2014年毕业设计演讲稿.pptVIP

2014/4/19 Newton迭代法的MATLAB算法 else set(handles.edit5,string,导数为0，无法计算！) end if kMax_n disp(Method failed!) set(handles.edit5,string,导数为0，无法计算！) end 算法缺点：选定的初值要接近方程的解，否则有可能达不到收敛的效果。再者，牛顿迭代法计算量比较大。因每次迭代除计算函数值外还要计算微商值。 * 2014/4/19 牛顿迭代法应用举例 例 用迭代法求解非线性方程x^3-x^2-1=0。x0=1.5,精度为0.000001,最大迭代次数为50。 运行程序，结果如下图： * 2014/4/19 牛顿迭代法的改进 简单牛顿法: 　 由于牛顿迭代法每次都要计算导数，开销的工作量比较大，因此有必要对其进行改进。 简单迭代法的基本思想是：将每一步需要计算的 f``(xk)(即在点(x0,f(x0))切线斜率值）换为一个常数值c，通常c取作 f``(xk) 即在点处的切线斜率值），这样迭代工作量将大大的减少。这样做的几何解释不再是完全的切线法。而是一组具有固定斜率值C的一组平行线族，迭代公式如下： * 2014/4/19 牛顿迭代法的改进 牛顿下山法: 在有限区间上使用牛顿迭代法，有时不能事先判断在上有无零点，若存在零点且初值刚好不慎落在零点的一个充分小的临域内，必将导致牛顿迭代法失效。因而提出了牛顿下山法。它的基本思想是：在使用牛顿迭代法的过程中，如出现|f(xk+1)|= |f(xk)|,则对原格式进行修改，以确保|f(xk+1)|= |f(xk)|. 牛顿迭代法的格式如下： 　其中，下山因子取值范围在(0,1]，并给定它的一个下界.当出现以上情况，则以下山因子的一半取代原来的下山因子重新迭代． * 2014/4/19 MATLAB求非线性方程的算法实现 双点弦截法的MATLAB程序： x0=str2num(get(handles.edit1,string)) x1=str2num(get(handles.edit2,string)) EPS=str2num(get(handles.edit3,string)) Max_n=str2num(get(handles.edit4,string)) fun=get(handles.edit5,string) x=x0; f0=eval(fun); x=x1; f1=eval(fun); k=1; * 2014/4/19 双点弦截的MATLAB算法 while kMax_n x2=x1-f1*(x1-x0)/(f1-f0);x=x2;f2=eval(fun); if abs(x2-x1)EPS | abs(f2)EPS set(handles.edit6,string,x2) set(handles.edit7,string,f2) set(handles.edit8,string,k) break; end * 2014/4/19 双点弦截的MATLAB算法 f0=f1;f1=f2;x0=x1;x1=x2;k=k+1; end disp(Iteration times=) disp(k) if kMax_n disp(Method failed!) end 算法缺点：虽然弦截法是用差商代替微商，省去了牛顿法求导数的过程，从几何的角度看是用割线代替切线，但收敛阶已降为超线性，故其收敛速度较牛顿法要慢些。 * 2014/4/19 弦截法应用举例 例 用弦截法解非线性方程x^3-7.7x^2+19.2x-15.3=0 x0=1.5,x1=4.精度为0.000001,最大迭代次数为50。 运行程序，结果如下图： * 2014/4/19 结论 牛顿迭代法和弦截法都属于局部收敛，在求解非线性方程上都有比较好的收敛速度。牛顿迭代法的好处在于它是平方收敛，只要给定的初值比较合理，通过比较少的迭代次数就能够很快地求出结果。不好之处在于由于每次迭代都要计算函数的导数，因此也增加了对运算量的开销。次外，牛顿迭代法对初值的选择的要求也比较高。初值选择合理的话，就能够很快的求出根，否则可能会求不出来。弦截法用在点xk的变化率来代替f`(xk),从几何意思上说是用割线代替切线，免去了牛顿迭代法求导数的过程。从另一方面来说，弦截法较迭代法具有更高的稳定性。只要在其临域内有根并给定两个初始值，运用迭代法就一定能够求出来。但弦截法较牛顿迭代法而言