数值分析方程求根讲解.pptVIP

注：Newton法的收敛性依赖于x0 的选取。 x* x0 ? x0 ? x0 并得出了 例3 Leonardo于1225年研究了方程 用牛顿迭代格式 所以， 。 clc clear all f=inline(x.^3+2*x.^2+10*x-20); g=inline(3*x.^2+4*x+10); x1=1.5; x0=2; dtol=1e-8; while(abs(x0-x1)dtol) x0=x1; x1=x0-f(x0)/g(x0); disp([x0 x1]); end 由于Newton迭代法的收敛性依赖于初值 的选取，如果 离方程的根 较远，则Newton迭代法可能发散。为了防止迭 代发散，可以将Newton迭代法与下山法结合起来使用，放宽 初值 的选取范围，即将（2.4.1）式修改为： 其中， 称为下山因子，选择下山因子时，希望 满足下 山法具有的单调性，即 这种算法称为Newton下山法。 在实际应用中，可选择 。 六、牛顿法的变形 1、牛顿下山法 牛顿下山法的计算步骤： （1）选取初始近似值x0； （2）取下山因子? = 1； （3）计算 （4）计算f (xk+1)，并比较 与 的大小，分以下二种情况 1）若 ，则当 时，取x*? xk+1，计算过程结束；当 时，则把 xk+1 作为新的 近似值，并返回到（3）。 2）若 ，则当?≤??且|f(xk+1)| ，取x*? xk，计算过程结束； 否则若?≤??，而 时，则把xk+1加上一个适当选定的小正数， 即取xk+1+?作为新的xk值，并转向（3）重复计算；当?＞??；且 时 ，则将下山因子缩小一半，取?/2代入，并转向（3）重复计算。 y=f(x) x0 x1 x2 x* 牛顿迭代法每迭代一次都需计算函数值 和导数值 计算量比较大；且迭代过程中计算 时，仅利用了 点的信息， 而没有充分利用已经求出的 ；在导数计算比较麻烦 或难以求出时， 迭代格式构造 (2) 构造方法：将Newton迭代格式中的导数用差商代替。 2、割线法： (1) 构造思想：用割线的斜率代替牛顿迭代法中切线的斜率； 设法避开导数值的计算，因此可以采用离散牛顿法（割线法）。 一个自然的想法就是在充分利用“旧信息”的同时， 切线斜率　?　割线斜率 初值 x0 和 x1。 x0 x1 x2 割线法的几何意义 * 数值分析 ——第二章 方程求根（2） 2014年11月2日 clc clear all x=-3:0.05:3; f=inline(x.^2-1); y=f(x); plot(x,x,LineWidth,3); hold on plot(x,y,k,LineWidth,3); grid on x0=-2.732;%1.618,1.619,0.618,0.619 %=-2.732,0.732 x1=x0; y0=-3; y1=y0; for i=1:80 y1=f(x1); plot([x0 x1],[y0 y1],r); x0=x1; y0=y1; x1=y1; plot([x0 x1],[y0 y1],r); x0=x1; y0=y1; end 迭代法的收敛性 求方程 在 内的根 例： 。 解： 原方程可以等价变形为下列三个迭代格式 由迭代格式 （1） 取初值 得 由迭代格式 （2） 取初值 得 结果精确到四位有效数字，迭代到 得到收敛结果。 由迭代格式（3） 取初值 得 结果精确到四位有效数字，迭代到 得到收敛结果。 迭代格式（1）的迭代函数为 求导得 当 时 故迭代格式（1）是发散的。 分析: 迭代格式（2）的迭代函数为 当 时 由 知当 时， 所以迭代格式（2）是收敛的。 迭代格式（3）的迭代函数为 当 时 由 时， 知当 所以迭代格式（3）也是收敛的。 结论: 通过以上算