应《网络安全法》要求，自2017年10月1日起，未进行实名认证将不得使用互联网跟帖服务。为保障您的帐号能够正常使用，请尽快对帐号进行手机号验证，感谢您的理解与支持！

24小时热门版块排行榜    

CyRhmU.jpeg
小木虫论坛-学术科研互动平台 » 计算模拟区 » 计算模拟 » matlab符号变量的一个问题
51/1返回列表
查看: 995  |  回复: 4
只看楼主@他人 存档 新回复提醒 (忽略) 收藏    在APP中查看

匿名

用户注销 (小有名气)
本帖仅楼主可见

» 猜你喜欢

» 本主题相关价值贴推荐，对您同样有帮助:
1楼2011-11-10 11:17:38
已阅   同方向广播   申请计算强帖   回复此楼   编辑   查看我的主页

dbb627

荣誉版主 (著名写手)

【答案】应助回帖

★ ★
cenwanglai(金币+2): ~~ 2011-11-10 12:40:16
ywxing(金币+5): thanks 2011-11-10 12:49:14
>> syms x y a b
>> d=x+y+a+b
xdai=[1 3 5 7];
ydai=[2 3 5 6];
adai=3;
bdai=4;

d =

a + b + x + y

>> d=subs(d)

d =

a + b + x + y

>> d=subs(d,{'x','y','a','b'},{xdai, ydai,a,b})

d =

[ a + b + 3, a + b + 6, a + b + 10, a + b + 13]

>> d=subs(d,{'x','y','a','b'},{xdai, ydai,adai,bdai})

d =

    10    13    17    20
赞一下(1人) 回复此楼
The more you learn, the more you know, the more you know, and the more you forget. The more you forget, the less you know. So why bother to learn.
2楼2011-11-10 11:33:29
 已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

匿名

用户注销 (小有名气)
本帖仅楼主可见
赞一下
3楼2011-11-10 12:51:44
 已阅   申请计算强帖   回复此楼   编辑   查看我的主页

匿名

用户注销 (小有名气)
本帖仅楼主可见
赞一下
4楼2011-11-10 13:36:10
 已阅   申请计算强帖   回复此楼   编辑   查看我的主页

dbb627

荣誉版主 (著名写手)
你的定义方式不对，要么所有的Gdr_1,Gdr_2相关的放到funTM中定义，或者定义Gdr_1,Gdr_2为全局变量，比较简单的事按照我下面的方式定义
匿名函数
CODE:
syms f_1 f_2 r_1 r_2
G=(f_1*f_2+r_2*f_2^2)/(r_1*f_1^2+2*f_1*f_2+r_2*f_2^2);
Gdr_1=f_1^2*(f_1*f_2 + r_2*f_2^2)/(2*f_1*f_2 + f_1^2*r_1 + f_2^2*r_2)^2;
Gdr_2=f_2^2*(f_1*f_2 + r_2*f_1^2)/(2*f_1*f_2 + f_1^2*r_1 + f_2^2*r_2)^2;
%定义符号表达式
f_11=[0.925 0.846 0.763 0.674 0.579 0.479 0.256 0.133];
f_22=[0.075 0.154 0.237 0.326 0.421 0.521 0.744 0.867];
F_22=[0.441 0.699 0.753 0.828 0.864 0.900 0.968 0.983];
r_11=0.09;r_22=10;
%准备给符号表达式赋值
Gdr_1=subs(Gdr_1,{'f_1','f_2','r_1','r_2'},{f_11,f_22,r_11,r_22});
Gdr_2=subs(Gdr_2,{'f_1','f_2','r_1','r_2'},{f_11,f_22,r_11,r_22});
G=subs(G,{'f_1','f_2','r_1','r_2'},{f_11,f_22,r_11,r_22});
d=F_22-G;
myfun=@(x,xdata)xdata(1,:)*x(1)+xdata(2,:)*x(2);
xdata=[Gdr_1;Gdr_2];
x0=[0.1 10];
x = lsqcurvefit(@(x,xdata) myfun(x,xdata),x0,xdata,d)

结果

Local minimum found.

Optimization completed because the size of the gradient is less than
the default value of the function tolerance.




x =

   -0.0514    0.0967
赞一下 回复此楼
The more you learn, the more you know, the more you know, and the more you forget. The more you forget, the less you know. So why bother to learn.
5楼2011-11-10 14:27:53
 已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖
相关版块跳转 我要订阅楼主 ywxing 的主题更新
51/1返回列表
普通表情 龙 兔 虎 猫
信息提示
关闭
请填处理意见
关闭