MATALAB课件3.4.pptVIP

3.4 线性方程组求解 1.恰定方程组的解 方程ax+b(a为非奇异) x=a-1 b 矩阵逆 两种解: x=inv(a)?b — 采用求逆运算解方程 x=a\b — 采用左除运算解方程 方程ax=b a=[1 2;2 3];b=[8;13]; ?x=inv(a)*b ? x=a\b x = x = 2.00 2.00 3.00 3.00 2.超定方程组的解 方程 ax=b ,mn时此时不存在唯一解。 方程解 (a a)x=a b x=(a a)-1 a b —— 求逆法 x=a\b —— matlab用最小二乘法找一 个准确地基本解。 最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。 例: x1+2x2=1 2x1+3x2=2 3x1+4x2=3 a=[1 2;2 3;3 4];b=[1;2;3]; 解1 x=a\b 解2 x=inv(a?a) ? a ? b x = x = 1.00 1.00 0 0.00 3.欠定方程组的解 当方程数少于未知量个数时,即不定 情况,有无穷多个解存在。 matlab可求出两个解： 用除法求的解x是具有最多零元素的解 是具有最小长度或范数的解，这个解是基于伪逆pinv求得的。 x1+2x2+3x3=1 2x1+3x2+4x3=2 a=[1 2 3;2 3 4];b=[1;2]; x=a\b x=pinv(a)*b x = x = 1.00 0.83 0 0.33 0 -0.17 微分方程求解 微分方程求解的仿真算法有多种，常用的有Euler（欧拉法）、Runge Kutta(龙格-库塔法)。 Euler法称一步法，用于一阶微分方程 当给定仿真步长时： 所以 yn+1 = yn + h·f (xn,yn) n=0,1,2… y(x0)=y0 Runge Kutta法 龙格-库塔法：实际上取两点斜率 的平均 斜率来计算的，其精度高 于欧拉算法 。 龙格-库塔法：ode23 ode45 例：x+(x2-1)x+x=0 为方便令x1=x，x2=x分别对x1,x2求一 阶导数，整理后写成一阶微分方程组 形式 x1=x2 x2=x2(1-x12)-x1 建立m文件 解微分方程 建立m文件 function xdot=wf(t,x) xdot=zeros(2,1) xdot(1)=x(2) xdot(2)=x(2)*(1-x(1)^2)-x(1) 给定区间、初始值;求解微分方程 t0=0; tf=20; x0=[0 0.25]; [t,x]=ode23(wf, t0, tf, x0) plot(t,x), figure(2),plot(x(:,1),x(:,2)) 命令格式: [T,Y] = ODE23(ODEFUN,TSPAN,Y0) 建立m文件 function dxdt=wf(t,x) dxdt=[x(2);x(2)*(1-x(1)^2)-x(1)]; 求解微分方程 [t,x]=ode23(@wf,[0 30],[0 0.25]); plot(t,x); figure(2) plot(x(:,1),x(:,2)) 3.4.2 迭代解法 迭代解法非常适合求解大型系数