Maab求解线性方程组非线性方程组
MATLAB教学视频：非线性方程(组)在MATLAB中的求解方法
0.6
0.8
1 t
1.2
1.4
1.6
1.8
2
二元方程组的图解法
用图解法，求二元方程组的解，其中 x 和 y 的范围均为 [-5, 5]
2 − xy x =5 e 3 2 2 x+ y x cos x + y + y e = 10 ( )
2
将方程组移项，改写成 f(x, y) = 0 的形式
f(t)
0 -0.1 -0.2
对于非多项式方程，只能求出一个解
-0.3 -0.4 -0.5
0
0.2
0.4
0.6
0.8
1 t
1.2
1.4
1.6
1.8
2
solve 函数的局限性
求解一元非线性方程 (超越方程)
f ( x ) = sin ( x ) + cos ( x x ) − 10
对于稍许复杂的方程，求解结果出现很大误差
一元方程的图解法
一个有阻尼的振动系统，振动方程如下，求出 x (t) = 0.1 对应的时刻 t
x ( t ) = 0.8 e −6t sin ( 30t )
根据振动方程，有
x ( t ) = 0.8 e −6t sin ( 30t ) = 0.1
移项，可得
0.8 e −6t sin ( 30t ) − 0.1 = 0
初值 x0 分别设定为0, 0.1, 0.2, 0.3, 0.4, 0.5 等，求解方程 F 的根，并观察结果
非线性方程 (组) 数值解的一般求法
◼ 使用 fsolve 函数的第二种调用格式，求解方程 F 的根 [x,fval,exitflag] = fsolve(fun,x0,options) ◼ 使用 optimset 函数，设置 options
Matlab 解非线性方程组2
用Matlab求解非线性方程组
Ｍａｄａｂ 的 符 号 数 学 工 具 箱 是 以 Ｍａｐｌｅ 的 ｍｙｆｕｎ ＇ ，ｘ０）L ｔｏｃ 程 序 后 ， 仅 仅 用 了 ０．０３００ 秒 。
内核为符号运算的引擎， 并 依 赖 Ｍａｐｌｅ 已 有 的 一般来说， 为了保证迭代的收敛性， 初始值应当
库 函 数 开 发 出 来 的 Ｍａｔｌａｂ 环 境 下 实 现 符 号 处 取在所求解的足够小的邻域内。有的实际问题
理的工具箱。它将符号运算结合到 Ｍａｄａｂ 的数 可以凭经验取值， 有的则可以用某些方法预估
值运算环境中。在 Ｍａｔｌａｂ５．０ 以上版本中定义这 一个近似解。从数学的角度讲， 这是个相当困难
种 新 的 数 据 类 型 — ——符 号 对 象 或 称 为 ｓｙｍ 对 的问题。
象， 其建立 函 数 是 ｓｙｍ 或 ｓｙｍｓ。 使 用 这 两 个 函
关键词： 符号对象； 迭代方法； Ｂｒｏｙｄｅｎ 法； 非线性方程组
１ 引言
［ｘ， ｆｖａｌ， ｅｘｉｔｆｌａｇ， ｏｕｔｐｕｔ］＝ｆｓｏｌｖｅ（…）返 回 一 个 包 含
非 线 性 方 程 组 解 的 几 何 意 义 与 线 性 方 程 最优化信息的输出结构 ｏｕｔｐｕｔ。
组 类 似， 方 程 组 中 每 个 方 程 定 义 了 一 个“曲 ”超 ［ｘ， ｆｖａｌ， ｅｘｉｔｆｌａｇ， ｏｕｔｐｕｔ， ｊａｃｏｂｉａｎ］＝ｆｓｏｌｖｅ（… ）返 回
ｅｚｓｕｒｆｃ、ｅｚｍｅｓｈ、ｅｚｍｅｓｈｃ 可 以 绘 制 参 数 网 格 或 行的停机准则并估计近似解的误差界， 等等。
表面图等等。利用上述函数功能， 我们可以绘制 求解非线性方程组的最简单和有效的迭代法之
出非线性方程组的曲线或曲面图形， 从图形中 一就是 Ｂｒｏｙｄｅｎ 方法：
matlab 方程组 解
matlab 方程组解一、概述Matlab是一种强大的数学计算软件，它可以用来解决各种数学问题，包括解方程组。
在Matlab中，求解方程组是一个非常重要的功能，因为很多实际问题都可以转化为方程组的形式。
本文将详细介绍如何使用Matlab求解线性方程组和非线性方程组。
二、线性方程组1. 线性方程组的定义线性方程组是指各个未知量的次数都不超过1次的代数方程组。
例如：2x + 3y = 54x - 5y = 6就是一个包含两个未知量x和y的线性方程组。
2. Matlab中求解线性方程组方法在Matlab中，可以使用“\”或者“inv()”函数来求解线性方程组。
其中，“\”表示矩阵左除，即Ax=b时，求解x=A\b；“inv()”函数表示矩阵求逆，即Ax=b时，求解x=inv(A)*b。
例如，在Matlab中求解以下线性方程组：2x + 3y = 54x - 5y = 6可以使用以下代码：A=[2,3;4,-5];b=[5;6];x=A\b输出结果为：x =1.00001.0000其中，“A”为系数矩阵，“b”为常数矩阵，“x”为未知量的解。
三、非线性方程组1. 非线性方程组的定义非线性方程组是指各个未知量的次数超过1次或者存在乘积项、幂项等非线性因素的代数方程组。
例如：x^2 + y^2 = 25x*y - 3 = 0就是一个包含两个未知量x和y的非线性方程组。
2. Matlab中求解非线性方程组方法在Matlab中，可以使用“fsolve()”函数来求解非线性方程组。
该函数需要输入一个函数句柄和初始值向量，输出未知量的解向量。
例如，在Matlab中求解以下非线性方程组：x^2 + y^2 = 25x*y - 3 = 0可以使用以下代码：fun=@(x)[x(1)^2+x(2)^2-25;x(1)*x(2)-3];x0=[1;1];[x,fval]=fsolve(fun,x0)输出结果为：Local minimum found.Optimization completed because the size of the gradient is less thanthe default value of the function tolerance.<stopping criteria details>ans =1.60561.8708其中，“fun”为函数句柄，表示要求解的非线性方程组，“x0”为初始值向量，“[x,fval]”为输出结果，其中“x”表示未知量的解向量，“fval”为函数值。
用MATLAB解析实验数据与拟合非线性方程
用MATLAB解析实验数据与拟合非线性方程引言在科学研究和工程实践中，我们经常需要分析实验数据并拟合非线性方程模型。
然而，由于实验数据的复杂性和非线性方程的高维度，这项任务往往具有一定的挑战性。
幸运的是，利用MATLAB这样强大的计算工具，我们可以轻松地完成这个任务。
数据导入和预处理首先，我们需要将实验数据导入MATLAB中进行进一步的分析。
在MATLAB 中，我们可以使用多种方式来导入数据，例如使用readtable函数来读取Excel文件中的数据，或使用importdata函数来导入文本文件中的数据。
导入数据后，我们可以对数据进行一些预处理的操作，例如去除异常值、缺失值填充、数据平滑等。
MATLAB提供了众多的函数和工具箱，可以帮助我们轻松地完成这些操作。
数据可视化在分析实验数据之前，我们通常需要先对数据进行可视化，以便更好地理解数据的特征和趋势。
MATLAB提供了丰富的绘图函数，可以帮助我们绘制各种类型的图表，例如折线图、散点图、柱状图等。
通过绘制图表，我们可以观察到数据的变化趋势、异常情况和相关性等。
此外，MATLAB还提供了交互式的绘图工具，可以使我们更加灵活地调整图表的样式和布局。
数据分析和建模在数据可视化的基础上，我们可以进一步对实验数据进行分析。
MATLAB提供了丰富的统计分析函数和工具箱，可以帮助我们计算数据的各种统计指标，例如均值、方差、相关系数等。
另外，如果我们已经有了一定的理论基础，可以根据实验数据建立起合适的非线性方程模型。
MATLAB提供了优化工具箱，可以帮助我们拟合非线性方程模型，并估计模型参数。
通过拟合，我们可以得到模型的函数形式和参数值，进而对实验数据进行解析和预测。
非线性方程拟合非线性方程拟合是实验数据分析的关键步骤之一。
MATLAB提供了多种非线性方程拟合的方法和函数，例如最小二乘法、非线性最小二乘法、逐步回归等。
在进行非线性方程拟合时，我们需要选择合适的模型函数和初值，并设置适当的拟合算法和参数。
Matlab非线性方程数值解法
Matlab⾮线性⽅程数值解法实验⽬的⽤Matlab实现⾮线性⽅程的⼆分法、不动点迭代法实验要求1. 给出⼆分法算法和不动点迭代算法2. ⽤Matlab实现⼆分法3. ⽤Matlab实现不动点迭代法实验内容（1）在区间[0,1]上⽤⼆分法和不动点迭代法求的根到⼩数点后六位。
（2）⼆分法的基本思想：逐步⼆分区间[a,b]，通过判断两端点函数值的符号，进⼀步缩⼩有限区间，将有根区间的长度缩⼩到充分⼩，从⽽，求得满⾜精度要求的根的近似值。
（3）不动点迭代法基本思想：已知⼀个近似根，构造⼀个递推关系（迭代格式），使⽤这个迭代格式反复校正根的近似值，计算出⽅程的⼀个根的近似值序列，使之逐步精确法，直到满⾜精度要求（该序列收敛于⽅程的根）。
实验步骤（1）⼆分法算法与MATLAB程序（⼆分法的依据是根的存在性定理，更深地说是介值定理）。
MATLAB程序，1 %⼆分法2 %输⼊：f(x)=0的f(x)，[a,b]的a,b，精度ep3 %输出：近似根root，迭代次数k4 function [root,k]=bisect(fun,a,b,ep)5if nargin>36 elseif nargin<47 ep=1e-5;%默认精度8else9 error('输⼊参数不⾜');%输⼊参数必须包括f(x)和[a,b]10 end11if fun(a)*fun(b)>0%输⼊的区间要求12 root=[fun(a),fun(b)];13 k=0;14return;15 end16 k=1;17while abs(b-a)/2>ep%精度要求18 mid=(a+b)/2;%中点19if fun(a)*fun(mid)<020 b=mid;21 elseif fun(a)*fun(mid)>022 a=mid;23else24 a=mid;b=mid;25 end26 k=k+1;27 end28 root=(a+b)/2;29 end⼆分法1运⾏⽰例（并未对输出格式做控制，由于精度要求，事后有必要控制输出的精度）：优化代码，减⼩迭代次数（在迭代前，先搜寻更适合的有根区间）1 %⼆分法改良2 %在⼀开始给定的区间中寻找更⼩的有根区间3 %输⼊：f(x)=0的f(x)，[a,b]的a,b，精度ep4 %输出：近似根root，迭代次数k5 %得到的根是优化区间⾥的最⼤根6 function [root,k]=bisect3(fun,a,b,ep)7if nargin>38 elseif nargin<49 ep=1e-5;%默认精度10else11 error('输⼊参数不⾜');%输⼊参数必须包括f(x)和[a,b]12 end13 %定义划分区间的分数14 divQJ=1000;15 %等分区间16 tX=linspace(a,b,divQJ);17 %计算函数值18 tY=fun(tX);19 %找到函数值的正负变化的位置20 locM=find(tY<0);21 locP=find(tY>0);22 %定义新区间23if tY(1)<024 a=tX(locM(end));25 b=tX(locP(1));26else27 a=tX(locP(end));28 b=tX(locM(1));29 end30if fun(a)*fun(b)>0%输⼊的区间要求31 root=[fun(a),fun(b)];32 k=0;33return;34 end35 k=1;36while abs(b-a)/2>ep%精度要求37 mid=(a+b)/2;%中点38if fun(a)*fun(mid)<039 b=mid;40 elseif fun(a)*fun(mid)>041 a=mid;42else43 a=mid;b=mid;44 end45 k=k+1;46 end47 root=(a+b)/2;48 end⼆分法2运⾏⽰例（同样没有控制输出）明显地，迭代次数减⼩许多。
matlab求解非线性方程组及极值
matlab求解非线性方程组及极值默认分类2010-05-18 15:46:13 阅读1012 评论2 字号：大中小订阅一、概述：求函数零点和极值点：Matlab中三种表示函数的方法: 1. 定义一个m函数文件, 2.使用函数句柄; 3.定义inline函数, 其中第一个要掌握简单函数编写, 二, 三中掌握一个。
函数的'常规'使用有了函数了, 我们怎么用呢, 一种是直接利用函数来计算, 例如: sin(pi), 还有我们提到的mysqr(3)...另一种是函数画图, 例如Plottools中提到的ezplot, ezsurf... 但是这也太小儿科了, 有没有想过定义函数后, 利用它来: 求解零点(即解f(x)=0方程), 最优化(求最值/极值点), 求定积分, 常微分方程求解等. 当然这里由于篇幅有限(空间快满了)以及这个只是'基础教程'的缘故, 只提及一些皮毛知识, 掌握这些后, 如果需要你可以进一步学习.解f(x)=0已知函数求解函数值=0所表示的方程, Matlab中有两个函数可以做到, fzero和fsolve前者只能解一元方程, 后者可以解多元方程组, 不过基本使用形式上差不多:解=fzero(函数, 初值, options)解=fsolve(函数, 初值, options)关于解: fzero给出的是x单值的解, fsolve给出的是解x可能处于的区间, 当然, 这个区间很窄.关于'函数', 还记得前面提到的三种表示方法吧, 在这里都可以用, 记住就是: 如果直接使用函数名, 要用单引号将它括起来, 而函数句柄, inline函数可以直接使用.关于'初值': 电脑比较笨, 它寻找解的办法是尝试不同地x值, 摸索解在哪里, 所以我们一开始就要给它指明从哪里开始下手, 初值这里, 可以只给它一个值, 让它在这个值附近找解, 也可以给它一个区间(区间用[下限,上限]这种方式表示), 它会在这个区间内找解.fzero的一些局限, 如果你给定的初值是区间, 而恰好函数在区间端点处同号, fzero会出错, 而如果你只给一个初值, fezro又有可能'走错方向', 例如给初值2让它解mysqr这个函数方程就出错了, FT!寻找函数极值/最值Matlab中也有两个函数可以做到, 是: fminbnd: 寻找一元函数极小值; fminsearch: 寻找多元函数极小值(当然一元也行). 别问我怎么没有找极大值的Matlab函数, 你把原函数取负数, 寻找它的极小值不就行了. 相关语法:x=fminbnd(函数, 区间起始值, 区间终止值)x=fminsearch(函数, 自变量初值)相关说明: fminbnd中指定要查找极小值的自变量区间, 好像不指定也行, 不过那样的话, 如果函数有多个极小值就可能比较难以预料结果了.fminsearch中要给定一个初值, 这个初值可以是自变量向量(将自变量依次排在一起组成向量)的初值, 也可以是表示向量初值区间的一个矩阵.函数: 那三种形式都适用, 但是记住, 直接使用函数名称需要加单引号!cite from:/qq529312840/blog/item/3687e4c7e7e2d6d9d0006049.html二、实例+讲解（1）非线性方程数值求解：1 单变量非线性方程求解在MATLAB中提供了一个fzero函数，可以用来求单变量非线性方程的根。
matlab求解非线性方程组
非线性方程组求解1.mulStablePoint用不动点迭代法求非线性方程组的一个根function [r,n]=mulStablePoint(F,x0,eps)%非线性方程组：f%初始解：a%解的精度：eps%求得的一组解：r%迭代步数：nif nargin==2eps=1.0e-6;endx0 = transpose(x0);n=1;tol=1;while tol>epsr= subs(F,findsym(F),x0); %迭代公式tol=norm(r-x0); %注意矩阵的误差求法，norm为矩阵的欧几里德范数n=n+1;x0=r;if(n>100000) %迭代步数控制disp('迭代步数太多，可能不收敛！');return;endend2.mulNewton用牛顿法法求非线性方程组的一个根function [r,n]=mulNewton(F,x0,eps)if nargin==2eps=1.0e-4;endx0 = transpose(x0);Fx = subs(F,findsym(F),x0);var = findsym(F);dF = Jacobian(F,var);dFx = subs(dF,findsym(dF),x0);r=x0-inv(dFx)*Fx;n=1;tol=1;while tol>epsx0=r;Fx = subs(F,findsym(F),x0);dFx = subs(dF,findsym(dF),x0);r=x0-inv(dFx)*Fx; %核心迭代公式tol=norm(r-x0);n=n+1;if(n>100000) %迭代步数控制 disp('迭代步数太多，可能不收敛！');return;endend3.mulDiscNewton用离散牛顿法法求非线性方程组的一个根function [r,m]=mulDiscNewton(F,x0,h,eps)format long;if nargin==3eps=1.0e-8;endn = length(x0);fx = subs(F,findsym(F),x0);J = zeros(n,n);for i=1:nx1 = x0;x1(i) = x1(i)+h(i);J(:,i) = (subs(F,findsym(F),x1)-fx)/h(i);endr=transpose(x0)-inv(J)*fx;m=1;tol=1;while tol>epsxs=r;fx = subs(F,findsym(F),xs);J = zeros(n,n);for i=1:nx1 = xs;x1(i) = x1(i)+h(i);J(:,i) = (subs(F,findsym(F),x1)-fx)/h(i);endr=xs-inv(J)*fx; %核心迭代公式tol=norm(r-xs);m=m+1;if(m>100000) %迭代步数控制 disp('迭代步数太多，可能不收敛！');return;endendformat short;4.mulMix用牛顿-雅可比迭代法求非线性方程组的一个根function [r,m]=mulMix(F,x0,h,l,eps)if nargin==4eps=1.0e-4;endn = length(x0);J = zeros(n,n);Fx = subs(F,findsym(F),x0);for i=1:nx1 = x0;x1(i) = x1(i)+h(i);J(:,i) = (subs(F,findsym(F),x1)-Fx)/h(i);endD = diag(diag(J));C =D - J;inD = inv(D);H = inD*C;Hm = eye(n,n);for i=1:l-1Hm = Hm + power(H,i);enddr = Hm*inD*Fx;r = transpose(x0)-dr; m=1;tol=1;while tol>epsx0=r;Fx = subs(F,findsym(F),x0);J = zeros(n,n);for i=1:nx1 = x0;x1(i) = x1(i)+h(i);J(:,i) = (subs(F,findsym(F),x1)-Fx)/h(i);endD = diag(diag(J));C =D - J;inD = inv(D);H = inD*C;Hm = eye(n,n);for i=1:l-1Hm = Hm + power(H,i);enddr = Hm*inD*Fx;r = x0-dr; %核心迭代公式tol=norm(r-x0);m=m+1;if(m>100000) %迭代步数控制 disp('迭代步数太多，可能不收敛！');return;endend5.mulNewtonSOR用牛顿-SOR迭代法求非线性方程组的一个根function [r,m]=mulNewtonSOR(F,x0,w,h,l,eps)if nargin==5eps=1.0e-4;endn = length(x0);J = zeros(n,n);Fx = subs(F,findsym(F),x0);for i=1:nx1 = x0;x1(i) = x1(i)+h(i);J(:,i) = (subs(F,findsym(F),x1)-Fx)/h(i);endD = diag(diag(J));L = -tril(J-D);U = -triu(J-D);inD = inv(D-w*L);H = inD*(D - w*D+w*L);;Hm = eye(n,n);for i=1:l-1Hm = Hm + power(H,i);enddr = w*Hm*inD*Fx;r = transpose(x0)-dr;m=1;tol=1;while tol>epsx0=r;Fx = subs(F,findsym(F),x0);J = zeros(n,n);for i=1:nx1 = x0;x1(i) = x1(i)+h(i);J(:,i) = (subs(F,findsym(F),x1)-Fx)/h(i);endD = diag(diag(J));L = -tril(J-D);U = -triu(J-D);inD = inv(D-w*L);H = inD*(D - w*D+w*L);;Hm = eye(n,n);for i=1:l-1Hm = Hm + power(H,i);enddr = w*Hm*inD*Fx;r = x0-dr; %核心迭代公式tol=norm(r-x0);m=m+1;if(m>100000) %迭代步数控制 disp('迭代步数太多，可能不收敛！');return;endend6.mulDNewton用牛顿下山法求非线性方程组的一个根function [r,m]=mulDNewton(F,x0,eps)%非线性方程组：F%初始解：x0%解的精度：eps%求得的一组解：r%迭代步数：nif nargin==2eps=1.0e-4;endx0 = transpose(x0);dF = Jacobian(F);m=1;tol=1;while tol>epsttol=1;w=1;Fx = subs(F,findsym(F),x0);dFx = subs(dF,findsym(dF),x0);F1=norm(Fx);while ttol>=0 %下面的循环是选取下山因子w的过程r=x0-w*inv(dFx)*Fx; %核心的迭代公式Fr = subs(F,findsym(F),r);ttol=norm(Fr)-F1;w=w/2;endtol=norm(r-x0);m=m+1;x0=r;if(m>100000) %迭代步数控制disp('迭代步数太多，可能不收敛！');return;endend7.mulGXF1用两点割线法的第一种形式求非线性方程组的一个根function [r,m]=mulGXF1(F,x0,x1,eps)format long;if nargin==3eps=1.0e-4;endx0 = transpose(x0);x1 = transpose(x1);n = length(x0);fx = subs(F,findsym(F),x0);fx1 = subs(F,findsym(F),x1);h = x0 - x1;J = zeros(n,n);for i=1:nxt = x1;xt(i) = x0(i);J(:,i) = (subs(F,findsym(F),xt)-fx1)/h(i);endr=x1-inv(J)*fx1;m=1;tol=1;while tol>epsx0 = x1;x1 = r;fx = subs(F,findsym(F),x0);fx1 = subs(F,findsym(F),x1);h = x0 - x1;J = zeros(n,n);for i=1:nxt = x1;xt(i) = x0(i);J(:,i) = (subs(F,findsym(F),xt)-fx1)/h(i);endr=x1-inv(J)*fx1;tol=norm(r-x1);m=m+1;if(m>100000) %迭代步数控制 disp('迭代步数太多，可能不收敛！');return;endendformat short;8.mulGXF2用两点割线法的第二种形式求非线性方程组的一个根function [r,m]=mulGXF2(F,x0,x1,eps)format long;if nargin==3eps=1.0e-4;endx0 = transpose(x0);x1 = transpose(x1);n = length(x0);fx = subs(F,findsym(F),x0);fx1 = subs(F,findsym(F),x1);h = x0 - x1;J = zeros(n,n);xt = x1;xt(1) = x0(1);J(:,1) = (subs(F,findsym(F),xt)-subs(F,findsym(F),x1))/h(1);for i=2:nxt = x1;xt(1:i) = x0(1:i);xt_m = x1;xt_m(1:i-1) = x0(1:i-1);J(:,i) = (subs(F,findsym(F),xt)-subs(F,findsym(F),xt_m))/h(i);endr=x1-inv(J)*fx1;m=1;tol=1;while tol>epsx0 = x1;x1 = r;fx = subs(F,findsym(F),x0);fx1 = subs(F,findsym(F),x1);h = x0 - x1;J = zeros(n,n);xt = x1;xt(1) = x0(1);J(:,1) = (subs(F,findsym(F),xt)-subs(F,findsym(F),x1))/h(1);for i=2:nxt = x1;xt(1:i) = x0(1:i);xt_m = x1;xt_m(1:i-1) = x0(1:i-1);J(:,i) = (subs(F,findsym(F),xt)-subs(F,findsym(F),xt_m))/h(i);endr=x1-inv(J)*fx1;tol=norm(r-x1);m=m+1;if(m>100000) %迭代步数控制 disp('迭代步数太多，可能不收敛！');return;endendformat short;9.mulVNewton用拟牛顿法求非线性方程组的一组解function [r,m]=mulVNewton(F,x0,A,eps)%方程组：F%方程组的初始解：x0% 初始A矩阵：A%解的精度：eps%求得的一组解：r%迭代步数：mif nargin==2A=eye(length(x0)); %A取为单位阵eps=1.0e-4;elseif nargin==3eps=1.0e-4;endendx0 = transpose(x0);Fx = subs(F, findsym(F),x0);r=x0-A\Fx;m=1;tol=1;while tol>epsx0=r;Fx = subs(F, findsym(F),x0);r=x0-A\Fx;y=r-x0;Fr = subs(F, findsym(F),r);z= Fr-Fx;A1=A+(z-A*y)*transpose(y)/norm(y); %调整A A=A1;m=m+1;if(m>100000) %迭代步数控制 disp('迭代步数太多，可能不收敛！');return;endtol=norm(r-x0);end10.mulRank1用对称秩1算法求非线性方程组的一个根function [r,n]=mulRank1(F,x0,A,eps)if nargin==2l = length(x0);A=eye(l); %A取为单位阵eps=1.0e-4;elseif nargin==3eps=1.0e-4;endendfx = subs(F,findsym(F),x0);r=transpose(x0)-inv(A)*fx;n=1;tol=1;while tol>epsx0=r;fx = subs(F,findsym(F),x0);r=x0-inv(A)*fx;y=r-x0;fr = subs(F,findsym(F),r);z = fr-fx;A1=A+ fr *transpose(fr)/(transpose(fr)*y); %调整A A=A1;n=n+1;if(n>100000) %迭代步数控制disp('迭代步数太多，可能不收敛！');return;endtol=norm(r-x0);end11.mulDFP用D-F-P算法求非线性方程组的一组解function [r,n]=mulDFP(F,x0,A,eps)if nargin==2l = length(x0);B=eye(l); %A取为单位阵eps=1.0e-4;elseif nargin==3eps=1.0e-4;endendfx = subs(F,findsym(F),x0);r=transpose(x0)-B*fx;n=1;tol=1;while tol>epsx0=r;fx = subs(F,findsym(F),x0);r=x0-B*fx;y=r-x0;fr = subs(F,findsym(F),r);z = fr-fx;B1=B+ y*y'/(y'*z)-B*z*z'*B/(z'*B*z); %调整AB=B1;n=n+1;if(n>100000) %迭代步数控制disp('迭代步数太多，可能不收敛！');return;endtol=norm(r-x0);end12.mulBFS用B-F-S算法求非线性方程组的一个根function [r,n]=mulBFS(F,x0,B,eps)if nargin==2l = length(x0);B=eye(l); %B取为单位阵eps=1.0e-4;elseif nargin==3eps=1.0e-4;endendfx = subs(F,findsym(F),x0);r=transpose(x0)-B*fx;n=1;tol=1;while tol>epsx0=r;fx = subs(F,findsym(F),x0);r=x0-B*fx;y=r-x0;fr = subs(F,findsym(F),r);z = fr-fx;u = 1 + z'*B*z/(y'*z);B1= B+ (u*y*y'-B*z*y'-y*z'*B)/(y'*z); %调整B B=B1;n=n+1;if(n>100000) %迭代步数控制disp('迭代步数太多，可能不收敛！');return;endtol=norm(r-x0);end13.mulNumYT用数值延拓法求非线性方程组的一组解function [r,m]=mulNumYT(F,x0,h,N,eps)format long;if nargin==4eps=1.0e-8;endn = length(x0);fx0 = subs(F,findsym(F),x0);x0 = transpose(x0);J = zeros(n,n);for k=0:N-1fx = subs(F,findsym(F),x0);for i=1:nx1 = x0;x1(i) = x1(i)+h(i);J(:,i) = (subs(F,findsym(F),x1)-fx)/h(i);endinJ = inv(J);r=x0-inJ*(fx-(1-k/N)*fx0);x0 = r;endm=1;tol=1;while tol>epsxs=r;fx = subs(F,findsym(F),xs);J = zeros(n,n);for i=1:nx1 = xs;x1(i) = x1(i)+h(i);J(:,i) = (subs(F,findsym(F),x1)-fx)/h(i);endr=xs-inv(J)*fx; %核心迭代公式tol=norm(r-xs);m=m+1;if(m>100000) %迭代步数控制 disp('迭代步数太多，可能不收敛！');return;endendformat short;14.DiffParam1用参数微分法中的欧拉法求非线性方程组的一组解function r=DiffParam1(F,x0,h,N)%非线性方程组：f%初始解：x0%数值微分增量步大小：h%雅可比迭代参量:l%解的精度：eps%求得的一组解：r%迭代步数：nx0 = transpose(x0);n = length(x0);ht = 1/N;Fx0 = subs(F,findsym(F),x0);for k=1:NFx = subs(F,findsym(F),x0);J = zeros(n,n);for i=1:nx1 = x0;x1(i) = x1(i)+h(i);J(:,i) = (subs(F,findsym(F),x1)-Fx)/h(i);endinJ = inv(J);r = x0 - ht*inJ*Fx0;x0 = r;end15.DiffParam2用参数微分法中的中点积分法求非线性方程组的一组解function r=DiffParam2(F,x0,h,N)%非线性方程组：f%初始解：x0%数值微分增量步大小：h%雅可比迭代参量:l%解的精度：eps%求得的一组解：r%迭代步数：nx0 = transpose(x0);n = length(x0);ht = 1/N;Fx0 = subs(F,findsym(F),x0);J = zeros(n,n);for i=1:nxt = x0;xt(i) = xt(i)+h(i);J(:,i) = (subs(F,findsym(F),xt)-Fx0)/h(i);endinJ = inv(J);x1 = x0 - ht*inJ*Fx0;for k=1:Nx2 = x1 + (x1-x0)/2;Fx2 = subs(F,findsym(F),x2);J = zeros(n,n);for i=1:nxt = x2;xt(i) = xt(i)+h(i);J(:,i) = (subs(F,findsym(F),xt)-Fx2)/h(i);endinJ = inv(J);r = x1 - ht*inJ*Fx0;x0 = x1;x1 = r;end16.mulFastDown用最速下降法求非线性方程组的一组解function [r,m]=mulFastDown(F,x0,h,eps)format long;if nargin==3eps=1.0e-8;endn = length(x0);x0 = transpose(x0);m=1;tol=1;while tol>epsfx = subs(F,findsym(F),x0);J = zeros(n,n);for i=1:nx1 = x0;x1(i) = x1(i)+h;J(:,i) = (subs(F,findsym(F),x1)-fx)/h;endlamda = fx/sum(diag(transpose(J)*J));r=x0-J*lamda; %核心迭代公式fr = subs(F,findsym(F),r);tol=dot(fr,fr);x0 = r;m=m+1;if(m>100000) %迭代步数控制 disp('迭代步数太多，可能不收敛！');return;endendformat short;17.mulGSND用高斯牛顿法求非线性方程组的一组解function [r,m]=mulGSND(F,x0,h,eps)format long;if nargin==3eps=1.0e-8;endn = length(x0);x0 = transpose(x0);m=1;tol=1;while tol>epsfx = subs(F,findsym(F),x0);J = zeros(n,n);for i=1:nx1 = x0;x1(i) = x1(i)+h;J(:,i) = (subs(F,findsym(F),x1)-fx)/h;endDF = inv(transpose(J)*J)*transpose(J);r=x0-DF*fx; %核心迭代公式tol=norm(r-x0);x0 = r;m=m+1;if(m>100000) %迭代步数控制 disp('迭代步数太多，可能不收敛！');return;endendformat short;18.mulConj用共轭梯度法求非线性方程组的一组解function [r,m]=mulConj(F,x0,h,eps)format long;if nargin==3eps=1.0e-6;endn = length(x0);x0 = transpose(x0);fx0 = subs(F,findsym(F),x0);p0 = zeros(n,n);for i=1:nx1 = x0;x1(i) = x1(i)*(1+h);p0(:,i) = -(subs(F,findsym(F),x1)-fx0)/h;endm=1;tol=1;while tol>epsfx = subs(F,findsym(F),x0);J = zeros(n,n);for i=1:nx1 = x0;x1(i) = x1(i)+h;J(:,i) = (subs(F,findsym(F),x1)-fx)/h;endlamda = fx/sum(diag(transpose(J)*J));r=x0+p0*lamda; %核心迭代公式fr = subs(F,findsym(F),r);Jnext = zeros(n,n);for i=1:nx1 = r;x1(i) = x1(i)+h;Jnext(:,i) = (subs(F,findsym(F),x1)-fr)/h;endabs1 = transpose(Jnext)*Jnext;abs2 = transpose(J)*J;v = abs1/abs2;if (abs(det(v)) < 1)p1 = -Jnext+p0*v;elsep1 = -Jnext;endtol=norm(r-x0);p0 = p1;x0 = r;m=m+1;if(m>100000) %迭代步数控制 disp('迭代步数太多，可能不收敛！');return;endendformat short;19.mulDamp用阻尼最小二乘法求非线性方程组的一组解function [r,m]=mulDamp(F,x0,h,u,v,eps)format long;if nargin==5eps=1.0e-6;endFI = transpose(F)*F/2;n = length(x0);x0 = transpose(x0);m=1;tol=1;while tol>epsj = 0;fx = subs(F,findsym(F),x0);J = zeros(n,n);for i=1:nx1 = x0;x1(i) = x1(i)+h;afx = subs(F,findsym(F),x1);J(:,i) = (afx-fx)/h;endFIx = subs(FI,findsym(FI),x0);for i=1:nx2 = x0;x2(i) = x2(i)+h;gradFI(i,1) = (subs(FI,findsym(FI),x2)-FIx)/h;ends=0;while s==0A = transpose(J)*J+u*eye(n,n);p = -A\gradFI;r = x0 + p;FIr = subs(FI,findsym(FI),r);if FIr<FIxif j == 0u = u/v;j = 1;elses=1;endelseu = u*v;j = 1;if norm(r-x0)<epss=1;endendendx0 = r;tol = norm(p);m=m+1;if(m>100000) %迭代步数控制disp('迭代步数太多，可能不收敛！');return;endendformat short;。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
M a a b求解线性方程组非
线性方程组
The latest revision on November 22, 2020
求解线性方程组solve，linsolve例：A=[5 0 4 2;1 -1 2 1;4 1 2 0;1 1 1 1];%矩阵的行之间用分号隔开，元素之间用逗号或空格B=[3;1;1;0]X=zeros(4,1);%建立一个4元列向量
X=linsolve(A,B)diff（fun，var，n）：对表达式fun中的变量var求n阶导数。
例如：F=sym（'u(x,y)*v(x,y)'）; %sym（）用来定义一个符号表达式diff(F); %matlab区分大小写pretty(ans) %pretty（）：用习惯书写方式显示变量；ans是答案表达式
非线性方程求解
fsolve(fun,x0,options)
其中fun为待解方程或方程组的文件名；
x0位求解方程的初始向量或矩阵；
option为设置命令参数
建立文件：
function y=fun(x)
y=[x(1)*sin(x(1))*cos(x(2)), ...
x(2) - *cos(x(1))+*sin(x(2))];
>>clear;x0=[,];fsolve(@fun,x0,optimset('fsolve'))注：...为续行符m文件必须以function 为文件头，调用符为@；文件名必须与定义的函数名相同；fsolve（）主要求解复杂非线性方程和方程组，求解过程是一个逼近过程。
Matlab求解线性方程组AX=B或XA=B在MATLAB中，求解线性方程组时，主要采用前面章节介绍的除法运算符“/”和“\”。
如：X=A\B表示求矩阵方程AX＝B的解；X＝B/A表示矩阵方程XA=B 的解。
对方程组X＝A\B，要求A和B用相同的行数，X和B有相同的列数，它的行数等于矩阵A 的列数，方程X＝B/A同理。
如果矩阵A不是方阵，其维数是m×n，则有：m＝n 恰定方程，求解精确解；m>n 超定方程，寻求最小二乘解；m<n 不定方程，寻求基本解，其中至多有m个非零元素。
针对不同的情况，MATLAB将采用不同的算法来求解。
一．恰定方程组恰定方程组由n个未知数的n个方程构成，方程有唯一的一组解，其一般形式可用矩阵，向量写成如下形式：Ax=b 其中A是方阵，b是一个列向量；在线性代数教科书中，最常用的方程组解法有：（1）利用cramer公式来求解法；（2）利用矩阵求逆解法，即x=A-1b；
（3）利用gaussian消去法；（4）利用lu法求解。
一般来说，对维数不高，条件数不大的矩阵，上面四种解法所得的结果差别不大。
前三种解法的真正意义是在其理论上，而不是实际的数值计算。
MATLAB中，出于对算法稳定性的考虑，行列式及逆的计算大都在lu分解的基础上进行。
在MATLAB中，求解这类方程组的命令十分简单，直接采用表达式：x=A\b。
在MATLAB的指令解释器在确认变量A非奇异后，就对它进行lu分解，并最终给出解x；若矩阵A的条件数很大，MATLAB会提醒用户注意所得解的可靠性。
如果矩阵A是奇异的，则Ax=b的解不存在，或者存在但不唯一；如果矩阵A接近奇异时，MATLAB将给出警告信息；如果发现A是奇异的，则计算结果为inf，并且给出警告信息；如果矩阵A是病态矩阵，也会给出警告信息。
注意：在求解方程时，尽量不要用inv(A)*b命令，而应采用A\b的解法。
因为后者的计算速度比前者快、精度高，尤其当矩阵A的维数比较大时。
另外，除法命令的适用行较强，对于非方阵A，也能给出最小二乘解。
二．超定方程组
对于方程组Ax=b，A为n×m矩阵，如果A列满秩，且n>m。
则方程组没有精确解，此时称方程组为超定方程组。
线性超定方程组经常遇到的问题是数据的曲线拟合。
对于超定方程，在MATLAB 中，利用左除命令（x=A\b）来寻求它的最小二乘解；还可以用广义逆来求，即x=pinv(A),所得的解不一定满足Ax=b，x只是最小二乘意义上的解。
左除的方法是建立在奇异值分解基础之上，由此获得的解最可靠；广义逆法是建立在对原超定方程直接进行householder变换的基础上，其算法可靠性稍逊与奇异值求解，但速度较快；
【例7】
求解超定方程组
A=[2 -1 3;3 1 -5;4 -1 1;1 3 -13]
A=
2 -1 3
3 1 -5
4 -1 1
1 3 -13
b＝[3 0 3 -6]’;
rank(A)
ans=
3
x1=A\b
x1=
x2=pinv(A)*b
x2=
A*x1-b
ans=
0可见x1并不是方程Ax=b的精确解，用x2=pinv(A)*b所得的解与x1相同。
三．欠定方程组
欠定方程组未知量个数多于方程个数，但理论上有无穷个解。
MATLAB将寻求一个基本解，其中最多只能有m个非零元素。
特解由列主元qr分解求得。
【例8】
解欠定方程组
A＝[1 -2 1 1;1 -2 1 -1;1 -2 1 5]
A=
1 -
2 1 1
1 -
2 1 -1
1 -
2 1 -1
1 -
2 1 5
b=[1 -1 5]’
x1=A\b
Warning:Rank deficient,rank=2 tol=
x1=
x2=pinv(A)*b
x2=
四．方程组的非负最小二乘解
在某些条件下，所求的线性方程组的解出现负数是没有意义的。
虽然方程组可以得到精确解，但却不能取负值解。
在这种情况下，其非负最小二乘解比方程的精确解更有意义。
在MATLAB中，求非负最小二乘解常用函数nnls，其调用格式为：
（1）X=nnls(A,b)返回方程Ax=b的最小二乘解，方程的求解过程被限制在x 的条件下；
（2）X=nnls(A,b,TOL)指定误差TOL来求解，TOL的默认值为
TOL=max(size(A))*norm(A,1)*eps，矩阵的－1范数越大，求解的误差越大；
（3）[X,W]=nnls(A,b) 当x(i)=0时，w(i)<0；当下x(i)>0时，w(i)0,同时返回一个双向量w。
【例9】求方程组的非负最小二乘解
A=[
];
b=[ ];
[X,W]=nnls(A,b) X=
W=
x1=A\b
x1=
A*X-b
ans=
A*x1-b
ans=。