matlab 在0到5内随机产生150组自变量计算多项式

可以使用MATLAB中的`rand`函数生成0到1之间的随机数，然后将其乘以5得到0到5之间的随机数。同时，使用`polyval`函数可以计算多项式函数的结果。以下是一个示例代码：

% 定义多项式系数
p = [1 2 3 4 5];

% 生成150组自变量
x = rand(150, 1) * 5;

% 计算多项式结果
y = polyval(p, x);

% 打印结果
disp(y);

该代码将生成150个0到5之间的随机自变量，并计算多项式函数`y = 1x^4 + 2x^3 + 3x^2 + 4x + 5`在这些自变量下的结果。你可以根据自己的需要修改多项式系数`p`，并调整生成自变量的数量。

相关问题

matlab 求多项式y=23+227-8x十5的根。同时在0-5内随机产生150组 自变量，计算对应的多项式值，

首先，我们可以将多项式 $y=23+227-8x^{15}$ 转化为标准的多项式形式 $y=-8x^{15}+227x+23$，然后使用MATLAB中的`roots`函数求解其根。示例代码如下：

% 定义多项式系数
p = [-8 zeros(1, 14) 227 23];

% 求解多项式根
r = roots(p);

% 打印结果
disp(r);

该代码将求解多项式 $y=-8x^{15}+227x+23$ 的根，并打印出结果。如果多项式存在实根，则结果将以列向量的形式输出。如果多项式存在复数根，则结果将以复数的形式输出。

接着，我们可以使用上面提到的随机数生成方法，生成150个0到5之间的随机自变量，并计算多项式在这些自变量下的值。示例代码如下：

% 定义多项式系数
p = [-8 zeros(1, 14) 227 23];

% 生成150组自变量
x = rand(150, 1) * 5;

% 计算多项式结果
y = polyval(p, x);

% 打印结果
disp(y);

该代码将生成150个0到5之间的随机自变量，并计算多项式 $y=-8x^{15}+227x+23$ 在这些自变量下的结果，并打印出结果。

用MATLAB：以函数 20个值作为原始数据（自变量取值范围-5到5），每个函数值施加10%的正的随机扰动，基于最小二乘法原理，利用4次多项式拟合做出相应的拟合曲线。

在MATLAB中，你可以按照以下步骤使用最小二乘法来拟合一个4次多项式：

1. **创建数据集**：
首先，你需要生成20个原始数据点。可以使用`linspace`函数创建-5到5之间的等间距点，然后加上10%的正随机扰动。例如：

   x = linspace(-5, 5, 20);
   y_noisy = x.^4 + randn(size(x)) * 0.1; % 加入10%的随机扰动

2. **拟合多项式**：
使用`polyfit`函数对噪声数据进行4次多项式的拟合，它会返回一组系数，使得拟合函数的形式为 `y = c0 + c1*x + c2*x^2 + c3*x^3 + c4*x^4`：

   p = polyfit(x, y_noisy, 4); % 4表示4次多项式

3. **构建并绘制拟合曲线**：
利用`polyval`函数计算拟合函数的值，并用`plot`函数绘制原始数据点和拟合曲线：

   y_fit = polyval(p, x);
   plot(x, y_noisy, 'o', 'MarkerSize', 8) % 绘制散点图
   hold on
   plot(x, y_fit, '-r') % 绘制拟合线，红色代表拟合
   hold off

4. **添加标题和标签**：
最后，记得给图形添加适当的标题和坐标轴标签：

   title('4th Degree Polynomial Fit with Noise')
   xlabel('x')
   ylabel('y')
   legend('Noisy Data', 'Fitted Curve')

完成上述步骤后，你就得到了一个基于最小二乘法的4次多项式拟合曲线。