大学数学里数值分析的课程实验报告，题目是非线性方程组的数值解法。
里面包括了不动点迭代法和牛顿迭代法的例子，原理，程序，及结果。

mulStablePoint用不动点迭代法求非线性方程组的一个根mulNewton用牛顿法法求非线性方程组的一个根mulDiscNewton用离散牛顿法法求非线性方程组的一个根mulMix用牛顿-雅可比迭代法求非线性方程组的一个根mulNewtonSOR用牛顿-SOR迭代法求非线性方程组的一个根mulDNewton用牛顿下山法求非线性方程组的一个根mulGXF1用两点割线法的第一种形式求非线性方程组的一个根mulGXF2用两点割线法的第二种形式求非线性方程组的一个根mulVNewton用拟牛顿法求非线性方程组的一组解mulRank1用对称秩1算法求非线性方程组的一个根mulDFP用D-F-P算法求非线性方程组的一组解mulBFS用B-F-S算法求非线性方程组的一个根mulNumYT用数值延拓法求非线性方程组的一组解DiffParam1用参数微分法中的欧拉法求非线性方程组的一组解DiffParam2用参数微分法中的中点积分法求非线性方程组的一组解mulFastDown用最速下降法求非线性方程组的一组解mulGSND用高斯牛顿法求非线性方程组的一组解mulConj用共轭梯度法求非线性方程组的一组解mulDamp用阻尼最小二乘法求非线性方程组的一组解

利用牛顿-雅可比迭代法求非线性方程组Ax=b的一个根,压缩包里包含了求解非线性方程组的代码，只要用MATLAB软件打开程序运行即可

最优化算法,包括最速下降法,共轭梯度法,拟牛顿法.参考学习

【GNSS/INS松组合导航Matlab程序】是一种在航空航天、自动驾驶、航海等领域广泛应用的导航技术，它结合了全球导航卫星系统（GNSS）和惯性导航系统（INS）的优点，提高了定位精度和稳定性。
在Matlab环境中实现这种松组合导航，能够方便地进行算法设计、仿真与验证。
我们要理解GNSS和INS的基本原理。
GNSS，如GPS（全球定位系统），通过接收来自卫星的信号来确定地面设备的位置、速度和时间。
而INS则依赖于陀螺仪和加速度计来测量载体的运动状态，无需外部参考即可连续提供位置、速度和姿态信息。
然而，GNSS可能会受到遮挡或干扰，INS则存在累积误差问题，松组合导航正是为了解决这些问题。
松组合导航的关键在于数据融合。
在Matlab程序中，通常会先利用GNSS数据生成初始的轨迹，然后根据这个轨迹产生模拟的惯导数据，包括陀螺仪和加速度计的输出。
这部分涉及到了信号处理、滤波理论和随机过程的知识，比如卡尔曼滤波（KalmanFilter）常被用于融合这两类传感器的数据。
接下来，这些模拟数据会被输入到惯导解算器中，进行运动状态的更新和校正。
惯导解算通常涉及到牛顿-欧拉方程、四元数表示法等，用于计算载体的位置、速度和姿态。
在Matlab中，可以利用内置的函数或自定义算法来实现这一过程。
仿真完成后，会使用这些模拟的GPS和INS数据进行松组合导航的实现。
松组合意味着GNSS和INS系统保持相对独立，各自进行数据处理，然后在一个高层次上进行信息交换。
这样做的好处是可以避免一个系统的误差影响另一个系统，同时保留各自的优点。
组合导航算法可能包括简单的数据融合策略，如时间同步或者更复杂的滤波算法。
在【sins+gnss】这个压缩包中，可能包含了实现上述功能的Matlab源代码文件，如初始化配置文件、数据生成脚本、滤波算法实现、结果分析工具等。
用户可以通过阅读和运行这些代码，深入理解松组合导航的工作原理，并对其进行定制和优化。
GNSS/INS松组合导航Matlab程序是导航技术研究的重要工具，涵盖了卫星导航、惯性导航、数据融合等多个领域的知识。
通过对这套程序的学习和实践，不仅可以掌握相关算法，还可以提升在复杂环境下的定位能力，对于科研和工程应用具有很高的价值。

两轮自平衡小车是一类非完整的本征不稳定系统，其动力学方程具有复杂非线性、高阶次、强耦合、欠驱动等特点，采用牛顿力学分析法进行系统建模，利用前馈、反馈以及输入量构成自适应机构，在此基础上提出模型参考自适应控制（ModelReferenceAdaptiveControl，MRAC）策略对两轮自平衡小车的姿态和速度进行控制。
通过仿真，结果表明采用MRAC算法能够在保证系统稳定的前提下，获得接近于给定理想参考模型的动态性能，并使系统在平衡点附近具有良好的鲁棒性。

用matlab实现了牛顿差分改进后得到的共轭梯度算法，输入多元函数的系数矩阵，即可求出函数的极值

哈工大版包括拉格朗日插值龙贝格积分法四阶龙格牛顿迭代法高斯列主消元法

大学本科生的简单潮流计算，这个压缩包包含两种方法：d一种是P-Q分解法，一种高斯赛德尔-牛顿拉夫迅结合的方法，含三中常规节点。

%MATLAB数学建模工具箱%%本工具箱主要包含三部分内容%1.MATLAB常用数学建模工具的中文帮助%2.贡献MATLAB数学建模工具(打*号)%3.中国大学生数学建模竞赛历年试题MATLAB程序%数据拟合%interp1-一元函数插值%spline-样条插值%polyfit-多项式插值或拟合%curvefit-曲线拟合%caspe-各种边界条件的样条插值%casps-样条拟合%interp2-二元函数插值%griddata-不规则数据的二元函数插值%*interp-不单调节点插值%*lagrange-拉格朗日插值法%%方程求根%inv-逆矩阵%roots-多项式的根%fzero-一元函数零点%fsolve-非线性方程组%solve-符号方程解%*newton-牛顿迭代法解非线性方程%%微积分和微分方程%diff-差分%diff-符号导函数%trapz-梯形积分法%quad8-高精度数值积分%int-符号积分%dblquad-矩形域二重积分%ode45-常微分方程%dsolve-符号微分方程%*polyint-多项式积分法%*quadg-高斯积分法%*quad2dg-矩形域高斯二重积分%*dblquad2-非矩形域二重积分%*rk4-常微分方程RungeKutta法%%随机模拟和统计分析%max,min-最大，最小值%sum-求和%mean-均值%std-标准差%sort-排序（升序）%sortrows-按某一列排序(升序)%rand-[0，1]区间均匀分布随机数%randn-标准正态分布随机数%randperm-1...n随机排列%regress-线性回归%classify-统计聚类%*trim-坏数据祛除%*specrnd-给定分布律随机数生成%*randrow-整行随机排列%*randmix-随机置换%*chi2test-分布拟合度卡方检验%%数学规划%lp-线性规划%linprog-线性规划(在MATLAB5.3使用)%fmin-一元函数极值%fminu-多元函数极值拟牛顿法%fmins-多元函数极值单纯形搜索法%constr-非线性规划%fmincon-非线性规划(在MATLAB5.3使用)%%离散优化%*enum-枚举法%*monte-蒙特卡洛法%*lpint-线性整数规划%*L01p_e-0-1整数规划枚举法%*L01p_ie-0-1整数规划隐枚举法%*bnb18-非线性整数规划(在MATLAB5.3使用)%*bnbgui-非线性整数规划图形工具(在MATLAB5.3使用)%*mintreek-最小生成树kruskal算法%*minroute-最短路dijkstra算法%*krusk-最小生成树kruskal算法mex程序%*dijkstra-最短路dijkstra算法mex程序%*dynprog-动态规划%%%图形%plot-平面曲线（一元函数）%plot3-空间曲线%mesh-空间曲面（二元函数）%*meshf-非矩形网格图%*draw-用鼠标划光滑曲线%%中国大学生数学建模竞赛题解%jm96a-捕鱼策略%jm96b-节水洗衣机%jm96bfun-节水洗衣机优化函数%jm97a-零件参数设计%jm97afun-零件参数函数%jm97aoptim-零件参数设计优化函数%jm97b-截断切割%jm97bcount-截断切割枚举法%jm97brule-截断切割优化准则%jm98a1-风险投资模型求解%jm98a2-风险投资模型讨论%jm98a3-收益与风险非线性模型求解%jm98a3fun-收益与风险非线性模型优化函数%jm98b-灾情巡视路线（C程序）%jm99a1-自动化车床模型一%jm99a1fun-自动化车床模型目标函数%jm99a1simu-自动化车床模型随机模拟%jm99asmfun-自动化车床模型费用函数%%演示程序%fun

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。