MATLAB实例讲解求二元函数的极值
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 =%dr ",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 ",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:%fr ",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:%fr ",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 ",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
甘肃捐粮冒赈案乾隆四十六年(1781),甘肃爆发了苏四十三回民起义,叛军其实兵力不多,但是经过多次交战,清军损兵折将不能取胜,乾隆帝很是生气,罢免陕甘总督勒尔谨的职。此时甘肃布政使王廷赞向乾隆上
玄武门之变发生前,老大李建成也没闲着,看看他都做了啥?公元626年,秦王李世民在玄武门发动兵变,李建成被杀,事后李世民被立为太子。在玄武门事件发生的背后,有一点我们不能忽略,李建成可是做了8年的太子,他难道就没有什么行动吗?大家知道,
为什么长电科技是封测龙头?为什么长电科技是封测龙头?国内三巨头,长电科技,华天科技,通富微电芯片卡脖子但是芯片的封测长电科技外国没啥差距。芯片行业最后一个环节就是封测,半导体封测实际上是封装和测试的合称。而
年内全面开花?奇瑞第四代自吸发动机测试车首曝,多出一个字母C上月中旬奇瑞第四代自吸发动机悄然下线,预示着奇瑞在传统内燃机领域里将会持续深挖潜力,别看现在新能源名头最为响亮,但是新能源本身就囊括混动插电混动和增程版,纯电版能否突破技术瓶颈目前
出海,抢订单!仅深圳,就有41家企业飞往(央视财经第一时间)深圳,作为国内高科技企业的集中地之一,在兔年春节假期之后,迎来了热火朝天的开工景象。记者了解到,深圳的高科技企业目前手中的订单情况都比较乐观,但是企业表示,仍然
南通四个坚持助力制造业发展实现新跨越1月30日,南通市委市政府召开全市制造业发展大会,动员全市上下坚定不移走好产业立市制造业强市之路,持续推进产业倍增三年行动,聚力打造产业发展高地,为全面推进中国式现代化南通新实践注
电池回收潮将至,又一新赛道借风起势新能源汽车无疑是2022年最热投资赛道之一,随着其市场规模提速发展,在不断更新的行业格局里,越来越多的车企意识到,在综合实力比拼时代下实现产业规模化才是赢得竞争的关键。于是,在第一
TypeScript5。0Beta来了今天,我们很高兴地宣布TypeScript5。0的测试版发布!此版本带来了许多新功能,同时旨在使TypeScript更小更简单更快。我们已经实现了新的装饰器标准更好地支持Node和
阿里们隐没产业互联网文孟永辉有关产业互联网的质疑,依然还在耳畔会响。但,我们却无可避免地进入到了产业互联网的周期里。这听上去有些耸人听闻,却在真实地发生着。曾经,产业互联网被认为是一个生搬硬凑出来的概
崔屹鲍哲南2023年首发ACSNano悬浊电解液!工作简介近日,斯坦福大学崔屹教授团队开发了基于Li3N的悬浊电解液,阐明了Li3N的新特征有助于提高锂金属阳极的电化学性能。通过经验和计算研究,证明了Li3N引导Li沿其表面电沉积
SK海力士推出LPDDR5T,为移动DRAM再增速随着新一代的移动平台上市,内存芯片厂商也开始发力,在早些时候推出了更快的LPDDR5X等新款内存产品,而在最近,SK海力士也推出了LPDDR5T内存,在速率上再度实现了新的突破。这