线性时移不变性因果性稳定性的判定
线性移不变性因果性稳定性的判定
目标：针对一道干扰性较强的选择题
目的：快速正确解题
一．真题回放：
1.[1999,一，1 ; 2003,一，4]
设一离散时间系统的输入和输出满足差分方程:则该系统是（）
()e k ()y k (1)0.6()()3y k y k e k +?=+A ． 线性移不变系统 B.线性移变系统 C.非线性移不变系统 D.非线性移变系统
2.[2004,一，3]
离散时间系统的输入输出信号分别为()x k 和,试判断下面哪个是线性时不变系统（）
()y k A.()()x k y k e =
B.()(1)(1)y k x k x k =???
C.
D.31()()k m k y k x m +=?=∑(),1()0,0(1),x k k y k k x k k ≥??==??1+≤??
3.[2005,一，2]
已知系统由下面的输入输出关系表示：()(3)y t x t =，t>0，则该系统为（）系统；
A.线性，时变，因果
B.线性，时不变，非因果
C.非线性，时变，因果
D.非线性，时变，非因果
备注：此类题目在本科期末考试和研究生考试中屡次出现，主要考查学生对系统的线性，时/移不变性，因果性,稳定性的基本概念的掌握和理解，题目不难，但存在一定的干扰性，从而影响解题的速度和正确率。
二．概念剖析和解题技巧：
由于此部分是本人在学习数字信号处理时候总结的，所以例子以离散系统为主（连续的情况类似），见谅！！
首先要强调的是线性，时/移不变性，因果性，稳定性，是从四个不同的角度去描述系统的，彼此之间没有概念的重叠。
1. 线性：（同时满足叠加性和齐次性）
叠加性： 齐次性： 1212[()()][()][()]T x n x n T x n T x n +=+[()][()]T ax n aT x n =个人总结的判断准则：
(1) 是关于(表示激励)的不含(.)x 常数项的线性函数；
(2) 不含常数项的常系数差/微分方程；
注：这里对常数项要有一个广义的理解，与激励无关的序列也可以看作常数项，如项。
(.)x ()g n
举例：()[()]x n T x n e = ， [()]()3T x n x n =+，[()]()(1)T x n x n g n =++都是非线性的系统。
2. 时/移不变性;
概念：设，若[()]()T x n y n =[()]()T x n m y n m +=+则称系统移不变；这里说明
一下，方程两边的自变量是不同的，左边[()]()T x n m y n m +=+(.)x ，
右边是。 n 个人总结的判断准则：
注以下两种是典型的移变或时变情况：
（1） 存在时变或移变因子：即当令()1x n =时，系统的输出仍然无法确
定时，必为移/时变系统。如[()]()()T x n x n g n =+，
[()]()T x n nx n =（2） 存在尺度变换（包含-1）：
如，()(2)y n x n =()()y n x n =?
3．因果性：
概 念：
（1）定义：输出只取决于当前和以前的输入，“响应不会超前于激励产生”。 “响应不会超前于激励产生”这句话要着重理解，把它写的更啰嗦一点就是：“激励所产生的响应不会超前于激励产生”。
例：是一个因果系统，原因就在于[()]()(1)T x n x n g n =++(1g n )+只是一个类似于常数项的东西，与激励()x n 没有关系。
（2）系统冲激响应角度和系统函数收敛域角度（略） 个人总结的判断准则：
注以下是典型的非因果情况：
超前情况：出现这样的因子()x n m +，m>0;
在选择题目中要判断一个系统非因果，可以取一些特殊值：0，+1，-1等； 如就可以这样的判断出为非因果。
[()](1)T x n x n =+3. 稳定性：
（1） 定义：有界输入（激励）产生有界输出（响应）；
（2） 系统冲激响应角度和系统函数收敛域角度（略）
举例：()[()]x n T x n e =，设|()|x n M ≤，则()|()|||x n x n M e e e ≤≤≤∞，所以此系统稳定。
最后，给出以上3个真题答案：C C A
练习：分别判断这两个系统的线性，移不变性，因果性 [()]()(1)
[()](1)()T x n x n g n T x n x n g n =++=++
C++实现 牛顿迭代 解非线性方程组
C++实现牛顿迭代解非线性方程组（二元二次为例） 求解{0=x*x-2*x-y+0.5; 0=x*x+4*y*y-4; }的方程 #include 20世纪60年代中期以后，发展了两种求解非线性方程组(1)的新方法。一种称为区间迭代法或称区间牛顿法，它用区间变量代替点变量进行区间迭代，每迭代一步都可判断在所给区间解的存在惟一性或者是无解。这是区间迭代法的主要优点，其缺点是计算量大。另一种方法称为不动点算法或称单纯形法，它对求解域进行单纯形剖分，对剖分的顶点给一种恰当标号，并用一种有规则的搜索方法找到全标号单纯形,从而得到方程(1)的近似解。这种方法优点是，不要求f(□)的导数存在,也不用求逆，且具有大范围收敛性，缺点是计算量大 编辑摘要 目录 ? 1 正文 ? 2 牛顿法及其变形 ? 3 割线法 ? 4 布朗方法 ? 5 拟牛顿法 ? n个变量n个方程(n >1)的方程组表示为 (1) 式中?i(x1,x2,…,x n)是定义在n维欧氏空间R n的开域D上的实函数。若?i中至少有一个非 线性函数，则称(1)为非线性方程组。在R n中记?＝ 则(1)简写为?(尣)=0。若存在尣*∈D，使?(尣*)＝0，则称尣*为非线性方程组的解。方程组(1)可能有一个解或多个解，也可能有无穷多解或无解。对非线性方程组解的存在性的研究远不如线性方程组那样成熟，现有的解法也不象线性方程组那样有效。除极特殊的方程外，一般不能用直接方法求得精确解，目前主要采用迭代法求近似解。根据不同思想构造收敛于解尣*的迭代序列{尣k}(k=0，1，…)，即可得到求解非线性方程组的各种迭代法，其中最著名的是牛顿法。 牛顿法基本思想是将非线性问题逐步线性化而形成如下迭代程序： (2) 式中 是?(尣k)的雅可比矩阵,尣0是方程(1)的解尣*的初始近似。 这个程序至少具有2阶收敛速度。由尣k算到尣k+的步骤为:①由尣k算出?(尣k)及 ;②用直接法求线性方程组的解Δ尣k；③求 。 由此看到迭代一次需计算n个分量函数值和n2个分量偏导数值，并求解一次n阶线性方程组。 为了评价非线性方程组不同迭代法的优劣，通常用效率作为衡量标准,其中P为迭 代法的收敛阶,W为每迭代步计算函数值?i及偏导数值的总个数（每迭代步中求一次逆的工作量相同,均不算在W 内）。效率e越大表示此迭代法花费代价越小,根据效率定义， 牛顿法(2)的效率为。 牛顿法有很多变形,如当奇异或严重病态时，可引进阻尼因子λk，得到阻尼牛顿法，即 实验五 自动控制系统的稳定性和稳态误差分析 一、实验目的 1、研究高阶系统的稳定性，验证稳定判据的正确性； 2、了解系统增益变化对系统稳定性的影响； 3、观察系统结构和稳态误差之间的关系。 二、实验任务 1、稳定性分析 欲判断系统的稳定性，只要求出系统的闭环极点即可，而系统的闭环极点就是闭环传递函数的分母多项式的根，可以利用MATLAB 中的tf2zp 函数求出系统的零极点，或者利用root 函数求分母多项式的根来确定系统的闭环极点，从而判断系统的稳定性。 （1）已知单位负反馈控制系统的开环传递函数为 0.2( 2.5) ()(0.5)(0.7)(3) s G s s s s s += +++，用MATLAB 编写程序来判断闭环系统的稳定性， 并绘制闭环系统的零极点图。 在MATLAB 命令窗口写入程序代码如下： z=-2.5 p=[0,-0.5,-0.7,-3] k=0.2 Go=zpk(z,p,k) Gc=feedback(Go,1) Gctf=tf(Gc) dc=Gctf.den dens=poly2str(dc{1},'s') 运行结果如下： dens= s^4 + 4.2 s^3 + 3.95 s^2 + 1.25 s + 0.5 dens 是系统的特征多项式，接着输入如下MATLAB 程序代码： den=[1,4.2,3.95,1.25,0.5] p=roots(den) 运行结果如下： p = -3.0058 -1.0000 -0.0971 + 0.3961i -0.0971 - 0.3961i p为特征多项式dens的根，即为系统的闭环极点，所有闭环极点都是负的实部，因此闭环系统是稳定的。 下面绘制系统的零极点图，MATLAB程序代码如下： z=-2.5 p=[0,-0.5,-0.7,-3] k=0.2 Go=zpk(z,p,k) Gc=feedback(Go,1) Gctf=tf(Gc) [z,p,k]=zpkdata(Gctf,'v') pzmap(Gctf) grid 运行结果如下： z = -2.5000 p = -3.0058 -1.0000 -0.0971 + 0.3961i -0.0971 - 0.3961i k = 0.2000 基于Matlab 实现牛顿迭代法解非线性方程组 已知非线性方程组如下 2211221212 10801080x x x x x x x ?-++=??+-+=?? 给定初值0(0,0)T x =，要求求解精度达到0.00001 首先建立函数F(x)，方程组编程如下，将F.m 保存到工作路径中： function f=F(x) f(1)=x(1)^2-10*x(1)+x(2)^2+8; f(2)=x(1)*x(2)^2+x(1)-10*x(2)+8; f=[f(1) f(2)]; 建立函数DF(x),用于求方程组的Jacobi 矩阵，将DF.m 保存到工作路径中： function df=DF(x) df=[2*x(1)-10,2*x(2);x(2)^2+1,2*x(1)*x(2)-10]; 编程牛顿迭代法解非线性方程组，将newton.m 保存到工作路径中： clear; clc x=[0,0]'; f=F(x); df=DF(x); fprintf('%d %.7f %.7f\n',0,x(1),x(2)); N=4; for i=1:N y=df\f'; x=x-y; f=F(x); df=DF(x); fprintf('%d %.7f %.7f\n',i,x(1),x(2)); if norm(y)<0.0000001 break ; else end end 运行结果如下： 0 0.0000000 0.0000000 1 0.8000000 0.8800000 2 0.9917872 0.9917117 3 0.9999752 0.9999685 4 1.0000000 1.0000000 第六章 非线性微分方程和稳定性 [教学目标] 1. 理解解的稳定性、零解稳定性及零解渐进稳定性的概念。 2. 掌握平面初等奇点的分类方法。 3. 了解拟线性近似决定微分方程组的稳定性及用李雅谱若夫第二方法判别稳定性的方法。 4. 了解周期解和极限环的概念。 [教学重难点] 奇点的分类与相应零解的稳定性。 [教学方法] 讲授，实践。 [教学内容] 解的稳定性定义，相平面、相轨线与相图；平面自治系统的性质，奇点的分类及相应零解的稳定性；拟线性近似，李雅谱若夫第二方法判别稳定性，周期解和极限环的概念。 [考核目标] 1.奇点的分类及相应零解的稳定性。 2.李雅谱若夫第二方法判别稳定性。 3.会求周期解和极限环。 §6.1 相平面、相轨线与相图 把xoy 平面称为平面自治系统 ? ??==),(),(y x Q y y x P x （6.1） 的相平面. 把(6.1)式的解(),()x x t y y t ==在xoy 平面上的轨迹称为(6.1)式的轨线或相轨线. 轨线族在相平面上的图象称为(6.1)式的相图. 注意：在上述概念中，总是假设(6.1)式中的函数(,),(,)P x y Q x y 在区域)(||,|:|+∞≤< 下面讨论二阶线性系统???????+=+=y a x a dt dx y a x a dt dx 22211211 (6.2) 奇点(0,0)附近轨线的分布:上述系统写成向量形式为方程组)0(det d d ≠=A AX X t 它存在线性变换TX X =~，可化成标准型X J X ~d ~d =t 由A 的特征根的不同情况，方程的奇点可能出现四种类型：结点型，鞍点型，焦点型，中心型. 1．结点型 如果在某奇点附近的轨线具有如图5-1的分布情形，我们就称这奇点为稳定结点.因此，当μ＜λ＜0时，原点O 是 ?????==y t y x t μλd d d dx (6.3) (5.4)式的稳定结点. 图 6-1 图 6-2 如果在某奇点附近的轨线具有如图5-2的分布情形，我们就称这奇点为不稳定结点.因此，当μ＞λ＞0时，原点O 是(5.4)的不稳定结点. 如果在奇点附近的轨线具有如图5-3和图5-4的分布，就称这奇点为临界结点. 第一章非线性动力学分析方法（6学时） 一、教学目标 1、理解动力系统、相空间、稳定性的概念； 2、掌握线性稳定性的分析方法； 3、掌握奇点的分类及判别条件； 4、理解结构稳定性及分支现象； 5、能分析简单动力系统的奇点类型及分支现象。 二、教学重点 1、线性稳定性的分析方法； 2、奇点的判别。 三、教学难点 线性稳定性的分析方法 四、教学方法 讲授并适当运用课件辅助教学 五、教学建议 学习本章内容之前，学生要复习常微分方程的内容。 六、教学过程 本章只介绍一些非常初步的动力学分析方法，但这些方法在应用上是十分有效的。 相空间和稳定性 一、动力系统 在物理学中，首先根据我们面对要解决的问题划定系统，即系统由哪些要素组成。再根据研究对象和研究目的，按一定原则从众多的要素中选出最本质要素作为状态变量。然后再根据一些原理或定律建立控制这些状态变量的微分方程，这些微分方程构成的方程组通常称为动力系统。研究这些微分方程的解及其稳定性以及其他性质的学问称为动力学。 假定一个系统由n 个状态变量1x ，2x ，…n x 来描述。有时，每个状态变量不但是时 间t 的函数而且也是空间位置r 的函数。如果状态变量与时空变量都有关，那么控制它们变化的方程组称为偏微分方程组。这里假定状态变量只与时间t 有关，即X i ＝X i (t)，则控制它们的方程组为常微分方程组。 ),,,(2111 n X X X f dt dX ???=λ ),,,(2122 n X X X f dt dX ???=λ (1.1.1) … ),,,(21n n n X X X f dt dX ???=λ 其中λ代表某一控制参数。对于较复杂的问题来说，i f (i ＝l ，2，…n)一般是{}i X 的非线性函数，这时方程(1.1.1)就称为非线性动力系统。由于{}i f 不明显地依赖时间t ，故称方程组(1.1.1)为自治动力系统。若{}i f 明显地依赖时间t ，则称方程组为非自治动力系统。非自治动力系统可化为自治动力系统。 第三章 线性系统的稳定性分析 3.1 概述 如果在扰动作用下系统偏离了原来的平衡状态，当扰动消失后，系统能够以足够 的准确度恢复到原来的平衡状态，则系统是稳定的。否则，系统不稳定。一个实际的系统必须是稳定的，不稳定的系统是不可能付诸于工程实施的。因此，稳定性问题是系统控制理论研究的一个重要课题。对于线性系统而言，其响应总可以分解为零状态响应和零输入响应，因而人们习惯分别讨论这两种响应的稳定性，从而外部稳定性和内部稳定性的概念。 应用于线性定常系统的稳定性分析方法很多。然而，对于非线性系统和线性时变系 统，这些稳定性分析方法实现起来可能非常困难，甚至是不可能的。李雅普诺夫(A.M. Lyapunov)稳定性分析是解决非线性系统稳定性问题的一般方法。 本章首先介绍外部稳定性和内部稳定性的概念及其相互关系，然后介绍李雅普诺夫 稳定性的概念及其判别方法，最后介绍线性定常系统的李雅普诺夫稳定性分析。 虽然在非线性系统的稳定性问题中，Lyapunov 稳定性分析方法具有基础性的地 位，但在具体确定许多非线性系统的稳定性时，却并不是直截了当的。技巧和经验在解决非线性问题时显得非常重要。在本章中，对于实际非线性系统的稳定性分析仅限于几种简单的情况。 3.2 外部稳定性与内部稳定性 3.2.1 外部稳定： 考虑一个线性因果系统，如果对一个有界输入u （t ），即满足条件： 1()u t k ≤<∞ 的输入u （t ），所产生的输出y （t ）也是有界的，即使得下式成立： 2()y t k ≤<∞ 则称此因果系统是外部稳定的，即BIBO （Bounded Input Bounded Output ）稳定。 注意：在讨论外部稳定性的时候，我们必须要假定系统的初始条件为零，只有在这种假定下面，系统的输入—输出描述才是唯一的和有意义的。 系统外部稳定的判定准则 系统的BIBO 稳定性可根据脉冲响应矩阵或者传递函数矩阵来进行判别。 第六章 非线性微分方程和稳定性 研究对象 二阶驻定方程组（自治系统） ?????? ?==),(),(y x Y dt dy y x X dt dx 1 基本概念 1）稳定性 考虑方程组 ),(x f x t dt d = （6.1） 其中 ???? ? ?? ??=n x x x 21x ，??? ??????? ? ??=dt dx dt dx dt dx dt d n 21x ，? ?????? ??=),,,;(),,,;(),,,;()(21212211n n n n x x x t f x x x t f x x x t f x f 。 总假设),(x f t 在D I ?上连续，且关于x 满足局部李普希兹条件，R I ?，区域 n R D ?,00=),(t f ，∑== n i i x 1 2x 。 如果对任意给定的0>ε，存在0)(>εδ（一般ε与0t 有关），使得当任一0x 满足 δ≤0x 时，方程组（6.1）满足初始条件00)(x x =t 的解)(t x ，均有εx <)(t 对一切0 t t ≥成立，则称方程组（6.1）的零解0=x 为稳定的。 如果方程组（6.1）的零解0=x 稳定，且存在这样的00>δ，使当00δ 《数值计算方法》实验报告 实验名称：实验1 非线性方程的简单迭代法和Steffensen 迭代法 实验题目：分别用简单迭代法和Steffensen 迭代法求方程 010423=-+x x 在 [1, 2] 内的一个实根. 实验目的：理解并掌握简单迭代法和Steffensen 迭代法 基础理论：简单迭代法和Steffensen 迭代法 1）.简单迭代法的原理：将一元非线性方程：0)(=x f 改写成等价方程：)(x x ρ= ，对此，从某个初始值x0开始，对应式)(x x ρ= 构成迭代公式 ,...1,0),(1==+k x x k k ρ ，这样就可以确定序列 {}k x （k=0，1，2…）。如果 {}k x 有极限 *lim x x k k =∞→ ，由式 ,...1,0),(1==+k x x k k ρ 两边取极限可得 )(**x x ρ= ，可知 * x 为方程0)(=x f 的近似解。 2）Steffensen 迭代法的原理： 通过把改进的Aitken 方法应用于根据不动点迭代所得到的线性收敛序列，将收敛速度加速到二阶。 ()???? ?????+---===+k k k k k k k k k k k x y z x y x x y z x y 2) ()(21ρρ []x x x x x x x +---=)(2)(()()(2ρρρρψ 实验环境：操作系统：Windows 7； 实验平台：Turbo C++ 实验过程：写出算法→编写程序→调试运行程序→计算结果 1）简单迭代法的算法： Input:初始近似值x0,精度要求del,最大迭代次数N Output:近似解x 或失败信息 1. n ←1 2. While n ≤N do; 3. x ←f(x0); 4. if | x-x0| 关于线性系统稳定性的进一步探究 任何一个实际系统总是在各种偶然和持续的干扰下运动或工作的。显然，我们首先要考虑的问题是，当系统承受这种干扰之后，能否稳妥地保持预定的运动轨迹或者工作状态，这就是稳定性。 此外，我们知道，描述系统的数学模型，绝大部分都是近似的，这或者是由于量测误差，或者是为使问题简化，而不得不忽略某些次要因素。近似的数学模型能否如实反映实际的运动，在某种意义上说，也是稳定性问题。 系统的稳定性在控制中是一个很重要的问题。在学习完稳定性理论之后，对此有了更为深刻的理解，不单单停留在输出跟踪输入的浅显印象之上，获益匪浅。因此，本文根据黄琳院士较为精炼的数学讲解，描述了一些自己对该问题的直观思考，并且结合线性系统和具体实例对稳定性作进一步分析，使内容不再过于抽象，更为深入地理解其应用价值。 1 预备理论 1.1 微分方程解的表示 考虑微分方程 00 (,)()x f x t x t x =?? =? 其解()x t 是自变量t 的函数，而0t ，0x 变动时对应的解也随着变动，故它应该是自变量t 与初值0t 、0x 的函数, 可记为00(;,)x t t x 。 例如： 000000(;,)()t t t t x x x x t t x e x t e x --=?=== 问题：当初值变动时，对应的解如何变动？在应用上的意义是：初值通常是用实验方法求得的，实验测得的数据不可能绝对准确，若微小的误差会引起对应解的巨大变动，那么所求的初值问题解的实用价值就很小。 1.2 Lipschitz 条件 00 1212(,)()(,)(,)(,):x f x t x t x t t t t t I x W R ==∈?-∞+∞=∈? (,)f x t 的定义域记为?W I 。若存在常数L ，使得对任何I,,W t x y ∈∈都有 (,)(,)f x t f y t L x y -≤- 则称f 在W I ?上满足Lipschitz 条件。这个定义可以推广到W 为任意有限n 维空间的情形。 注：满足Lipschitz 条件可保证微分方程解的存在性和唯一性 1.3 解的存在性、唯一性及对初值的连续依赖性 定理1-1 (存在性及唯一性定理)对于微分方程 (,)x f x t = 若(,)f x t 在W I ?域内连续且满足Lipschitz 条件，则对任意的初始条件 00(,)x x t W I ∈?总存在常数0a >，使得有唯一解00(;,)x x t t x =，在00[,]t a t a -+上 存在、对t 连续 ，且满足初始条件00()x t x =。 稳定性所要研究的是解的渐近性质，即当解()x t 在t →∞时的性状。故总假定在[)0,t ∞上解是存在的。 定理1-2 (解对初值的连续依赖性)在定理1的条件下，若(,)f x t 在域内连续且满足Lipschitz 条件，则微分方程的解00(;,)x t t x 作为t ，0t ，0x 的函数在它的存在范围内是连续的，即 ε?>，0δ?>，00()()x t t δ-ψ< ? 0000(;,())(;,())x t t x t t t t ε-ψψ<，0,a t b a t b ≤≤≤< 以上定理说明：若在初始时刻0()x t 和0()t ψ十分接近，则在定义域[],a b 内的解()x t 和()t ψ也会十分接近。因此，1.1中所提的问题也就迎刃而解了。 2 平衡状态的稳定性 李雅普诺夫稳定性的概念是微分方程解对初值的连续依赖性这一概念在无穷时间区间上的推广和发展。因此下面讨论时均假定所研究方程的解在无穷区间 []0,t ∞满足存在和唯一性条件。 不动点迭代法求解非线性方程组 摘要：一般非线性方程组可以写成()0F x =的形式，其中:n m F R R →是定义在区域 n D R ?上的向量函数。把方程组()0F x =改写成与之等价的形式：(x G x =)。因此，求 方程组()0F x =的解就转化为求函数的(G x )的不动点。本文首先介绍了多变量函数()F x 的微积分性质，接着介绍了用不动点迭代法求解非线性方程组。 关键词：多变量函数；微积分；不动点 Fixed Point Iteration Method For Solving Nonlinear Equations Abstract ：General nonlinear equations can be written in the form of ()F x θ=, where the vector function :n m F R R →is defined on the region n D R ?. Transform the equations ()0F x = into its equivalent form: (x G x =).Therefore, we can get the solution of ()0F x = by finding the fixed point of (G x ).In this paper, we first introduce some knowledge about multivariable calculus, then introduce the fixed point iteration method for solving nonlinear equations. Key words: multi-variable function; calculus; fixed point 1 引言 一般非线性方程组及其向量表示法:含有n 个方程的n 元非线性方程组的一般形式为 11221212(,...,)0(,...,)0......(,...,)0 n n m n f x x x f x x x f x x x =??=?? ? ?=? （1） 其中，()1,2,...,i f i n =是定义在n D R ?上的n 元实值函数，且i f 中至少有一个是非线性 函数。 微分方程零解的稳定性 中文摘要 本文利用线性近似稳定性方法及李雅普诺夫第二方法，分别讨论了几类微分方程（组）的零解的稳定性。由于构造合适的李雅普诺夫第二函数，即V函数是李雅普诺夫第二方法的关键，因此我们介绍了一类构造V函数的特殊方法，即微分矩法，并将所得的结果应用于具体实例。 关键词：微分方程；稳定性；线性近似稳定性方法；李雅普诺夫第二方法；微分矩法 Abstract Utilizing methods of linearization and Lyapunov second method, the stabilities of solutions for some kinds of ordinary differential equations are analyzed in this paper. Because constructing V functions is the key of Lyapunov second method, we introduce a special method, that is differential moment method, to deal with this problem, and we take it as an approach to solve the stabilities of solutions for some differential equations. Key words:Differential equations; Stability; Methods of linearization; Lyapunov second method; Differential moment method. 实验报告一:实验题目 一、 实验目的 掌握求解非线性方程根的二分法、简单迭代法和牛顿迭代法,并通过数值实验比较两种方法的收敛速度。 二、 实验内容 1、编写二分法、牛顿迭代法程序,并使用这两个程序计算02)(=-+=x e x x f 在[0, 1]区间的解，要求误差小于 4 10- ,比较两种方法收敛速度。 ２、在利率问题中,若贷款额为２０万元，月还款额为2160元,还期为10年，则年利率为多少?请使用牛顿迭代法求解。 ３、由中子迁移理论,燃料棒的临界长度为下面方程的根,用牛顿迭 代法求这个方程的最小正根。 4、用牛顿法求方程 的根，精确至8位有效数字。比较 牛顿迭代法算单根和重根的收敛速度，并用改进的牛顿迭代法计算重根。 三、 实验程序 第1题: 02)(=-+=x e x x f 区间[0，1] 函数画图可得函数零点约为0.５。 画图函数： f ｕn ｃti ｏｎ Te ｓｔ1(） % f(x ） 示意图, ｆ(x) ＝ x + exp （x) - 2; ｆ(x) ＝ 0 r = 0:0.０１:１; y = r + e ｘp(r) - ２ p ｌot(r, y); gri ｄ ｏn 二分法程序： 计算调用函数：[c,n ｕm ］＝bisec ｔ(０，1,１e-４） fu ｎｃｔi ｏn [ｃ,ｎｕm ］=ｂisect （a,b,de ｌt ａ) %Ｉｎp ｕt –ａ,b 是取值区间范围 ％ -de ｌta 是允许误差 %O ｕtput －ｃ牛顿迭代法最后计算所得零点值 % －num 是迭代次数 ya = a + ｅｘｐ(ａ) - 2; ｙｂ = b + e ｘp(b) - 2; 牛顿迭代法求解非线性方程组 非线性方程组如下： 221122121210801080 x x x x x x x ?-++=??+-+=?? 给定初值()00.0T x =，要求求解精度达到0.00001 1.首先建立函数()F X ,方程编程如下，将F.m 保存到工作路径中： function f=F(x) f(1)=x(1)^2-10*x(1)+x(2)^2+8; f(2)=x(1)*x(2)^2+x(1)-10*x(2)+8; f=[f(1),f(2)] ; 2.建立函数()DF X ,用于求方程的jacobi 矩阵,将DF.m 保存到工作路径中： function df=DF(x) df=[2*x(1)-10,2*x(2);x(2)^2+1,2*x(1)*x(2)-10]; %jacobi 矩阵是一阶偏导数以一定方式排列成的矩阵。 3.编程牛顿迭代法解非线性方程组，将newton.m 保存在工作路径中： clear,clc; x=[0,0]'; f=F(x); df=DF(x); fprintf('%d %.7f %.7f\n',0,x(1),x(2)); N=4; for i=1:N y=df\f'; x=x-y; f=F(x); df=DF(x); fprintf('%d %.7f %.7f\n',i,x(1),x(2)); if norm(y)<0.0000001 break; else end end ezplot('x^2-10*x+y^2+8',[-6,6,-6,6]); hold on ezplot('x*y^2+x-10*y+8',[-6,6,-6,6]); 运行结果如下： 0 0.0000000 0.0000000 1 0.8000000 0.8800000 2 0.9917872 0.9917117 线性系统稳定性分析 1.系统的稳定性： （1） 外部稳定：又称输出稳定，就是系统在干扰取消后，在一定时间内其输出会恢复到 原来的稳定输出。输出稳定有时描述为系统的BIBO 稳定，即有限的系统输入只能产生有限的系统输出。 （2） 内部稳定：主要针对系统内部状态，反映的是系统内部状态受干扰信号的影响情况。 当干扰信号取消后，若系统的内部状态会在一定时间内恢复到原来的平衡状态，则称系统状态稳定。 经典控制论中，研究对象都是高阶微分方程或传递函数描述的单输入单输出（SISO ）系统，反映的仅仅是输入与输出的关系，不涉及系统的内部状态，因此经典控制论只讨论系统的输出稳定问题。对于系统内部状态稳定问题，经典控制论中的方法就不好发挥作用了，需要用到Lyapunov 稳定性理论。 2.平衡状态：设控制系统齐次状态方程为：0.0(,)()|t t X f X t X t X ===，其中，()X t 为系统的n 维状态向量，f 是有关状态向量X 以及时间t 的n 维矢量函数，f 不一定是线性定常的。如果对所有的t ，状态e X 总满足：(,)0e f X t =，则称e X 为系统的平衡状态。对于一般控制系统，可能没有，也可能有一个或多个平衡状态。系统的状态稳定性是针对系统的平衡状态的，当系统有多个平衡状态时，需要对每个平衡状态分别进行讨论。 3. Lyapunov 稳定性分析 （1）Lyapunov 稳定性定义 设一般控制系统的解为：00()(;,)X t t X t =Φ，它是与初始时间0t 及初始状态0X 有关的，体现系统状态从00(,)t X 出发的一条状态轨迹。设e X 为系统的一个平衡点，如果给定一个以e X 为球心，0(,)t δε为半径的n 维球域()S δ，使得从()S δ球域出发的任意一条系统状态轨迹00(;,)t X t Φ在0t t ≥的所有时间内都不会跑出()S ε球域，则称系统的平衡状态e X 是Lyapunov 稳定的。 一般来说，δ的大小不但与ε有关，而且与系统的初始时间0t 有关，当δ仅与ε有关时，称e X 是一致稳定的平衡状态。 进一步地，如果e X 不仅是Lyapunov 稳定的平衡状态，而且当时间t 无限增加时，从()S δ出发的任一条状态轨迹00(;,)t X t Φ都最终收敛于球心平衡点e X ，那么称e X 是渐进稳定的。 更近一步地，如果从()S ∞即整个系统状态空间的任意一点出发的任意一条状态轨迹00(;,)t X t Φ，当t →∞时都收敛于平衡点e X ，那么称e X 是大范围渐进稳定的。显然此时的e X 是系统唯一的平衡点。 反之，对于给定的()S ε，不论0δ>取得多么小，若从()S δ出发的状态轨迹 00(;,)t X t Φ至少有一条跑出()S ε球域，那么平衡点e X 是不稳定的。 牛顿迭代法c++程序设计 求解{0=x*x-2*x-y+0.5; 0=x*x+4*y*y-4; }的方程 #include 实验五线性系统的稳定性和稳态误差分析 实验五 自动控制系统的稳定性和稳态误差分析 一、实验目的 1、研究高阶系统的稳定性，验证稳定判据的正确性； 2、了解系统增益变化对系统稳定性的影响； 3、观察系统结构和稳态误差之间的关系。 二、实验任务 1、稳定性分析 欲判断系统的稳定性，只要求出系统的闭环极点即可，而系统的闭环极点就是闭环传递函数的分母多项式的根，可以利用MATLAB 中的tf2zp 函数求出系统的零极点，或者利用root 函数求分母多项式的根来确定系统的闭环极点，从而判断系统的稳定性。 （1）已知单位负反馈控制系统的开环传递函数为 0.2( 2.5)()(0.5)(0.7)(3) s G s s s s s +=+++，用MATLAB 编写程序来判断闭环系统的稳定性，并绘制闭环系统的零极点图。 在MATLAB 命令窗口写入程序代码如下： z=-2.5 p=[0,-0.5,-0.7,-3] k=0.2 Go=zpk(z,p,k) Gc=feedback(Go,1) Gctf=tf(Gc) dc=Gctf.den dens=poly2str(dc{1},'s') 运行结果如下： dens= s^4 + 4.2 s^3 + 3.95 s^2 + 1.25 s + 0.5 dens是系统的特征多项式，接着输入如下MATLAB程序代码：den=[1,4.2,3.95,1.25,0.5] p=roots(den) 运行结果如下： p = -3.0058 -1.0000 -0.0971 + 0.3961i -0.0971 - 0.3961i p为特征多项式dens的根，即为系统的闭环极点，所有闭环极点都是负的实部，因此闭环系统是稳定的。 下面绘制系统的零极点图，MATLAB程序代码如下： z=-2.5 p=[0,-0.5,-0.7,-3] k=0.2 Go=zpk(z,p,k) Gc=feedback(Go,1) Gctf=tf(Gc) [z,p,k]=zpkdata(Gctf,'v') pzmap(Gctf) grid 运行结果如下： z = -2.5000 p = -3.0058非线性方程的解法
实验五 线性系统的稳定性和稳态误差分析
基于Matlab的牛顿迭代法解非线性方程组
第六章 非线性微分方程和稳定性
第一章非线性动力学分析方法
(完整word版)线性系统的稳定性分析
第六章 非线性微分方程和稳定性
非线性方程的简单迭代法和Steffensen迭代法
线性系统的稳定性分析
不动点迭代法求解非线性方程组
微分方程零解的稳定性
数值分析求解非线性方程根的二分法、简单迭代法和牛顿迭代法
牛顿迭代法求解非线性方程组的代码
线性系统稳定性分析
(完整word版)c++求解非线性方程组的牛顿顿迭代法
最新实验五线性系统的稳定性和稳态误差分析