方程的图形法迭代法直接法(第1次课)程序.ppt

第二讲 方程及方程组解法(上) 方程 : 工程计算和科学分析的发动机。 若干世纪来，方程是工程师和数学家花费大量时间 进行研究的课题，即有古老的算法（如二分法），也有新颖的发现（如迭代的分形与混沌现象） 本讲主要介绍非线性方程的实用解法，对线性方程组及数值分析中的矩阵分解法略作介绍： 图形放大法（不要苛求精确解！） 简单迭代法（迭代函数的选取~） 加速迭代法（加权平均的思想~） 线性方程组解的存在性 线性方程组的矩阵形式：AX=B AX=B的解可能出现三种情况：有解/无解/无穷解 A=[1 2 1;2 3 1;1 -1 -2]; B=[1;3;0]; AB=[A,B]; rank(A)==rank(AB) % ans=0 故原方程组无解 A=[0 1 -3 4;1 0 -2 3;3 2 0 -5;4 3 -5 0]; B=[-5;-4;12;5]; AB=[A,B]; rank(A)==rank(AB) % ans=1 有唯一解 线性方程组AX=B的求解 代数方程求根公式的探寻... 求解非线性方程更一般的方法 我们面对的大多数方程（组）都是非线性的。 定义：一些由实际问题列出的方程中常常包含三角函数、指数函数等，它们与n>=2代数方程一起统称为非线性方程（组） 例如：3x-ex=0；xsinx=1； x2-3x+ex-2 所以，求解这一类方程（组）更具现实意义： 计算机技术和数学软件技术的飞速发展为我们实现经典方法（比如二分法）、创新新方法（比如图形放大法）提供了极大便利，甚至衍生出一些崭新的学科方向（比如课本第3章提到的 分形与混沌） 最简捷和最一目了然的方法？ 图形放大法的最大优点在于：简捷和直观，同时也为后继的迭代法和函数法提供了可参考的初值条件 演练一：p10，2.1 x=-6:.001:6; plot(x,x.^5+2*x.^2+4,[-6,6],[0,0],'r-', 'linewidth',2)%参考线 grid on; axis([-2 2 -200 200])%坐标区域重定义 演练二：求解方程 8x5-12x4-26x3-13x2+58x+30=0 fplot('8*x^5-12*x^4-26*x^3-13*x^2+58*x+30',[-1,3]); set(findobj('type','line'),'linewidth',3); hold on; line([-5 5],[0 0],'color','r','linewidth',3); ★注意以上程序中作参考线(X轴)的几种方法 最简捷和最一目了然的方法？ 图形放大法的最大局限在于：作图的显示精度以及数值的读取精度，一般不作为方程求解实际方法 演练三：求解非线性方程组 ezplot('x^2+y^2-5', [-2.5,2.5,-2.5,2.5]); %定义作图区间 hold on; ezplot('x*y-3*x+y-1', [-2.5,2.5,-2.5,2.5]); grid on; set(findobj('type','line'),'color','r', 'linewidth',2); %加粗 局限：坐标刻度默认显示精度为小数点后4位 提供一个控制函数：tickmore('w',n) tickmore('x',6); tickmore('x',6); 图形放大法的步骤和技巧： 图形放大法的步骤和技巧： 简单迭代法（迭代收敛的情形） 回到早先我们接触的引例：3x-ex=0 xn+1= ?(xn), n=0,1,2..., x0 迭代过程的图形化体现... 迭代过程体现在图像上如下图所示： 迭代算法的步骤与技巧： 简单迭代法的改进… 简单迭代法的改进… 简单迭代与加速迭代的比较1 简单迭代与加速迭代的比较2 简单迭代与加速迭代的比较3 除了简单迭代和加速迭代... 我们知道，简单迭代法和加速迭代法在迭代格式xn+1= ?(xn)的选取上都是基于方程自身的，其实基于存根区间、基于函数曲线解析性还有多种算法，下面略作介绍： 介绍： ? …p12~13 这些算法形式多样，目标只有一个——逼近 基于隔离存在根的区间，区间逼近：如二分法 基于函数曲线解析特性，解析逼近：如牛顿法 隔离存在根的区间，区间逼近 二分法: 简单，但效率很高的一种算法 函数曲线解析特性，解析逼近 牛顿切线法: 可变形为多种迭代格式，如割线法 非线性方程组的迭代法1 类似于单变量方程的简单迭代法，方程组要求一次迭代过程完成对n个变量的迭代... 非线性方程组的迭代法2 非线性方程组的迭代法3 实例：用迭代法求解非线性方程组(格式1) x=[0,0;2,0;3,3]; n=input('选择初