Matlab求解非线性方程的根

您所在的位置:网站首页 matlab求方程的根用fzero Matlab求解非线性方程的根

Matlab求解非线性方程的根

2023-05-31 14:21| 来源: 网络整理| 查看: 265

✅作者简介:热爱科研的算法开发者,Python、Matlab项目可交流、沟通、学习。

🍎个人主页:算法工程师的学习日志

一元非线性方程求解

Matlab求解非线性方程的根_迭代

fzero函数可以用于求一个一元方程的根。通过用于指定起始区间的单元素起点或双元素向量调用该函数。如果为fzero提供起点x0,fzero将首先搜索函数更改符号的点周围的区间。如果找到该区间,fzero返回函数更改符号的位置附近的值。如果未找到此类区间,fzero 返回 NaN。或者,如果知道函数值的符号不同的两个点,可以使用双元素向量指定该起始区间;fzero 保证缩小该区间并返回符号更改处附近的值。

以下部分包含两个示例,用于说明如何使用起始区间和起点查找函数的零元素。这些示例使用由 MATLAB提供的函数 humps.m。下图显示了 humps 的图。

x = -1:.01:2; y = humps(x); plot(x,y) xlabel('x'); ylabel('humps(x)') grid on为 fzero 设置选项

可以通过设置选项控制 fzero 函数的多个方面。使用 optimset 设置选项。常用选项包括:

Parameter

Value

Description

Display

'off' | 'iter' | 'final' | 'notify'

'off' 表示不显示输出; 'iter' 显示每次迭代的结果; 'final' 只显示最终结果; 'notify' 只在函数不收敛的时候显示结果.

MaxFunEvals

positive integer

函数求值运算(Function Evaluation)的最高次数

MaxIter

positive integer

最大迭代次数.

TolFun

positive scalar

函数迭代的终止误差.

TolX

positive scalar

结束迭代的X值.

使用起始区间

humps 的图指示 x = -1 时函数为负数,x = 1 时函数为正数。可以通过计算这两点的 humps 进行确认。

humps(1) ans = 16 humps(-1) ans = -5.1378

因此,可以将 [-1 1] 用作 fzero 的起始区间。

fzero 的迭代算法可求 [-1 1] 越来越小的子区间。对于每个子区间,humps 在两个端点的符号不同。由于子区间的端点彼此越来越近,因此它们收敛到 humps 的零位置。

要显示 fzero 在每个迭代过程中的进度,请使用 optimset 函数将 Display 选项设置为 iter。

options = optimset('Display','iter');

然后如下所示调用 fzero:

a = fzero(@humps,[-1 1],options) Func-count x f(x) Procedure 2 -1 -5.13779 initial 3 -0.513876 -4.02235 interpolation 4 -0.513876 -4.02235 bisection 5 -0.473635 -3.83767 interpolation 6 -0.115287 0.414441 bisection 7 -0.115287 0.414441 interpolation 8 -0.132562 -0.0226907 interpolation 9 -0.131666 -0.0011492 interpolation 10 -0.131618 1.88371e-07 interpolation 11 -0.131618 -2.7935e-11 interpolation 12 -0.131618 8.88178e-16 interpolation 13 -0.131618 8.88178e-16 interpolation Zero found in the interval [-1, 1] a = -0.1316

每个值 x 代表迄今为止最佳的端点。Procedure 列向您显示每步的算法是使用对分还是插值。

可以通过输入以下内容验证 a 中的函数值是否接近零:

humps(a) ans = 8.8818e-16起点的使用

假定不知道 humps 的函数值符号不同的两点。在这种情况下,可以选择标量 x0 作为 fzero 的起点。fzero 先搜索函数更改符号的点附近的区间。如果 fzero 找到此类区间,它会继续执行上一部分中介绍的算法。如果未找到此类区间,fzero 返回 NaN。

例如,将起点设置为 -0.2,将 Display 选项设置为 Iter,并调用 fzero:

options = optimset('Display','iter'); a = fzero(@humps,-0.2,options) Search for an interval around -0.2 containing a sign change: Func-count a f(a) b f(b) Procedure 1 -0.2 -1.35385 -0.2 -1.35385 initial interval 3 -0.194343 -1.26077 -0.205657 -1.44411 search 5 -0.192 -1.22137 -0.208 -1.4807 search 7 -0.188686 -1.16477 -0.211314 -1.53167 search 9 -0.184 -1.08293 -0.216 -1.60224 search 11 -0.177373 -0.963455 -0.222627 -1.69911 search 13 -0.168 -0.786636 -0.232 -1.83055 search 15 -0.154745 -0.51962 -0.245255 -2.00602 search 17 -0.136 -0.104165 -0.264 -2.23521 search 18 -0.10949 0.572246 -0.264 -2.23521 search Search for a zero in the interval [-0.10949, -0.264]: Func-count x f(x) Procedure 18 -0.10949 0.572246 initial 19 -0.140984 -0.219277 interpolation 20 -0.132259 -0.0154224 interpolation 21 -0.131617 3.40729e-05 interpolation 22 -0.131618 -6.79505e-08 interpolation 23 -0.131618 -2.98428e-13 interpolation 24 -0.131618 8.88178e-16 interpolation 25 -0.131618 8.88178e-16 interpolation Zero found in the interval [-0.10949, -0.264] a = -0.1316

每个迭代中当前子区间的端点列在"a和b "下,而端点处的相应 humps 值分别列在 f(a) 和 f(b) 下。

注意:端点 a 和 b 未按任何特定顺序列出:a 可能大于 b 或小于 b。

对于前 9 步,humps 的符号在当前子区间的两端点都为负号,如输出中所示。在第 10 步,humps 的符号在 a (-0.10949) 处为正号,但在 b (-0.264) 处为负号。从该点开始,如上一部分中所述,算法继续缩小区间 [-0.10949 -0.264],直到它达到值 -0.1316。



【本文地址】


今日新闻


推荐新闻


CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3