1在fsolve迭代:新的x和

11视图(30天)

显示旧的评论

Sargondjani 2021年3月9日

0
链接

这个问题直接联系

https://es.mathworks.com/matlabcentral/answers/767101-1-iteration-in-fsolve-new-x-and-no-more

评论道: Sargondjani 2021年5月11日

答:接受马特·J

我想用fsolve只使用一个迭代:雅可比矩阵,完成x1和。然而当测试下面的代码,它试图找到0 x ^ 2,我看到下面的:

迭代0 2功能评估:似乎f (x0)和1有限差分

迭代1、2功能评估:似乎f (x1)和1有限差分

我不希望最后两个评估。这是可能的吗?

我的意思是,这一倍计算时间,但它毫无用处。特别是报道的雅可比矩阵的雅可比矩阵x0(不是在x1)。如果它至少会给我雅可比矩阵在x1作为输出,我可以自己计算下一个迭代。

解决方案项目类似的例程,但是我,而用fsolve(例如我还想用JacobPattern)。

                         清晰的所有;
                        
                         clc;
                        
                         fun_res = @ (xx) xx。^ 2;
                        
                         x0 = 1;
                        
                         ex_fl = -10;
                        
                         iter = 0;
                        
                         而ex_fl < 1 & & iter < 100
                        
                         iter = iter + 1;
                        
                         1),% [xx_it (iter res (iter, 1), ex_fl, ~,江淮(iter 1)] = fsolve (x0, fun_res optimoptions (@fsolve,“显示”,“通路”,“MaxIterations”, 1));
                        
                         [xx_it (iter, 1), ~, ex_fl] = fsolve (x0, fun_res optimoptions (@fsolve,“显示”,“通路”,“MaxIterations”1));
                        
                         x0 = xx_it (iter);
                        
                         结束

2的评论
显示隐藏 1年长的评论

Sargondjani 2021年3月9日

实际上这是真的。我想我误解了结果。无论如何,我发现真的第一步接近真正的解决方案(在我实际的程序,所以这第二步不打破我很多)。

登录置评。

在回答这个问题。

接受的答案

马特·J 2021年3月9日

0
链接

直接链接到这个答案

https://es.mathworks.com/matlabcentral/answers/767101-1-iteration-in-fsolve-new-x-and-no-more answer_643202

编辑:马特·J 2021年3月9日

一种选择是使用fsolve让雅可比矩阵,然后生成x1自己。这使您可以访问权 JacobPattern 和所有其他的雅可比矩阵计算fsolve提供的功能。

为此,取代你的目标函数 f (x) 与 f (x) - f (x0), 在哪里 x0 thte初始点。请注意,这并不改变雅可比矩阵。因为 x0 是一个根的修改目标, fsolve 将返回 x0 及其雅可比矩阵作为输出0迭代。例子:

                              有趣= @ (x) x ^ 2/2;
                             
                              选择= optimoptions (@fsolve,“麦克斯特”1);
                             
                              x0 =兰德(5、1);
                             
                              f0 =乐趣(x0);
                             
                              [x, fval ef,统计,JacobianNumerical] = fsolve (@ (x)乐趣(x) - f0, x0,选项);
                             
                                在初始点方程解决。fsolve完成,因为向量初始点的函数值接近于零的值函数的宽容,问题出现普通的梯度。

                              JacobianNumerical,
                             
                                 JacobianNumerical =
                                 5×5
                                
                                  0.3167 0 0 0 0 0 0.5539 0.7692 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.0906 0.5526

                              JacobianAnalytical =诊断接头(x0)
                             
                                 JacobianAnalytical =
                                 5×5
                                
                                  0.3167 0 0 0 0 0 0.5539 0.7692 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.0906 0.5526

同时,它将没有额外的雅可比矩阵的计算,从,

                              统计数据
                             
                                 统计=结构体字段:
                                
                                 迭代:0 funcCount: 6算法:“trust-region-dogleg”firstorderopt: 0消息:“↵方程解决在初始点。↵↵fsolve完成,因为向量函数值的初始点↵是接近于零的值函数的宽容,和↵问题出现普通的梯度。↵↵<停止标准细节>↵↵方程解决。最后一点是初始点。↵平方函数值的总和,r = 0.000000 e + 00,小于sqrt (options.FunctionTolerance) = 1.000000 e 03。↵r的梯度的相对标准,0.000000 e + 00,小于选项。OptimalityTolerance = 1.000000 e-06。↵↵”