本文主要介绍:借助Matlab符号计算过程里，其结果显得繁冗，当中一个非常重要原因就是：计算结果里有些表达式会多次出现在不同地方。为使表达式简便，这里小编给大家分享了Matlab化简表达式/多项式的操

借助Matlab符号计算过程里，其结果显得繁冗，当中一个非常重要原因就是：计算结果里有些表达式会多次出现在不同地方。为使表达式简便，这里小编给大家分享了Matlab化简表达式/多项式的操作教程，不要错过哦。

相关指令简介

这儿介绍下采用公因子发简化表达式的相关置换指令。气质要的函数指令为:“subexpr”。subexpr是替换表达式命令。在很多特繁琐的解析表达式中，常有个在不同地方重复出现的表达式，此时用simple或simplify都无法化简，而用这个命令就能得到效果很好的简化结果。下面说下subexpr指令的语法规则：

RS=subexpr(expr) expr为表达式，其表示从expr中提取出公因子sigma，并且将采用sigma重写的expr表达式赋给RS;

RS=subexpr(expr,'s') 从expr中提取出公因子，记为S，并将用S重写的expr赋给RS;这里能指定公因子的名称为'S'

[RS,s]=subexpr(expr,'s') 该调用语法的效果和上一句“RS=subexpr(expr,'s')”是一样的。

注意，expr可以是符号表达式或符号表达式矩阵。此外还可以应用help指令学习subexpr的用发，结果如下图：

公因子法简化表达式

至于用公因子法简化表达式，采用对符号矩阵A=[ a b;c d]进行特征向量分解的实例来演示，以演示cubexpr的正确用法，实例演示复杂符号矩阵的公因子法化简。这里我们需要生成符号矩阵。如图所示：

特征值和特征向量

当生成符号矩阵后，就需对上一步的符号矩阵进行特征之和特征向量分解。这里我们要用到“eig”函数，其用法是：[V,D]=eig(A)，求矩阵A的全部特征值，构成对角阵D，并求A的特征向量构成矩阵V。下面就用这条指令求第二步符号矩阵的特征值和特征向量，如图所示：

自动识别表达式中的公因子

下面开始使用subexpr函数指令进行公因子识别了，注意subexpr函数的具体应用哦!这里先使用一下第一步用法中的第一条，具体如图所示：

对D进行“指定公因子名称”的简化

下面探索一下subexpr函数指令的另一个用法，即对提取的公因子制定名称，即把从D中提取出的公因子命名为s，然后用s重写的D赋给Ds;这里能指定公因子的名称为's'。代码：Ds=subexpr(D,'s') ;具体如图所示：

对V、D同时简化，并且制定相同的公因式名称

下面将V、D合成为一个矩阵，然后同时对矩阵[V;D]提取公因式，这时将公因式命名为w，并用w重写矩阵[V;D]并命名为VDw。代码指令：[VDw,w]=subexpr([V;D],'w') ,具体结果如图所示：

学完本文Matlab化简表达式/多项式的操作内容，是不是觉得以后操作起来会更容易一点呢?