MATLAB程序设计KMV模型求解—方程与方程组的数值解.docxVIP

KMV模型求解—方程与方程组的数值解 1．方程与方程组 在实际问题中如果我们知道某几个未知数间的关系，例如方程或方程组，则可以使用数值计算方法求解出方程或方程组的解(根)。 1.1 方程 若x为变量，方程 ，若存在，使得，则为方程 的解或者根。求解方程算法为迭代算法，通常使用优化算法求解方程 若上述方程有解，则对于上述优化问题的最小值为0，对应的最优点即为方程的解（根），若方程有多解，则优化问题存在多个极值使得函数值为0。 例如：求解 注释：上述方程未必有解，也可能解不唯一，具体理论可以参考相关数学理论书籍。 1.2 方程组 若x为变量，方程组 若存在，使得 则为方程组的解或者根。求解方程算法为迭代算法，通常可以使用优化算法求解方程 若上述方程组有解，则对于的优化问题的最小值为0，对应的最优点即为方程组的解（根），若方程有多解，则优化问题存在多个极值使得函数值为0。。 注释：上述方程组未必有解，也可能解不唯一，具体理论可以参考相关数学理论书籍。 2.方程与方程组的求解 2.1 fzero函数 fzero是matlab最主要内置的求解单变量方程的函数 函数语法 [x,fval,exitflag,output] = fzero(fun,x0,options) 输入参数： Fun: 目标函数 一般用M-文件形式给出 X0： 优化算法初始迭代点 Options: 参数设置 注释：方程组求解一般使用迭代算法，迭代是 数值分析中通过从一个 初始 估计出发寻找一系列近似解来解决问题（一般是解 方程或者 方程组）的过程，为实现这一过程所使用的方法统称为迭代法，所以这里输入的X0为初始迭代点。迭代是 数值分析中通过从一个 初始 估计出发寻找一系列近似解来解决问题的过程，为实现这一过程所使用的方法统称为迭代法（Iterative Method）。 函数输出： X: 最优点输出（或最后迭代点） Fval: 最优点（或最后迭代点）对应的函数值 Exitflag: 函数结束信息 （具体参见matlab help ） Output: 函数基本信息 包括迭代次数，目标函数最大计算次数，使用的算法名称，计算规模 实例演示：例如求解下列方程 1.编写目标函数，Eqfunobj1.m function f=Eqfunobj1(x) %code by ariszheng@ 2010-7-6 f=2*x-x^2-exp(-x); %matlab中指数函数使用exp(),函数计算，例如e^x=exp(x)， 2. 编写求解函数，SolveEqfun1.m %code by ariszheng@ 2010-7-6 %初始迭代点为0 x0=0; %调用fzero函数进行求解 [x,fval,exitflag,output] = fzero(@Eqfunobj1,x0) 计算结果： %方程组的解 x = 0.4164 %解对于的方程组的函数值，若fval为0则上述x为正确解 %若fval不等于0则上述的x为非方程组解（可能由于算法问题或函数本身无解等原因造成 fval = 0 exitflag = 1 %表示迭代计算成功结束，获得函数解 output = intervaliterations: 9 iterations: 5 %迭代次数 funcCount: 24 %目标函数计算次数 algorithm: bisection, interpolation %函数使用的算法 message: Zero found in the interval [-0.452548, 0.452548] 2.2 fsolve函数 fsolve是matlab最主要求解多变量方程与方程组的函数 函数语法 [x,fval,exitflag,output,jacobian] = fsolve(fun,x0,options) 输入参数： Fun: 目标函数 一般用M-文件