = 1
1 4
4x3 = 8 x1 = −2 (9 − x2 − 2x3 ) = −2 = −2
Algorytm 4.2 Układ trójkątny górny. Proces rozwiązywania polega na za-
stosowaniu metody podstawiania w odwrotnej kolejności poczynając od xn do
x1 .
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
Algorytm 4.3 Układ trójkątny dolny. Proces rozwiązywania polega na za-
stosowaniu metody podstawiania w kolejności poczynając od x1 do xn .
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
4.2.3. Eliminacja Gaussa
Przykład:
Rozwiążemy układ o macierzy:
−3 2 −1  −1 
   
 
A= 


6 −6 7  , b= 


−7  .
3 −4 4 −6
W tym celu utworzymy macierz rozszerzoną
−3 2 −1 −1
 
 
Ã = [Ab] =  6 −6 7 −7 


3 −4 4 −6
a następnie będziemy przekształcać wiersze macierzy Ã tak by otrzymać macierz

trójkątną.
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.
−3 2 −1 −1
 
 
Ã(1) =  0 −2 5 −9 


0 −2 3 −7
Teraz zajmiemy się kolumną drugą. Należy odjąć od wiersza 3 wiersz 2.
2
−3 2 −1 −1 x3 = −2 = −1
 
1
 
Ã(2) =  0 −2 5 −9 → x2 = −2 (−9 − 5x3 ) = 2



1
0 0 −2 2 x1 = −3 (−1 − 2x2 + x3 ) = 2
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
4.2.4. Eliminacja Gaussa z wyszukiwaniem elementu głównego
Przykład:
Rozwiążemy inny układ o macierzy:
2 4 −2 −2  −4 
   
 

1 2 4 −3  
5 
A= , b= .
 
 


 −3 −3 8 −2  

 7 
−1 1 6 −3 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.
Odejmiemy 1/2 raza wiersz 1 od wiersza 2, dodamy 3/2 raza 1 do 3 i 1/2 raza
wiersz 1 do 4.
4 −2 −2 −4
 

2 
 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 −2 −4
 

2 4 
 0 3


5 −5 1 


 0 3

 5 −4 5 
0 0 5 −2 7
Kontynuujemy eliminację: odejmujemy 1 raz wiersz 2 od 3. Ponownie na przekątnej
pojawia się zero zatem przestawiamy wiersz 3 z 4.
4 −2 −2 −4 4 −2 −2 −4
   

2  
2 

0 3 5 −4 5  
0 3 5 −4 5 
→
   
   


 0 0 0 −1 −4 




 0 0 5 −2 7 


0 0 5 −2 7 0 0 0 −1 −4
Dalej już postępujemy tak jak poprzednio.
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
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
4.3. Co robi operator dzielenia lewostronnego?
Dla zadanej macierzy A o rozmiarze n × n i wektora b operator \ wykonuje szereg
testów macierzy A. Matlab wybiera 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
Matlab stosuje metodę rozkładu macierzy A na dolną i górną LU .
Limity maszynowe:
• zapotrzebowanie na RAM ∼ n2,
• czas obliczeń ∼ n3.
5. Aproksymacja.
Zajmiemy się szukaniem krzywej y = F (x), dla zadanej liczby punktów (xi , yi )
dla i = 1, . . . , m
F (x) = c1 f1 (x) + c2 f2 (x) + · · · + cn fn (x),
gdzie cj to nieznane współczynniki, a funkcje fj (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.
5.1. Aproksymacja linią prostą
Rozważmy najprostszy przypadek, kiedy f1 (x) = x, f2 (x) = 1, a pozostałe funkcje
fj (x) = 0. Wówczas dla kolejnych punktów (xi , yi ) mamy
   
c1 x1 +c2 = y1  x1 1   y1 

c1 x2 +c2 = y2 x2 1 c1 y2
   
   
.. .. lub 
... ...
  = 
..

c2
   
. . 








. 


cn xm +c2 = ym xm 1 ym
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
ri2 rT r
X
lub macierzowo ma wartość minimalną.
i=1
Ponieważ r = y − Ac, to iloczyn rT r możemy zapisać w następującej formie:
rT r = (y − Ac)T (y − Ac)
= y T y − y T Ac − cT AT y + cT AT Ac
= y T y − 2y T Ac + cT AT Ac.
Iloczyn ten osiąga minimum jeśli
d T
(r r) = 0 → −AT y + AT Ac = 0,
dc
co ostatecznie prowadzi do równaia
(AT A)c = AT y,
które nazywane jest równaniem aproksymacji.
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]; Definiujemy wektory x i y ze współrzęd-
>> x=x’; y=y’; nymi punktów. Ponieważ dalej potrzeb-
>> A=[x ones(size(x))]; ne są wektory kolumnowe, wykonujemy
transpozycję. Następnie wypełniamy ma-
>> c=(A’*A)\(A’*y) cierz A, która w pierwszej kolumnie ma
c = wektor x, a w drugiej wektor jedynkowy
o rozmiarze macierzy x. Macierz współ-
0.4000 czynników c liczymy wykorzystując rów-
0.8000 nanie aproksymacji i operator dzielenia
lewostronnego \.
>> ya=c(1)*x+c(2) Znając współczynniki c1 , c2 możemy ob-

>> plot(x,y,’o’,x,ya,’-’) liczyc nowe aproksymowane wartości ya
>> grid on i przedstawić wyniki graficznie.
>> xlabel(’x’)
>> ylabel(’y=F(x)’)
5.2. Aproksymacja
Można wykazać, że równanie aproksymacji
(AT A)c = AT y
jest prawdziwe dla dowolnej funkcji aproksymacji w postaci:
F (x) = c1 f1 (x) + c2 f2 (x) + · · · + cn fn (x),
gdzie cj to nieznane współczynniki, fj (x) to funkcje bazowe, a macierze A, c i y

mają następującą postać:
     
 f1 (x1 ) f2 (x1 ) . . . fn (x1 )   c1   y1 
f1 (x2 ) f2 (x2 ) . . . fn (x2 )  c2  y2 
     
  
A= 

 ... ... ... ... ,
 c= 

 ...  , = 

 ...  .
     
     
f1 (xm ) f2 (xm ) . . . fn (xm ) cn ym
Przykład: Aproksymacja
Szukamy funkcji w postaci
c1
y=
+ c2 x,
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 Ładowanie danych z pliku i kopiowanie
>> x=aprox(:,1) danych do odpowiednich wektorów ko-
>> y=aprox(:,2) lumnowych x, y.
>> A=[1./x x]; Przygotowanie macierzy A i rozwiąza-
>> c=(A’*A)\(A’*y) nia równania aproksymacji. Polecenie
c = linspace generyje wektor wierszowy o
elementach równoodleglych w zadanym
4.2596 zakresie. Zmienne z literą ”a” w nazwie
1.3008 odnoszą się do wartości aproksymowa-
nych.
>> 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’)
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. Matlab wybiera
metodę rozwiązania układu tak by błędy numeryczne i ilość operacji były naj-
mniejsze.
Matlab dzięki 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.
6. Interpolacja.
Interpolacja polega (podobnie jak aproksyma-
dane
cja) na poszukiwaniu funkcji pomiędzy znany-
aproksymacja
interpolacja 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.
Wybrane metody interpolacji.
120 120
100 Najblizszy sasiad 100 Kawalkami liniowo
80 80
60 60
40 40
20 20
0 0
−20 −20
0 0.5 1 1.5 0 0.5 1 1.5
120 120
100 Kawalkami kwadratowo 100 Splajny kwadratowo
80 80
60 60
40 40
20 20
0 0
−20 −20
0 0.5 1 1.5 0 0.5 1 1.5
Ćwiczenie: Interpolacja wielomianem.
Pn−1 (x) = c1 xn−1 + c2 xn−2 + · · · + cn−1 x + cn

>> 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 ci . W katalogu ...\toolbox\mn\interpolacja znajdziesz pomocną
funkcję Idemo_02.
Ćwiczenie: Interpolacja wielomianem Lagrange-a.
n x − xk
Pn−1 (x) = y1 L1 (x) + y2 L2 (x) + · · · + yn Ln (x),
Y
gdzie Lj (x) =
k=1,k6=j xj − xk
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.
Pn−1 (x) = c1 +c2 (x−x1 )+c3 (x−x1 )(c−x2 )+· · ·+cn (x−x1 )(x−x2 ) · · · (x−xn )
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.
Porównanie interpolacji:
5
10
4
10
wielomian
Lagrange
Newton
Flops
3
10
2
10
0 1 2 3
10 10 10 10
liczba interpolowanych punktów
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”
5 5
0 0
−5 −5
0 2 4 6 8 10 0 2 4 6 8 10
5 5
0 0
−5 −5
0 2 4 6 8 10 0 2 4 6 8 10
5 5
0 0
−5 −5
0 2 4 6 8 10 0 2 4 6 8 10
5 5
0 0
−5 −5
0 2 4 6 8 10 0 2 4 6 8 10
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 Pi (x) dla przedziału danych xi ¬ x ¬ xi+1 . Punkty łączenia wielomia-
nów będziemy nazywali węzłami. W węzłach możemy żądać spełnienia określonych
warunków np. na ciągłość pochodnych.
Interpolacja wielomianami sklejanymi.
funkcja interpolacyjna Pi+2

wezly
dane punkty
Pi+1
P
i
x x
i i+1
6.2. Interpolacja kawałkami liniowa.
1
x=linespace(0,2*pi,100)
0.8 x=linespace(0,2*pi,6)
0.6
0.4
0.2
plot(x,sin(x))
−0.2
−0.4
−0.6
−0.8
−1
0 1 2 3 4 5 6 7
x
Ćwiczenie: Znajdź dla danych VT.dat temperaturę złącza dla napięcia 0.8mV,
oraz napięcie na złączu dla temperatury 37 stopni. Wykorzystaj funkcję ILiniowa.
>> Ładowanie danych z pliku ”VT.dat” do
>> load(’VT.dat’) zmiennej VT, a następnie przepisanie da-
>> V=VT(:,1); nych z odpowiedniej kolumny macierzy
VT do V (napięcie) i T (temperatura).
>> T=VT(:,2); Wynik wpisz w polu ”Zadania 4”.
>> Tszukane=ILiniowa(V,T,0.8) Wywołanie funkcji ILiniowa dla przy-

padku kiedy T = f (V ).
6.3. Interpolacja kawałkami sześcienna - Hermite.
Pi (x) = ai + bi (x − xi ) + ci (x − xi )2 + di (x − xi )3 ,
gdzie ai , bi , ci , di są szukanymi współczynnikami przy następujących warunkach w

węzłach:
• ciągłość Pi−1(xi) = Pi(xi),
0
• znane wartości pierwszej pochodnej i jej ciągłość Pi−1 (xi ) = Pi0 (xi ).
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.
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:
00
• ciągłości drugiej pochodnej Pi−1 (xi ) = Pi00 (xi ),
• znanej wartości pierwszej pochodnej (nachylenia) na końcach P10 (x1) i Pn0 (xn):
– Ustalone nachylenie: P10 (x1 ) = stała1 i Pn0 (xn ) = stała2,
– Nachylenie naturalne: P100 (x1 ) = Pn00 (xn ) = 0,
– Nachylenie nieznane: P1000 (x2 ) = P2000 (x2 ) i P1000 (x2 ) = P2000 (x2 ).
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”.
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.

(PL) Matlab - Metody Numeryczne

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

(PL) Matlab - Metody Numeryczne

Uploaded by

Copyright:

Available Formats

Metody numeryczne - laboratorium.

3 Macierze i operacje na nich, techniki przetwarzania macierzy. 45

4 Układy równań liniowych. 65

1. W obliczniach numerycznych (w przeciwieństwie do obliczeń symbolicznych)

W skład interfejsu wchodzą między innymi:

>> x=5 jeśli na końcu polecenia zostanie posta-

>> 5+4 jeśli nie zostanie zdefiniowana zmienna

Matlab nie wymaga deklaracji typu i wymiarów zmiennych. Automatycznie two-

>> num_students = 25 tworzy macierz 1 × 1 o nazwie

Wszystkie liczby są zachowywane w formacie długim (z ang. format long). Na

>> a wyświetlenie wartości zmiennej a

>> format short e ustawienie formatu liczb na 0.12345 10123

>> help elfun polecenie wyświetlające listę elementar-

>> eps nazwy powyższych funkcji nie są zastrze-

>> a=[1 2 3 4 5; 6 7 8 9 0] wypełnianie macierzy (; jest separato-

>> a=[1.1:2.2:7] wypełnianie macierzy (min:skok::max),

>> b=[2;4;6;10] zapamiętaj rolę średnika - to separator

>> c=[5 3 5; 6 2 -3] spacja pełni rolę taką jak przecinek

>> d=[3 4 zapamiętaj rolę zmiany linii (Enter) w

>> e=[3 5 10 0; 0 0 ... ... to znak kontynuacji wiersza

>> x=[3 6] macierz d była wprowadzone wcześniej i

>> c(2,1) c(2,1) wskazuje konkretny element ma-

>> a(2,1)=-3 czy wynik tych poleceń jest zaskakujący

function [lista param. wyjść] = nazwa funkcji (lista param. wejść)

3. Zapisz plik w katalogu roboczym.

plot(x,y,s,x1,y1,s1,...) x - wektor wartości na osi poziomej o

Uwaga! W jednym pliku tekstowym (ASCII) powinna być zapamiętana jedna

>> clear czyścimy wszystkie zmienne poleceniem

>> save zmiennaa A zapis i odczyt zmiennej A z pliku ’zmien-

>> save zmiennaa.dat A -ascii -double -tabs

>> load zmiennaa

16.0 3.0 2.0 13.0

>> load magik.dat wczytuje plik danych i tworzy zmienna

>> format long e Polecenie zmiany formatu wyświetlania

>> 2.6 + 0.6

błąd bezwzględny = |wartość otrzymana − wartość prawdziwa|

otrzymana − wartość prawdziwa

• Skończona liczba bitów jest przeznaczana na zapamiętanie liczby, przy czym

Przykład: Niech potęga p0 = 10.

Przykład: Niech mantysa m0 = 0.8125.

Zakresy dyskretnej reprezentacji liczb rzeczywistych:

A(BC) = (AB)C, A(B + C) = AB + AC, ale na ogół AB 6= BA.

Operacja odwrotna do mnożenia to dzielenie macierzy. Jeśli C = AB to podobnie

Oblicz D = A \ C i porównaj z macierzą B. Podobnie sprawdź, czy E = C/B

Oblicz F = A \ A, oraz G = A/A. Zauważ, że F i G różnią się rozmiarami. Czy

>> A=[1+2i 2 3 4; 5 6 7 8].’ element a11 = 1 + 2i jest liczbą zespoloną

>> A=[1+2i 2 3 4; 5 6 7 8]’ liczba sprzężona do 1 + 2i to 1 − 2i

W ogólności definicję wyznacznika możemy zapisać poprzez minory Mij , które są

Wyznacznik w Matlab-ie obliczymy wydając polecenie det(A).

>> I = eye(m,n) Polecenie eye(m,n) tworzy macierz po-

>> A = [1 2 3 4; 5 6 7 8; 9 10 11 12];Macierz dowolna A i macierz permutacji

Macierz L nazywamy macierzą trójkątną lewą (lub dolną), a macierz R - prawą

>> B*B’ Jednym ze sposobów generacji macierzy

ma rozwiązanie wtedy i tylko wtedy, gdy macierz układu A i macierz rozszerzona

Jeśli rząd macierzy układu rank(A) = n, to dla dowolnej macierzy B istnieje

80 q(m3 /s) h(m)

gdzie c1 , c2 , c3 są szukanymi niewiadomymi.

gdzie rozmiar A jest n × n.

Nie rozwiązuj A X = B szukając A−1 i mnożąc przez B

Jeśli widzisz: X = A−1 B, to szukaj: rozwiązania A X = B przez eliminacje

a następnie będziemy przekształcać wiersze macierzy Ã tak by otrzymać macierz

Analogicznie możemy zapisać dla układu równań

gdzie A−1 b jest formalnym rozwiązaniem równań.