在Matlab中使用fzero时出错：类型为\'function_handle\'的输入自变量未定义函数或方法\'det\'

如何解决在Matlab中使用fzero时出错：类型为\'function_handle\'的输入自变量未定义函数或方法\'det\'

| 我在本主题中描述了相同的问题： 使用fzero：类型为'sym'的输入参数的未定义函数或方法'isfinite' 他们的回答确实帮助了我，但我仍然受困。 我还必须找到w函数的零，该函数的定义步骤如下： 所以唯一的未知数是w，我定义了其他对象，例如：

lambda= @(w) ((16*rho(i)*A(i)*w^2*Lprime(i)^2)/(E(j)*I(i)))^0.25;

beta=@(w) lambda*b(i)^0.5;

gamma=@(w) lambda*Lprime(i)^0.5;

然后，我定义一个4 * 4矩阵M2：

M2=@(w) [besselj(4,beta) bessely(4,beta) besseli(4,beta) besselk(4,beta);
               besselj(3,beta) bessely(3,beta) besseli(3,beta) -besselk(3,beta);
               besselj(2,gamma) bessely(2,gamma) besseli(2,gamma) besselk(2,gamma);
               besselj(4,gamma) bessely(4,gamma) besseli(4,gamma) besselk(4,gamma)];

那么要求解的方程是：det（M2）= 0。但是w = 0是解决方案之一，我想要第一个非零解决方案，所以我写道：

delta = @(w) det(M2);

S(i,j)=fzero(delta,500);

然后我运行程序，Matlab说：

??? Error using ==> fzero at 235
FZERO cannot continue because user supplied function_handle ==> @(w)det(M2)
failed with the error below.

Undefined function or method \'det\' for input arguments of type \'function_handle\'.

Error in ==> frequencies at 57
    S(i,500);

我还尝试了subs和eval方法，它们也不起作用，在这些情况下，错误消息是：

??? Undefined function or method \'isfinite\' for input arguments of type \'sym\'.

Error in ==> fzero at 323
    elseif ~isfinite(fx) || ~isreal(fx)

Error in ==> frequencies at 58
    S(i,j)=fzero(@(w) subs(delta,\'w\',w),500);

我猜这和edio \一样。和：

??? Error using ==> fzero at 307
FZERO cannot continue because user supplied function_handle ==> @(w)eval(delta)
failed with the error below.

Undefined function or method \'eval\' for input arguments of type \'function_handle\'.

Error in ==> frequencies at 59
    S(i,j)=fzero(@(w)eval(delta),500);

你能帮我吗？     

解决方法

您的问题似乎是，将匿名函数放在其他匿名函数中时，您从未评估过它们。例如，您将函数“ 6”定义如下：

lambda = @(w) ((16*rho(i)*A(i)*w^2*Lprime(i)^2)/(E(j)*I(i)))^0.25;

但是，当您在ѭ8use中使用它时，您需要使用

w

的输入值对其进行评估，如下所示：

beta = @(w) lambda(w)*b(i)^0.5;
                %# ^--------------Pass w to lambda to evaluate the function

因此，我相信您的其他匿名函数应定义如下：

gamma = @(w) lambda(w)*Lprime(i)^0.5;

M2 = @(w) [besselj(4,beta(w)) bessely(4,beta(w)) besseli(4,beta(w)) ...
           besselk(4,beta(w)); ...
           besselj(3,beta(w)) bessely(3,beta(w)) besseli(3,beta(w)) ...
           -besselk(3,beta(w)); ...
           besselj(2,gamma(w)) bessely(2,gamma(w)) besseli(2,gamma(w)) ...
           besselk(2,gamma(w)); ...
           besselj(4,gamma(w)) bessely(4,gamma(w)) besseli(4,gamma(w)) ...
           besselk(4,gamma(w))];

delta = @(w) det(M2(w));

有关效率的说明... 我在这里注意到一个很大的效率问题。通过使用匿名函数代替任何其他类型的函数（主函数，嵌套函数或子函数），您将最终多次评估具有相同输入的相同函数。 例如，每次评估

M2

以创建矩阵时，您将使用相同的输入对

beta

和

gamma

进行8次评估！注意，您可以通过在函数中放置

M2

并作为输入

w

和两个函数句柄

beta

和

gamma

来进行改进：

function newMatrix = M2(w,betaFcn,gammaFcn)

  bw = betaFcn(w);   %# Evaluate the beta function once
  gw = gammaFcn(w);  %# Evaluate the gamma function once
  newMatrix = [besselj(4,bw) bessely(4,bw) besseli(4,bw) besselk(4,bw); ...
               besselj(3,bw) bessely(3,bw) besseli(3,bw) -besselk(3,bw); ...
               besselj(2,gw) bessely(2,gw) besseli(2,gw) besselk(2,gw); ...
               besselj(4,gw) bessely(4,gw) besseli(4,gw) besselk(4,gw)];

end

新的new20ѭ函数将如下所示：

delta = @(w) det(M2(w,beta,gamma));

    ,您好，非常感谢您的帮助。 它可以工作，但是最后一行必须更改，显然（我花了10分钟才弄清楚）：

lambda= @(w) ((16*rho(i)*A(i)*w^2*Lprime(i)^2)/(E(j)*I(i)))^0.25;
beta=@(w) lambda(w)*b(i)^0.5;
gamma=@(w) lambda(w)*Lprime(i)^0.5;


M2=@(w) [besselj(4,beta(w)) besselk(4,beta(w));
    besselj(3,beta(w)) -besselk(3,beta(w));
    besselj(2,gamma(w)) besselk(2,gamma(w));
    besselj(4,gamma(w)) besselk(4,gamma(w))]; 

delta = @(w) det(M2(w));
    S(i,j)=fzero(@(w) delta(w),500);

现在它确实比以前快了，在另一种情况下，函数solve可以处理分辨率，每个循环大约用了10秒，现在大约是0.06秒 我将尝试您的其他解决方案以查看改进。 万分感谢。