1.7680+1.2673i -1.7680-1.2673i 0.4176+1.1130i 0.4176-1.1130i 0.2991 k Ⅱ](分母阶数高于分子阶数时,k将是空矩阵,表示无此项) 例5:对一组实验数据进行多项式最小二乘拟合 least square fit) X=12345]; %实验数据 y=5.543.1128290.74984]; p=polyfit(x, y, 3) %做三阶多项式拟合 x2=1:.1:5: 2=polyval(p, x 2); %根据给定值计算多项式结果 pot(x,y,’o’,x2,y2 线性代数( Linear algebra) 解线性方程( Linear equation)就是找出是否存在一个唯一的矩阵x,使 得a,b满足关系: ax=b或xa=b MALAB中x=a\b是方程ax=b的解,x=ba是方程式xa=b的解 通常线性方程多写成ax=b,“”较多用,两者的关系为: (b/a)=(a”b) 系数矩阵a可能是m行n列的,有三种情况: 方阵系统:( Square matrix)m=n可求出精确解(a必须是非奇异 ( nonsingular),即满秩( full rank) 超定系统:( Overdetermined system)m>n可求出最小二乘解 欠定系统:( Underdetermind system)m<n可尝试找出含有最少m个基 解或最小范数解 MATLAB对不同形式的参数矩阵,采用不同的运算法则来处理,它会 自动检测参数矩阵,以区别下面几种形式:-1.7680 + 1.2673i -1.7680 - 1.2673i 0.4176 + 1.1130i 0.4176 - 1.1130i -0.2991 k = [] (分母阶数高于分子阶数时，k 将是空矩阵，表示无此项) 例 5：对一组实验数据进行多项式最小二乘拟合(least square fit) x=[1 2 3 4 5]; % 实验数据 y=[5.5 43.1 128 290.7 498.4]; p=polyfit(x,y,3) %做三阶多项式拟合 x2=1:.1:5; y2=polyval(p,x2); % 根据给定值计算多项式结果 plot(x,y,’o’,x2,y2) 一． 线性代数(Linear Algebra) 解线性方程(Linear equation)就是找出是否存在一个唯一的矩阵 x，使 得 a,b 满足关系： ax=b 或 xa=b MALAB 中 x=a\b 是方程 ax=b 的解， x=b/a 是方程式 xa=b 的解。 通常线性方程多写成 ax=b，“\”较多用，两者的关系为： (b/a)’=(a’\b’) 系数矩阵 a 可能是 m 行 n 列的，有三种情况： *方阵系统: (Square matrix) m=n 可求出精确解（a 必须是非奇异 (nonsingular)，即满秩(full rank)） *超定系统：(Overdetermind system)m>n 可求出最小二乘解 *欠定系统：(Underdetermind system) m<n 可尝试找出含有最少 m 个基 解或最小范数解 MATLAB 对不同形式的参数矩阵，采用不同的运算法则来处理，它会 自动检测参数矩阵，以区别下面几种形式：