MATLAB爱好者论坛-LabFans.com - [分享]Matlab求解线性方程组、非线性方程组

[RIGHT] [/RIGHT]
[B]求解线性方程组[/B]
[B]solve，linsolve[/B]
例：
A=[5 0 4 2;1 -1 2 1;4 1 2 0;1 1 1 1];
[B]%矩阵的行之间用分号隔开，元素之间用逗号或空格[/B]
B=[3;1;1;0]
X=zeros(4,1);[B]%建立一个4元列向量[/B]
X=linsolve(A,B)
[B]diff[/B]（fun，var，n）：对表达式fun中的变量var求n阶导数。

例如：F=[B]sym[/B]（'u(x,y)*v(x,y)'）; %[B]sym（）用来定义一个符号表达式[/B]
[B]diff[/B](F); %[B]matlab区分大小写[/B]
[B]pretty[/B](ans) %[B]pretty（）：用习惯书写方式显示变量；ans是答案表达式[/B]

[URL="http://blogchinawebmaster.bokee.com/1109713.html"][B]非线性方程求解[/B][/URL]
[B]fsolve(fun,x0,options)[/B]
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：
function y=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))];

>>clear;x0=[0.1,0.1];fsolve(@fun,x0,optimset('fsolve'))
注：
...为[B]续行符[/B]
m文件必须以function为文件头，[B]调用符[/B]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[B]逼近过程[/B]。

[B]Matlab求解线性方程组[/B]
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。

[COLOR=#ff0000]一．恰定方程组 [/COLOR]
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。

[COLOR=#ff0000]二．超定方程组 [/COLOR]
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=
1.0000
2.0000
1.0000
x2=pinv(A)*b
x2=
1.0000
2.0000
1.0000
A*x1-b
ans=
1.0e-014
-0.0888
-0.0888
-0.1332
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。

[COLOR=#ff0000]三．欠定方程组 [/COLOR]
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=4.6151e-015
x1=
0
-0.0000
0
1.0000
x2=pinv(A)*b
x2=
0
-0.0000
0.0000
1.0000

[COLOR=#ff0000]四．方程组的非负最小二乘解 [/COLOR]
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 -0.5238 0.6710
-0.5238 3.2833 -0.7302
0.6710 -0.7302 4.0261];
b=[-1.000 1.5000 2.5000];
[X,W]=nnls(A,b)
X=
0
0.6563
0.6998
W=
-3.6820
-0.0000
-0.0000
x1=A\b
x1=
-0.3569
0.5744
0.7846
A*X-b
ans=
1.1258
0.1437
-0.1616
A*x1-b
ans=
1.0e-0.15
-0.2220
0.4441
0