matlab如何定義數(shù)組并對(duì)其求導(dǎo)？方法：1.矩陣Y對(duì)標(biāo)量x求導(dǎo)：Y[y(ij)]dY/dx[dy(ji)/dx]2.標(biāo)量y對(duì)列向量X求導(dǎo)：yf(x1,x2,..,xn)dy/dX(Dy/Dx1,Dy

matlab如何定義數(shù)組并對(duì)其求導(dǎo)？

方法：

1.矩陣Y對(duì)標(biāo)量x求導(dǎo)：

Y[y(ij)]dY/dx[dy(ji)/dx]

2.標(biāo)量y對(duì)列向量X求導(dǎo)：

yf(x1,x2,..,xn)dy/dX(Dy/Dx1,Dy/Dx2,..,Dy/Dxn)#39

3.行向量Y#39對(duì)列向量X求導(dǎo)：

Y的每一列對(duì)X求偏導(dǎo)，各列可以形成一個(gè)矩陣。

4.列向量Y對(duì)行向量X'求導(dǎo)：

被轉(zhuǎn)化為行向量Y'列向量X的導(dǎo)數(shù)轉(zhuǎn)置。

5.向量積對(duì)列向量X求導(dǎo)運(yùn)算法則：

d(UV#39)/dX(dU/dX)V#39U(dV#39/dX)

d(U#39V)/dX(dU#39/dX)V(dV#39/dX)U#39

6.矩陣Y對(duì)列向量X求導(dǎo)：

Y對(duì)X的分量求偏導(dǎo)，組成超向量。

7.矩陣積對(duì)列向量求導(dǎo)法則：

d(uV)/dX(du/dX)Vu(dV/dX)

d(UV)/dX(dU/dX)VU(dV/dX)

8.標(biāo)量y對(duì)矩陣X的導(dǎo)數(shù)：

把y對(duì)每個(gè)X的元素求偏導(dǎo)，用不著轉(zhuǎn)置。

dy/dX[Dy/Dx(ij)]

9.矩陣Y對(duì)矩陣X的導(dǎo)數(shù)：

將Y的每個(gè)元素對(duì)X求導(dǎo)，后再排在一起形成完美矩陣。

10.乘積的導(dǎo)數(shù)

d(f*g)/dx(df#39/dx)g(dg/dx)f#39

怎么使用matlab牛頓迭代法解多重根方程？

方法，function[x_reality,n_reality] Newt( f_name,x_start,tolerance,n_limit)

%%

%牛頓迭代法(切線法)求解釋方程f_name0根的MATLAB實(shí)現(xiàn)

%f_name為迭代函數(shù)

%x_start為開(kāi)始迭代的初始坐標(biāo)

%tolerance為函數(shù)迭代的精度要求

%n_limit為函數(shù)的最大迭代次數(shù)

%%

%x_reality為到了最后產(chǎn)品迭代結(jié)果

%n_reality為結(jié)果的迭代次數(shù)

%%

formatlong%計(jì)算出結(jié)果剩余到小數(shù)點(diǎn)后14位

scanf(#39牛頓迭代法求方程:%s0的類(lèi)似根

#39,f_name)

del_x0.0000001%用于求函數(shù)導(dǎo)數(shù)值的極小量

n_reality0

x_realityx_start

x_startx_reality1000%能保證迭代能又開(kāi)始

%%

while1

if(abs(x_reality-x_start)lttolerance)%如果不是行最簡(jiǎn)形矩陣精度要求，控制輸出結(jié)果，跳回while非循環(huán)

fscanf(#39在精度不將近%.14f的條件下,方程:%s0的根為%.14f

迭代次數(shù)為:%d

#39,...

tolerance,f_name,x_reality,n_reality)

break

elseif(n_realitygtn_limit)%要是迭代次數(shù)達(dá)到限制，作為輸出提示語(yǔ)，都結(jié)束了循環(huán)

disp(#39迭代次數(shù)超界#39)

break

arguments

x_startx_reality%把x_reality的值賦給x_start,主要用于求x_start點(diǎn)的到數(shù)值這些迭代

if(feval(f_name,x_startdel_x)-feval(f_name,x_start))0

disp(#39導(dǎo)數(shù)為0#39)

break

arguments

y_deriv(feval(f_name,x_startdel_x)-feval(f_name,x_start))/del_x

%x_start點(diǎn)的導(dǎo)數(shù)值

x_realityx_start-feval(f_name,x_start)/y_deriv

%牛頓迭代

n_realityn_reality1%迭代次數(shù)加1

fprintf(#39n_reality%d,x_start.14f,y_start.14f

#39,n_reality,x_start,feval(f_name,x_start))

end

end

end

disp(#39牛頓迭代發(fā)已經(jīng)結(jié)束#39)

end