百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 热门文章 > 正文

MATLAB实例讲解—求二元函数的极值

bigegpt 2024-10-05 13:37 4 浏览

实例

程序

clc;
clear all;
close all;
%计算二元函数的极值点 并进行判断
syms x y  %定义二元变量 x y
z = (6*x-x^2)*(4*y-y^2);%定义二元变量函数
f1 = simplify(diff(z,x));%求z对x的一阶偏导
f2 = simplify(diff(z,y));%求z对y的一阶偏导
%求f1 = 0 f2 = 0
% [x1,y1] = solve(y*(2*x - 6)*(y - 4)==0,x*(2*y - 4)*(x - 6)==0,x,y); %求二元函数的驻点(x1,y1)
[x1,y1] = solve(f1==0,f2==0,x,y); %求二元函数的驻点(x1,y1)
x1 = double(x1); %将sym个数转化为double数值格式
y1 = double(y1);%将sym个数转化为double数值格式
n = length(x1);%求长度
%输出驻点个数
fprintf('二元函数z=f(x,y)的驻点个数为n =%d\r\n',n);
%输出驻点坐标
for i = 1:n
    fprintf('二元函数z=f(x,y)的第%d个驻点为(x,y)=(%f,%f)\r\n',i,x1(i),y1(i));
end
%幅值A,B,C为空矩阵
A = [];
B = [];
C = [];
for i = 1:n
    %sub函数用来替换求解函数的具体某点的值和double函数将sym个数转化为double数值格式
    temp = double(subs(diff(z,x,2),[x y],[x1(i) y1(i)])); %计算A
    temp1 = double(subs(diff(f1,y,1),[x y],[x1(i) y1(i)]));%计算B
    temp2 = double(subs(diff(z,y,2),[x y],[x1(i) y1(i)]));%计算C
    A = [A;temp];%存储A的计算结果
    B = [B;temp1];%存储B的计算结果
    C = [C;temp2];%存储C的计算结果
end
%根据AC-B^2结果判断 若(x,y)计算值大于0,则存在极值点,反之不存在若A>0,则为极小值点,A<0,则为极大值点
R = A.*C-B.^2;
%判断
for i = 1:n
    if R(i)>0
        if A(i)>0
            %用subs函数计算极值点处的函数值,然后用double函数将sym格式化成数值格式
            ymax = double(subs(z,[x y],[x1(i) y1(i)]));
            fprintf('二元函数z=f(x,y)的第%d个驻点(x,y)=(%f,%f)为极小值点,极小值为:%f\r\n',i,x1(i),y1(i),ymax);
        else
            ymin = double(subs(z,[x y],[x1(i) y1(i)]));
            fprintf('二元函数z=f(x,y)的第%d个驻点(x,y)=(%f,%f)为极大值点,极大值为:%f\r\n',i,x1(i),y1(i),ymin);
        end
    else
        fprintf('二元函数z=f(x,y)的第%d个驻点(x,y)=(%f,%f)不是极值点\r\n',i,x1(i),y1(i));
    end
end

结果

二元函数z=f(x,y)的驻点个数为n =5
二元函数z=f(x,y)的第1个驻点为(x,y)=(0.000000,0.000000)
二元函数z=f(x,y)的第2个驻点为(x,y)=(0.000000,4.000000)
二元函数z=f(x,y)的第3个驻点为(x,y)=(6.000000,0.000000)
二元函数z=f(x,y)的第4个驻点为(x,y)=(3.000000,2.000000)
二元函数z=f(x,y)的第5个驻点为(x,y)=(6.000000,4.000000)
二元函数z=f(x,y)的第1个驻点(x,y)=(0.000000,0.000000)不是极值点
二元函数z=f(x,y)的第2个驻点(x,y)=(0.000000,4.000000)不是极值点
二元函数z=f(x,y)的第3个驻点(x,y)=(6.000000,0.000000)不是极值点
二元函数z=f(x,y)的第4个驻点(x,y)=(3.000000,2.000000)为极大值点,极大值为:36.000000
二元函数z=f(x,y)的第5个驻点(x,y)=(6.000000,4.000000)不是极值点

1、diff函数

差分和近似导数

语法
Y = diff(X)
Y = diff(X,n)
Y = diff(X,n,dim)
说明
示例
Y = diff(X) 计算沿大小不等于 1 的第一个数组维度的 X 相邻元素之间的差分:
如果 X 是长度为 m 的向量,则 Y = diff(X) 返回长度为 m-1 的向量。Y 的元素是 X 相邻元素之间的差分。
Y = [X(2)-X(1) X(3)-X(2) ... X(m)-X(m-1)]
如果 X 是不为空的非向量 p×m 矩阵,则 Y = diff(X) 返回大小为 (p-1)×m 的矩阵,其元素是 X 的行之间的差分。
Y = [X(2,:)-X(1,:); X(3,:)-X(2,:); ... X(p,:)-X(p-1,:)]

如果 X 是 0×0 的空矩阵,则 Y = diff(X) 返回 0×0 的空矩阵。

X = [1 1 2 3 5 8 13 21];
Y = diff(X)
Y = 1×7

     0     1     1     2     3     5     8

请注意,Y 的元素比 X 少一个。

使用 diff 函数和语法 Y = diff(f)/h 求偏导数近似值,其中 f 是函数值在某些域 X 上计算的向量,h是一个相应的步长大小。

例如,sin(x) 相对于 x 的第一个导数为 cos(x),相对于 x 的第二个导数值为 -sin(x)。可以使用 diff 求这些导数的近似值。

h = 0.001;       % step size
X = -pi:h:pi;    % domain
f = sin(X);      % range
Y = diff(f)/h;   % first derivative
Z = diff(Y)/h;   % second derivative
plot(X(:,1:length(Y)),Y,'r',X,f,'b', X(:,1:length(Z)),Z,'k')

在此绘图中,蓝色线条对应原始函数 sin。红色线条对应计算出的第一个导数 cos,黑色线条对应计算出的第二个导数 -sin。

syms x; 
diff(sin(x^2)) 
ans =
2*x*cos(x^2)
syms x t; 
diff(sin(x*t^2), t) 
ans =
2*t*x*cos(t^2*x)

给定函数f(x)=cosx/(x 3+7x+2)的一阶导数,并将每个点上的值与原函数的值通过matlab函数绘制出来.

一阶导数 syms x; 
f=cos(x)/(x^3+7*x+2); 
f1d=diff(f,x) 
pretty(f1d)

2、solve函数

简单来说,solve函数可以进行以下情况的求解:
(1)等式:单/多变量+线性/非线性 ;(2)不等式
语法
S = solve(eqn,var)example
S = solve(eqn,var,Name,Value)example
Y = solve(eqns,vars)
Y = solve(eqns,vars,Name,Value)example
[y1,...,yN] = solve(eqns,vars)example
[y1,...,yN] = solve(eqns,vars,Name,Value)
[y1,...,yN,parameters,conditions] = solve(eqns,vars,'ReturnConditions',true)example
Description
一些函数
vpa 设置数值的精度(有效数字位数、保留的小数点位数)
subs 符号替换(用数字来替换符号变量)
ezplot 简单地画出函数的图形/曲线(显函数fun(x)、隐函数fun2(x,y)=0)
isAlways 一个判断函数(返回logical 1,表示true)
pretty 漂亮地打印符号表达式(看起来是有分子分母的格式)
举例
1.%% 求解单变量方程
%-----例子1------
syms x
eqn=sin(x)==1;
solve(eqn,x)
%-----例子2------
syms x
eqn=sin(x)==1;
[solx,params,conds]=solve(eqn,x,'ReturnConditions',true)
%-----例子3---------------
%如果返回empty,则表明解不存在。如果返回empty+warning,则解可能存在,但是solve找不到
syms x
solve(3*x+2,3*x+1,x)
2.%% 求解多变量方程
%---例1-----------------
%为了避免求解方程时对符号参数产生混乱,需要指明一个等式中需要求解的变量。
%如果不指明的话,solve函数就会通过symvar选择一个变量(认为该变量是要求解的变量)
clc,clear
syms a b c x
sola=solve(a*x^2+b*x+c==0,a) %待求解的变量是a
sol=solve(a*x^2+b*x+c==0) %待求解的变量是x

3、subs函数

matlab中subs()是符号计算函数,表示将符号表达式中的某些符号变量替换为指定的新的变量,常用调用方式为:
subs(S,OLD,NEW) 表示将符号表达式S中的符号变量OLD替换为新的值NEW。
下面具体演示4种不同形式的OLD和NEW的调用效果:
首先在matlab命令窗口输入如下代码,定义三个符号变量和一个符号表达式S
1、将变量x替换为数值1:subs(S,x,1)
2、将变量x替换为变量z:subs(S,x,z)
3、同时将变量x和y分别替换为1和z:subs(S,{x,y},{1,z})
4、将单变量替换为数组:subs(S,x,[1 2;3 4])
首先是调用格式:
R = subs(S)
R = subs(S, new)
R = subs(S, old, new)
其中S为符号表达式,默认的是变量x!

下面看几个例子,相信大家就是使用了!

例1:

>> syms x;
>> f=x^2;
>> subs(f,2)
ans =

4

例2:将表达式x^2+y^2中x取值为2

>> syms x y;
>> f=x^2+y^2;
>> subs(f,x,2)
ans =

y^2 + 4

例3:

>> syms x y;
>> f=x^2+y^2;
>> subs(f,findsym(f),2)
ans =

y^2 + 4

其中findsym(f)为查找f中所有的符号变量

例4:同时对两个或多个变量取值求解

>> syms a b;
subs(cos(a) + sin(b), {a, b}, {sym('alpha'), 2})
ans =
sin(2) + cos(alpha)

例5:带入数据的值也可以是数组形式

>> syms t a;
>> subs(exp(a*t), 'a', -magic(2))
ans =

[ 1/exp(t), 1/exp(3*t)]
[ 1/exp(4*t), 1/exp(2*t)]

4、符号表达式化简函数

语法:命令(符号表达式)
1. pretty(f)将符号表达式f化简成语高等代数课本上显示符号表示类似;
2. collect(f)合并符号表达式的同类项;
3. hornet(f)将一般的符号表达式转换成嵌套形式的符号表达式;
4. factor(f)对符号表达式进行因式分解;
5. expand(f)对表达式进行展开;
6. simplify(f)对符号表达式进行化简,利用各种类型的恒等式,包括求和,求积分,三角函数以及Bessel函数等简化符号表达式.
7. simple(f)对符号表达式尝试各种不同的算法进行化简,以显示长度最短的符号表达式简化形式;
8. [r,how]=simple(f)返回的r为符号表达式进行化简后的形式,how为采用的简化方法

本文内容来源于网络,仅供参考学习,如内容、图片有任何版权问题,请联系处理,24小时内删除。


作 者 | 郭志龙

编 辑 | 郭志龙
校 对 | 郭志龙

相关推荐

C#.NET Autofac 详解(c# autoit)

简介Autofac是一个成熟的、功能丰富的.NET依赖注入(DI)容器。相比于内置容器,它额外提供:模块化注册、装饰器(Decorator)、拦截器(Interceptor)、强o的属性/方法注...

webapi 全流程(webapi怎么部署)

C#中的WebAPIMinimalApi没有控制器,普通api有控制器,MinimalApi是直达型,精简了很多中间代码,广泛适用于微服务架构MinimalApi一切都在组控制台应用程序类【Progr...

.NET外挂系列:3. 了解 harmony 中灵活的纯手工注入方式

一:背景1.讲故事上一篇我们讲到了注解特性,harmony在内部提供了20个HarmonyPatch重载方法尽可能的让大家满足业务开发,那时候我也说了,特性虽然简单粗暴,但只能解决95%...

C# 使用SemanticKernel调用本地大模型deepseek

一、先使用ollama部署好deepseek大模型。具体部署请看前面的头条使用ollama进行本地化部署deepseek大模型二、创建一个空的控制台dotnetnewconsole//添加依赖...

C#.NET 中间件详解(.net core中间件use和run)

简介中间件(Middleware)是ASP.NETCore的核心组件,用于处理HTTP请求和响应的管道机制。它是基于管道模型的轻量级、模块化设计,允许开发者在请求处理过程中插入自定义逻辑。...

IoC 自动注入:让依赖注册不再重复劳动

在ASP.NETCore中,IoC(控制反转)功能通过依赖注入(DI)实现。ASP.NETCore有一个内置的依赖注入容器,可以自动完成依赖注入。我们可以结合反射、特性或程序集扫描来实现自动...

C#.NET 依赖注入详解(c#依赖注入的三种方式)

简介在C#.NET中,依赖注入(DependencyInjection,简称DI)是一种设计模式,用于实现控制反转(InversionofControl,IoC),以降低代码耦合、提高可...

C#从零开始实现一个特性的自动注入功能

在现代软件开发中,依赖注入(DependencyInjection,DI)是实现松耦合、模块化和可测试代码的一个重要实践。C#提供了优秀的DI容器,如ASP.NETCore中自带的Micr...

C#.NET 仓储模式详解(c#仓库货物管理系统)

简介仓储模式(RepositoryPattern)是一种数据访问抽象模式,它在领域模型和数据访问层之间创建了一个隔离层,使得领域模型无需直接与数据访问逻辑交互。仓储模式的核心思想是将数据访问逻辑封装...

C#.NET 泛型详解(c# 泛型 滥用)

简介泛型(Generics)是指在类型或方法定义时使用类型参数,以实现类型安全、可重用和高性能的数据结构与算法为什么需要泛型类型安全防止“装箱/拆箱”带来的性能损耗,并在编译时检测类型错误。可重用同一...

数据分析-相关性分析(相关性 分析)

相关性分析是一种统计方法,用于衡量两个或多个变量之间的关系强度和方向。它通过计算相关系数来量化变量间的线性关系,从而帮助理解变量之间的相互影响。相关性分析常用于数据探索和假设检验,是数据分析和统计建模...

geom_smooth()函数-R语言ggplot2快速入门18

在每节,先运行以下这几行程序。library(ggplot2)library(ggpubr)library(ggtext)#用于个性化图表library(dplyr)#用于数据处理p...

规范申报易错要素解析(规范申报易错要素解析)

为什么要规范申报?规范申报是以满足海关监管、征税、统计等工作为目的,纳税义务人及其代理人依法向海关如实申报的行为,也是海关审接单环节依法监管的重要工作。企业申报的内容须符合《中华人民共和国海关进出口货...

「Eurora」海关编码归类 全球海关编码查询 关务服务

  海关编码是什么?  海关编码即HS编码,为编码协调制度的简称。  其全称为《商品名称及编码协调制度的国际公约》(InternationalConventionforHarmonizedCo...

9月1日起,河南省税务部门对豆制品加工业试行新政7类豆制品均适用投入产出法

全媒体记者杨晓川报道9月2日,记者从税务部门获悉,为减轻纳税人税收负担,完善农产品增值税进项税额抵扣机制,根据相关规定,结合我省实际情况,经广泛调查研究和征求意见,从9月1日起,我省税务部门对豆制品...