matlab(第四章-函数与方程)-2016-1-13.pptVIP

subplot(2,2,1); eg4_9(2.7,0.1,1,100); subplot(2,2,2); eg4_9(3.4,0.1,50,500); subplot(2,2,3); eg4_9(3.5,0.1,50,500); subplot(2,2,4); eg4_9(4,0.1,50,500); * * * * * * * * 基本概念 实际计算中当然不可能也没必要无穷多步地做下去, 对预先给定的精度要求ε，只要某个k满足 即可结束计算并取 当然，迭代函数 的构造方法是多种多样的。 例 用迭代法求方程 将方程改写成如下两种等价形式 相应地可得到两个迭代公式 迭代法是否成功取决于下面3个因素： x=?(x)与f(x)=0是否同解 初值x0选取是否合适（一般要与真解靠近） 最关键的是迭代序列是否收敛 用迭代法可逐步精确方程 根的近似值，但必须要找到 的等价方程 ,如果 选得不合适,不仅影响收敛速度,而且有可能造成迭代格式发散。能否找到一种迭代方法,既结构简单,收敛速度快,又不存在发散的问题。这就是本节要介绍的牛顿迭代法 牛顿迭代法的基本思想 牛顿迭代法一种重要和常用的迭代法, 它的基本思想是将非线性函数f(x)逐步线性化, 从而将非线性方程f(x)=0近似地转化为线性方程求解。 牛顿迭代法 对于方程 ,设其近似根为 , 函数f(x)可在 附近作泰勒展开 忽略高次项,用其线性部分作为函数f(x)的近似， 设 的根 ,则有 ,即 将右端取为 ,即 是比 更接近于 的近似值 这就是著名的牛顿迭代公式 牛顿迭代法的几何解释 方程f(x)=0的根x*是曲线y=f(x)与x轴交点的横坐标,设xk是根x*的某个近似值,过曲线y=f(x)的横坐标为xk的点Pk=(xk, f (xk))引切线交x轴于xk+1 , 并将其作为x* 新的近似值,重复上述过程,可见一次次用切线方程来求解方程f(x)=0的根,所以亦称为牛顿切线法。 牛顿法评价 牛顿的优点 牛顿法是目前求解非线性方程 (组) 的主要方法 收敛速度较快，特别是当迭代点充分靠近精确解时。 牛顿的缺点 对重根收敛速度较慢 对初值的选取很敏感，要求初值相当接近真解 先用其它算法获取一个近似解，然后使用牛顿法 需要求导数！ 牛顿迭代法的算法实现 %%%%M函数newton.m function x=newton(fname,dfname,x0,e) %x返回数值解；fname-f(x),dname-f’(x);x0为迭代初值；e精度要求（默认1e-4） if nargin4,e=1e-4;end%精度默认1e-4 x=x0;x0=x+2*e;%这样做使while成立，且进入while后x0得到赋值 while abs(x0-x)e x0=x;x=x0-feval(fname,x0)/feval(dfname,x0); end 例4.6 求方程 x 2 - 3 x + e x = 2 的正根 (要求精度? = 10 -6) 解 令f (x) = x 2 - 3 x + e x - 2, f(0)=-1, 当x 2, f (x) 0, f ’(x) 0 即f (x)单调上升，所以根在[0,2]内。 先用图解法找初值， 再用牛顿法程序newton.m求解。 fun=@(x)x^2-3*x+exp(x)-2; fplot(fun,[0,2]);grid on; dfun=@(x)2*x-3+exp(x);format long;%求解结果用长格式 newton(fun,dfun,1.5,1e-6),format short%恢复短格式 format long;fzero(@(x)x^2-3*x+exp(x)-2,1.5), format short %fzero验证 例 例：设方程f(x)=x^3+2x^2+10x-20=0 (1)给出用牛顿法求方程根的程序 (2)该迭代的收敛性与初值x1的选取是否有关，通过数值实验回答这个问题 (3)迭代收敛的快慢与初值x1的选取是否有关，通过实验回答这个问题 方法一 (1)算法如下：%Untitled2.m 1.输出初值x1，允许的最大迭代次数N，误差限eps—1e-8,迭代次数计算变量k—0 2. 反复以下操作 计算x1处的函数值f1,导数值fbar1 若fbar1=0,则显示导数为零信息，break x2—x1-f1/fbar1,k—k+1,err--|x2-x1| 若erreps,则输出近似根x2与迭代次数k