Система уравнений matlab

Решение систем линейных уравнений

Метод обратной матрицы: для системы из n уравнений с n неизвестными , при условии что определитель матрицы не равен нулю, единственное решение можно представить в виде . Для того чтобы решить систему линейных уравнений методом обратной матрицы, необходимо выполнить следующие действия:

сформировать матрицу коэффициентов и вектор свободных членов заданной системы;
решить систему, представив вектор неизвестных как произведение матрицы, обратной к матрице системы, и вектора свободных членов.

Дана система уравнений:

Решаем на MATLAB :

A=[1 -2 1; 2 -5 -1; -7 0 1];

x=inv(A)*b % Решение системы x = A -1 b

Решение системы линейных уравнений при помощи метода Гаусса основывается на том, что от заданной системы, переходят к системе эквивалентной, которая решается проще, чем исходная.

Метод Гаусса состоит из двух этапов:

Первый этап — это прямой ход, в результате которого расширенная матрица системы путем элементарных преобразований (перестановка уравнений системы, умножение уравнений на число, отличное от нуля, и сложение уравнений) приводится к ступенчатому виду.
На втором этапе (обратный ход) ступенчатую матрицу преобразуют так, бы в первых n столбцах получилась единичная матрица. Последний, n +1 столбец этой матрицы содержит решение системы линейных уравнений.

Порядок решения задачи в MATLAB следующий:

сформировать матрицу коэффициентов и вектор свободных членов заданной системы;
сформировать расширенную матрицу системы, объединив и ;
используя функцию rref, привести расширенную матрицу к ступенчатому виду;
найти решение системы, выделив последний столбец матрицы, полученной в предыдущем пункте;
выполнить вычисление ; если в результате получился нулевой вектор, задача решена верно.

A=[1 -2 1; 2 -5 -1; -7 0 1];

C=rref ([A b]); %Приведение расширенной матрицы к треугольному виду

x=C(1:3,4:4) %Выделение последнего столбца из матрицы

Решение уравнений в matlab

Вы можете решать уравнения, содержащие переменные, с помощью команд
solve и fzero.

Разберем подробнее Matlab решение нелинейных уравнений, к примеру квадратного уравнения х 2 — 2х — 4 = 0, введите следующее:

syms x; solve (‘x^2 — 2*x -4=0’)

Разберем подробнее matlab решение линейных уравнений, к примеру вот такое уравнение х — 4 = 0, введите следующее:

syms x; solve (‘x -4=0’)

Обратите внимание, что уравнение, которое требуется решить, задано как
строка, то есть взято в одинарные кавычки. Ответ представляет собой точное
(символьное) решение 1+корень(5). Для получения числовых решений введите double
(ans) или vpa (ans), чтобы отобразить больше знаков. Ввод с командой solve
может также быть символьным выражением, но в этом случае программа MATLAB
потребует, чтобы правая часть выражения была заключена в скобки, и
фактически синтаксис решения уравнения х 2 — Зх = -7 будет выглядеть так:

syms x; solve (x^2 — 3*x + 7)

Ответ представляет собой точное (символьное) решение (3 + корень(19i))/2
(сложные числа, где буква i в ответе ставится для мнимой единицы V-1). Для
получения числовых решений введите double (ans) или vpa (ans), чтобы
отобразить больше знаков.
С помощью команды solve можно решать высокоуровневые полиномиальные
(многочленные) уравнения, равно как и многие другие типы уравнений. Можно
также решать уравнения, содержащие более чем одну переменную. Если
уравнений меньше, чем переменных, вам следует определить (как строки), какую
переменную (переменные) требуется вычислить. Например, введите solve ( ‘2*х — log (у) = 1’, ‘у’), чтобы решить уравнение 2х — log у = 1 для
переменной у при условии х. Подобным образом вы можете определить более чем
одно уравнение. Например:

[x, y] = solve (‘x^2 — y = 2’, ‘y — 2*x =5’)

Эта система уравнений имеет два решения. Программа MATLAB выдает решение,
выводя два значения х и два значения у для этих решений. Таким образом,
первое решение состоит из первого значения х и первого значения у. Вы можете
извлечь эти значения, введя в командную строку х (1) и у (1):

Второе решение можно извлечь, введя х (2) и у (2).
Обратите внимание, что в предыдущей команде solve мы назначили вывод в
векторной форме [х, у]. Если вы используете команду solve в системе
уравнений, не задавая вывод в векторной форме, в этом случае программа MATLAB не
отображает автоматически значения решения:

sol = solve (‘x^2 — y = 2’, ‘y — 2*x = 5’)

sol =
х: [2×1 sym]
у: [2×1 sym]

Читать еще: Пакеты расширения matlab

Чтобы увидеть векторы значений х и у, введите sol.x и sol.у. Чтобы увидеть
отдельные значения, введите sol.х (1) и sol.у (1), и т.п.

В этом примере вывод результата выполнения команды solve представляет собой структурный массив. Чтобы более подробно познакомиться с этим классом данных

Некоторые уравнения нельзя решить символически, и в таких случаях команда
solve пытается найти числовой ответ. Например:

solve (‘ sin (x) = 2 — x’)

Иногда бывает более одного решения, и вы можете не получить того, что
ожидаете, например:

solve (‘exp (-x) = sin (x) ‘ )

Ответ представляет собой комплексное число. Хотя оно является правильным
решением уравнения, существуют также решения, представленные
вещественными числами. Графики функций ехр (-х) и sin (x) показаны на Рис. 2.3;
каждая точка пересечения двух кривых представляет собой решение уравнения е -х = sin (х).

Вы можете в числовой форме найти (приблизительно) решения, показанные на
графике, с помощью команды fzero, которая ищет нулевое значение данной
функции в пределах заданного значения х. Решение уравнения е -х = sin (x)
равно нулю в функции е -х — sin (x), поэтому, чтобы найти приблизительное
решение при х = 0.5, введите следующее:

h = @(x) exp(-x) — sin(x);
fzero (h, 0.5)

Замените значение 0.5 на 3 и найдите следующее решение, и так далее.

Рис. 2.3. Две пересекающиеся кривые

Поэтому из выше всего сказанного можно сделать вывод, что вам необходимо просмотреть много дополнительной информации и альтернатив!

Решение систем нелинейных уравнений в Matlab

Доброго времени суток! В этой статье мы поговорим о решении систем нелинейных алгебраических уравнений в Matlab. Вслед за решением нелинейных уравнений, переходим к их системам, рассмотрим несколько методов реализации в Matlab.

Общая информация

Итак, в прошлой статье мы рассмотрели нелинейные уравнения и теперь необходимо решить системы таких уравнений. Система представляет собой набор нелинейных уравнений (их может быть два или более), для которых иногда возможно найти решение, которое будет подходить ко всем уравнениям в системе.

В стандартном виде, количество неизвестных переменных равно количеству уравнений в системе. Необходимо найти набор неизвестных переменных, которые при подставлении в уравнения будут приближать значение уравнения к 0. Иногда таких наборов может быть несколько, даже бесконечно много, а иногда решений не существует.

Чтобы решить СНАУ, необходимо воспользоваться итеративными методами. Это методы, которые за определенное количество шагов получают решение с определенной точностью. Также очень важно при решении задать достаточно близкое начальное приближение, то есть такой набор переменных, которые близки к решению. Если решается система из 2 уравнений, то приближение находится с помощью построение графика двух функций.

Далее, мы рассмотрим стандартный оператор Matlab для решения систем нелинейных алгебраических уравнений, а также напишем метод простых итераций и метод Ньютона.

Оператор Matlab для решения СНАУ

В среде Matlab существует оператор fsolve, который позволяет решить систему нелинейных уравнений. Сразу рассмотрим задачу, которую, забегая вперед, решим и другими методами для проверки.

Решить систему нелинейных уравнений с точность 10 -2 :
cos(x-1) + y = 0.5
x-cos(y) = 3

Нам дана система из 2 нелинейных уравнений и сначала лучше всего построить график. Воспользуемся командой ezplot в Matlab, только не забудем преобразовать уравнения к стандартному виду, где правая часть равна 0:

Функция ezplot строит график, принимая символьную запись уравнения, а для задания цвета и толщины линии воспользуемся функцией set. Посмотрим на вывод:

Как видно из графика, есть одно пересечение функций — то есть одно единственное решение данной системы нелинейных уравнений. И, как было сказано, по графику найдем приближение. Возьмем его как (3.0, 1.0). Теперь найдем решение с его помощью:

Создадим функцию m-файлом fun.m и поместим туда следующий код:

Заметьте, что эта функция принимает вектор приближений и возвращает вектор значений функции. То есть, вместо x здесь x(1), а вместо y — x(2). Это необходимо, потому что fsolve работает с векторами, а не с отдельными переменными.

И наконец, допишем функцию fsolve к коду построения графика таким образом:

Таким образом у нас образуется два m-файла. Первый строит график и вызывает функцию fsolve, а второй необходим для расчета самих значений функций. Если вы что-то не поняли, то в конце статьи будут исходники.

Читать еще: Matlab типы данных

И в конце, приведем результаты:

xr (это вектор решений) =
3.3559 1.2069

fr (это значения функций при таких xr, они должны быть близки к 0) =
1.0e-09 *
0.5420 0.6829

ex (параметр сходимости, если он равен 1, то все сошлось) =
1

И, как же без графика с ответом:

Метод простых итераций в Matlab для решения СНАУ

Теперь переходим к методам, которые запрограммируем сами. Первый из них — метод простых итераций. Он заключается в том, что итеративно приближается к решению, конечно же, с заданной точностью. Алгоритм метода достаточно прост:

Если возможно, строим график.
Из каждого уравнения выражаем неизвестную переменную след. образом: из 1 уравнения выражаем x1, из второго — x2, и т.д.
Выбираем начальное приближение X0, например (3.0 1.0)
Рассчитываем значение x1, x2. xn, которые получили на шаге 2, подставив значения из приближения X0.
Проверяем условие сходимости, (X-X0) должно быть меньше точности
Если 5 пункт не выполнился, то повторяем 4 пункт.

И перейдем к практике, тут станет все понятнее.
Решить систему нелинейных уравнений методом простых итераций с точность 10 -2 :
cos(x-1) + y = 0.5
x-cos(y) = 3

График мы уже строили в предыдущем пункте, поэтому переходим к преобразованию. Увидим, что x из первого уравнения выразить сложно, поэтому поменяем местами уравнения, это не повлияет на решение:

x-cos(y) = 3
cos(x-1) + y = 0.5

Далее приведем код в Matlab:

В этой части мы выразили x1 и x2 (у нас это ‘x’ и ‘y’) и задали точность.

В этой части в цикле выполняются пункты 4-6. То есть итеративно меняются значения x и y, пока отличия от предыдущего значения не станет меньше заданной точности.

k = 10
x = 3.3587
y = 1.2088

Как видно, результаты немного отличаются от предыдущего пункта. Это связано с заданной точностью, можете попробовать поменять точность и увидите, что результаты станут такими же, как и при решении стандартным методом Matlab.

Метод Ньютона в Matlab для решения СНАУ

Решение систем нелинейных уравнений в Matlab методом Ньютона является более эффективным, чем использование метода простых итераций. Сразу же представим алгоритм, а затем перейдем к реализации.

Если возможно, строим график.
Выбираем начальное приближение X0, например (3.0 1.0)
Рассчитываем матрицу Якоби w, это матрица частных производных каждого уравнения, считаем ее определитель для X0.
Находим вектор приращений, который рассчитывается как dx = -w -1 * f(X0)
Находим вектор решения X = X0 + dx
Проверяем условие сходимости, (X-X0) должно быть меньше точности

Далее, решим тот же пример, что и в предыдущих пунктах. Его график мы уже строили и начальное приближение останется таким же.
Решить систему нелинейных уравнений методом Ньютона с точность 10 -2 :
cos(x-1) + y = 0.5
x-cos(y) = 3

Перейдем к коду:

Сначала зададим начальное приближение. Затем необходимо просчитать матрицу Якоби, то есть частные производные по всем переменным. Воспользуемся символьным дифференцированием в Matlab, а именно командой diff с использованием символьных переменных.

Далее, сделаем первую итерацию метода, чтобы получить вектор выходных значений X, а потом уже сравнивать его с приближением в цикле.

В этой части кода выполняем первую итерацию, чтобы получить вектор решения и сравнивать его с вектором начального приближения. Отметим, чтобы посчитать значение символьной функции в Matlab, необходимо воспользоваться функцией subs. Эта функция заменяет переменную на числовое значение. Затем функция double рассчитает это числовое значение.

Все действия, которые были выполнены для расчета производных, на самом деле можно было не производить, а сразу же задать производные. Именно так мы и поступим в цикле.

В этой части кода выполняется цикл по расчету решения с заданной точностью. Еще раз отметим, что если в первой итерации до цикла были использованы функции diff, double и subs для вычисления производной в Matlab, то в самом цикле матрица якоби была явно задана этими частными производными. Это сделано, чтобы показать возможности среды Matlab.

За 3 итерации достигнут правильный результат. Также важно сказать, что иногда такие методы могут зацикливаться и не закончить расчеты. Чтобы такого не было, мы прописали проверку на количество итераций и запретили выполнение более 100 итераций.

Заключение

В этой статье мы познакомились с основными понятиями систем нелинейных алгебраических уравнений в Matlab. Рассмотрели несколько вариантов их решения, как стандартными операторами Matlab, так и запрограммированными методами простых итераций и Ньютона.

Читать еще: Matlab целая часть числа

Решение систем линейных уравнений в MATLAB

Решение систем линейных уравнений в MATLAB

Решение систем линейных уравнений (СЛУ) относится к самой массовой области применения матричных методов. В этом разделе вы найдете ответы на вопросы, каким образом применяются указанные методы и какие дополнительные функции имеет система MATLAB для решения систем линейных уравнений.

Как известно, обычная СЛУ имеет вид:

Здесь а ₁₁ , а, ₂ . а _пп — коэффициенты, образующие матрицу А, которые могут иметь действительные или комплексные значения, x ₁ , х ₂ . х _п — неизвестные, образующие вектор X, и b ₁ , b ₂ . b _п — .свободные члены (действительные или комплексные), образующие вектор В. Эта система может быть представлена в матричном виде как АХ=В, где А — матрица коэффициентов уравнений, X — искомый вектор неизвестных и В — вектор свободных членов. В зависимости от вида матрицы А и ее характерных особенностей MATLAB позволяет реализовать различные методы решения.

Для реализации различных алгоритмов решения СЛУ и связанных с ними матричных операций применяются следующие операторы: +,-,*,/, , *, ‘ . Как отмечалось ранее, MATLAB имеет два различных типа арифметических операций — поэлементные и для массивов (векторов и матриц) в целом. Матричные арифметические операции определяются правилами линейной алгебры.

Арифметические операции сложения и вычитания над массивами выполняются поэлементно. Знак точки «.» отличает операции над элементами массивов от матричных операций. Однако, поскольку операции сложения и вычитания одинаковы для матрицы и элементов массива, знаки «.+» и «.-» не используются. Рассмотрим другие операторы и выполняемые ими операции.

* — матричное умножение; С = А*В — линейное алгебраическое произведение матриц А и В:

Для случая нескалярных А и В число столбцов матрицы А должно равняться числу строк матрицы В. Скаляр может умножаться на матрицу любого размера.

/ — правое деление. Выражение Х=В/А дает решение ряда систем линейных уравнений АХ=В, где А — матрица размера тхпи В — матрица размера nxk;

— левое деление. Выражение Х=ВА дает решение ряда систем линейных уравнений ХА=В, где А — матрица размера тхп и В — матрица размера nxk. Если А — квадратная матрица, то АВ — примерно то же самое, что и inv(A)*B, в остальных случаях возможны варианты, отмеченные ниже.

Если А — матрица размера пхп, а В — вектор-столбец с п компонентами или матрица с несколькими подобными столбцами, тогда Х=АВ — решение уравнения АХ=В, которое находится хорошо известным методом исключения Гаусса.

Если А — матрица размера тхп и тхп, а В представляет собой вектор-столбец с m компонентами или матрицу с несколькими такими столбцами, тогда система оказывается недоопределенной или переопределенной и решается на основе минимизации второй нормы невязок.

Ранг k матрицы А находится на основе QR-разложения (урок 11) с выбором ведущего элемента. Полученное решение X будет иметь не больше чем k ненулевых компонентов на столбец. Если k

^ — возведение матрицы в степень. Х А р — это X в степени р, если р — скаляр. Если р — целое число, то степень матрицы вычисляется путем умножения X на себя р раз. Если р — целое отрицательное число, то X сначала инвертируется. Для других значений р вычисляются собственные значения и собственные векторы, так что если [V.D]=eig(X), то X*p=V*D. A p/V. Если X — скаляр и Р — матрица, то Х А Р — это скаляр X, возведенный в матричную степень Р. Если X и Р — матрицы, то Х Л Р становится некорректной операцией и система выдает сообщение об ошибке. Возможный вариант решения матричного уравнения АХ=В с применением оператора ^ можно представить как Х=В*А ^ -1.

‘ — транспонирование матрицы, то есть замена строк столбцами и наоборот. Например, А’ — транспонированная матрица А. Для комплексных матриц транспонирование дополняется комплексным сопряжением. Транспонирование при решении СЛУ полезно, если в матрице А переставлены местами столбцы и строки.

При записи СЛУ в матричной форме необходимо следить за правильностью записи матрицы А и вектора В. Пример (в виде m-файла):

голоса

Рейтинг статьи