jacobian.band(rootSolve)
jacobian.band()所属R语言包:rootSolve
Banded jacobian matrix for a system of ODEs (ordinary differential equations)
杀鸡取卵的雅可比矩阵系统的常微分方程(常微分方程)
译者:生物统计家园网 机器人LoveR
描述----------Description----------
Given a vector of (state) variables y, and a function that estimates a function value for each (state) variable (e.g. the rate of change), estimates the Jacobian matrix (d(f(y))/d(y)).
(州)变量的向量y,估计函数值(州)变量(如变化率)的函数,估计雅可比矩阵(d(f(y))/d(y))。
Assumes a banded structure of the Jacobian matrix, i.e. where the non-zero elements are restricted to a number of bands above and below the diagonal.
假定一个带状结构上的雅可比矩阵,即非零元素被限制为在上面和下面的对角线的频带的一些。
用法----------Usage----------
jacobian.band(y, func, bandup = 1, banddown = 1,
dy = NULL, time = 0, parms = NULL, pert = 1e-8, ...)
参数----------Arguments----------
参数:y
(state) variables, a vector; if y has a name attribute, the names will be used to label the jacobian matrix columns.
变量(州),矢量y如果有一个name属性的名字将被用来标记雅可比矩阵列。
参数:func
function that calculates one function value for each element of y; if an ODE system, func calculates the rate of change (see details).
函数,计算一个函数值中的每个元素y;如果ODE系统,func计算的变化率(见详情)。
参数:bandup
number of nonzero bands above the diagonal of the Jacobian matrix.
数非零以上频带的雅可比矩阵的对角线。
参数:banddown
number of nonzero bands below the diagonal of the Jacobian matrix.
对角线以下的雅可比矩阵的非零带的数量。
参数:dy
reference function value; if not specified, it will be estimated by calling func.
参考函数值,如果没有指定,将通过调用func估计。
参数:time
time, passed to function func.
时间,传递给函数的func。
参数:parms
parameter values, passed to function func.
参数值传递给函数的func。
参数:pert
numerical perturbation factor; increase depending on precision of model solution.
数值扰动因子,增加依赖于精确的模型解决方案。
参数:...
other arguments passed to function func.
其他参数传递给函数的func。
Details
详细信息----------Details----------
The function func that estimates the rate of change of the state variables has to be consistent with functions called from R-package deSolve, which contains integration routines.
该函数func估计的状态变量的变化率要与从R-套件deSolve,其中包含整合例程调用的功能相一致。
This function call is as: function(time,y,parms,...) where
这个函数的调用是:功能(时间,Y,PARMS,...),其中
y : (state) variable values at which the Jacobian is estimated.
y:(状态)变量的值的雅可比估计。
parms: parameter vector - need not be used.
parms参数向量 - 不能使用。
time: time at which the Jacobian is estimated - in general, time will not be used.
time:时间估计 - 雅可比在一般情况下,time将不会被使用。
...: (optional) any other arguments
...:(可选的)任何其他参数
The Jacobian is estimated numerically, by perturbing the x-values.
雅可比数字估计,通过扰动的x值。
值----------Value----------
Jacobian matrix, in banded format, i.e. only the nonzero bands near the diagonal form the rows of the Jacobian.
雅可比矩阵,带状格式,即只有非零带的对角形式的雅可比行。
this matrix has bandup+banddown+1 rows, while the number of columns equal the length of y.
该矩阵有bandup+banddown1行,而的列数相等的长度y。
Thus, if the full Jacobian is given by:
因此,如果完整的雅可比行列式的计算公式如下:
the banded jacobian will be:
带状雅可比是:
(作者)----------Author(s)----------
Karline Soetaert <karline.soetaert@nioz.nl>
参见----------See Also----------
jacobian.full, estimates the Jacobian matrix assuming a full matrix.
jacobian.full,估计全矩阵雅可比矩阵的假设。
hessian, estimates the Hessian matrix.
hessian,估计Hessian矩阵。
gradient, for a full (not necessarily square) gradient matrix and where the function call is simpler.
gradient,一个完整的(不一定是正方形)的梯度矩阵和函数调用简单。
uniroot.all, to solve for all roots of one (nonlinear) equation
uniroot.all,解决根源之一方程(非线性)
multiroot, to solve n roots of n (nonlinear) equations
multiroot,解决了n的n个根(非线性)方程
实例----------Examples----------
## =======================================================================[#================================================= ======================]
mod <- function (t = 0, y, parms = NULL,...) {
dy1 <- y[1] + 2*y[2]
dy2 <-3*y[1] + 4*y[2] + 5*y[3]
dy3 <- 6*y[2] + 7*y[3] + 8*y[4]
dy4 <- 9*y[3] +10*y[4]
return(as.list(c(dy1, dy2, dy3, dy4)))
}
jacobian.band(y = c(1, 2, 3, 4), func = mod)
转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。
注:
注1:为了方便大家学习,本文档为生物统计家园网机器人LoveR翻译而成,仅供个人R语言学习参考使用,生物统计家园保留版权。
注2:由于是机器人自动翻译,难免有不准确之处,使用时仔细对照中、英文内容进行反复理解,可以帮助R语言的学习。
注3:如遇到不准确之处,请在本贴的后面进行回帖,我们会逐渐进行修订。
|