Matlab求解非线性超定方程组恰定方程组欠定方程组Word下载.docx
《Matlab求解非线性超定方程组恰定方程组欠定方程组Word下载.docx》由会员分享,可在线阅读,更多相关《Matlab求解非线性超定方程组恰定方程组欠定方程组Word下载.docx(11页珍藏版)》请在冰豆网上搜索。
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fun.m:
functiony=fun(x)
y=[x
(1)-0.5*sin(x
(1))-0.3*cos(x
(2)),...
x
(2)-0.5*cos(x
(1))+0.3*sin(x
(2))];
>
x0=[0.1,0.1];
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=[2-13;
31-5;
4-11;
13-13]
A=
2-13
31-5
4-11
13-13
b=[303-6]’;
rank(A)
ans=
3
x1=A\b
x1=
1.0000
2.0000
x2=pinv(A)*b
x2=
A*x1-b
1.0e-014
-0.0888
-0.1332
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=[1-211;
1-21-1;
1-215]
1-211
1-21-1
1-215
b=[1-15]’
Warning:
Rankdeficient,rank=2tol=4.6151e-015
-0.0000
0.0000
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=[3.4336-0.52380.6710
-0.52383.2833-0.7302
0.6710-0.73024.0261];
b=[-1.0001.50002.5000];
[X,W]=nnls(A,b)
X=
0.6563
0.6998
W=
-3.6820
-0.3569
0.5744
0.7846
A*X-b
1.1258
0.1437
-0.1616
1.0e-0.15
-0.2220
0.4441
==============================================================
关于采用matlab进行指定非线性方程拟合的问题
(1)
※1。
优化工具箱的利用
函数
描述
LSQLIN
有约束线性最小二乘优化
LSQNONNEG
非负约束线性最小二乘优化问题
当有约束问题存在的时候,应该采用上面的方法代替Polyfit与反斜线(\)。
具体例子请参阅优化工具箱文档中的相应利用这两个函数的例子。
d.
非线性曲线拟合
利用MATLAB的内建函数
函数名
FMINBND
只解决单变量固定区域的最小值问题
FMINSEARCH多变量无约束非线性最小化问题(Nelder-Mead方法)。
下面给出一个小例子展示一下如何利用FMINSEARCH
1.首先生成数据
t=0:
.1:
10;
t=t(:
Data=40*exp(-.5*t)+rand(size(t));
%将数据加上随机噪声
2.写一个m文件,以曲线参数作为输入,以拟合误差作为输出
functionsse=myfit(params,Input,Actural_Output)
A=params
(1);
lamda=params
(2);
Fitted_Curve=A.*exp(-lamda*Input);
Error_Vector=Fitted_Curve-Actural_Output;
%当曲线拟合的时候,一个典型的质量评价标准就是误差平方和
sse=sum(Error_Vector.^2);
%当然,也可以将sse写作:
sse=Error_Vector(:
)*Error_Vector(:
3.调用FMINSEARCH
Strarting=rand(1,2);
options=optimset('
Display'
'
iter'
Estimates=fiminsearch(@myfit,Strarting,options,t,Data);
plot(t,Data,'
*'
holdon
plot(t,Estimates
(1)*exp(-Estimates
(2)*t),'
r'
Estimates将是一个包含了对原数据集进行估计的参数值的向量。
附图见后面:
FMINSEARCH通常能够用来解决不连续情况,特别是如果他们不出现在解的附近的时候。
它得到的通常也是局部解。
FMINSEARCH只能够最小化实数值(也就是说,解的域必须只能包括实数,函数的输出只能够为实数值)。
当感兴趣的是复数变量的域的时候,他们必须被分割为实部与虚部。
※2.MATLAB的FIGURE窗口:
最基本的拟合界面与数据统计工具
MATLAB通过基本的拟合界面也支持基本曲线拟合。
利用这个界面,你可以快速地在简单易用的环境中实现许多基本的曲线拟合。
这个界面可以实现以下功能:
a.通过比样条插值(splineinterpolant)、hermite插值、或者是高达10阶的多项式插值实现数据的拟合;
b.对给定数据同时实现多样插值的绘制;
c.绘制残差图;
d.检查拟合结果的残差的数值;
e.通过内插值或者外推插值评价一个拟合结果;
f.对拟合结果和残差的模进行图形绘制;
g.将拟合结果保存入MATLAB工作空间。
开发你的拟合应用的时候,你