代数方程求解.ppt

序号 j 3 ( x ) 序号 j 2 ( x ) j 3 ( x ) 1 j 2 ( x ) 1.4422 3.0000 8 1.8175 1.8136 2 1.6537 1.4444 9 1.8385 1.8554 3 1.7532 2.1716 10 1.8389 1.8294 4 1.7995 1.6725 11 1.8391 1.8454 5 1.8209 1.9554 12 1.8392 1.8355 6 1.8308 1.7730 13 1.8392 1.8416 7 1.8354 1.8822 j1(x)的迭代是失败的（迭代不收敛 ）。 精确解：x=1.8393 计算结果 3. 点迭代法 迭代函数j2(x)和j3(x)的选取是成功的。精确解为 x=1.8393。 并且选取函数j2(x)、j3(x)其收敛速度不一致，前者的速度快些！ 对于给定的方程 f(x) = 0, 有多种方式将它改写成等价的形式 x = j(x)。但重要的是如何改写使得序列收敛？并且收敛速度快？ 观察结论 提出问题 解决办法？ 3. 点迭代法 若 x= j (x) 迭代不收敛，则不直接使用 (x)迭代，而用由j (x)与x的加权平均， h(x) =l j (x) +(1-l)x 进行迭代，其中l为参数。显然 x = h (x) x = j (x) xn+1 = h (xn) xn+1 = j (xn) 关键是如何确定函数h(x) 中的参数l ？ 加速迭代收敛 3. 点迭代法 理论证明：在满足|h’(x)|1的条件下， 令 h’(a)=0，解出 用xn替换a，得 从而迭代过程： 即 l j ’(a) +(1-l)=0 加速迭代收敛:参数l如何确定? 3. 点迭代法 加速迭代函数： 例如：当j1(x)= x3-x2-1时，进行改进得： 实验发现，它比j2(x) ，j3(x)的收敛速度要快！ 3. 点迭代法 加速迭代-举例 几个经典的迭代方法： 3. 点迭代法 1、单点割线法:xn与x0 单点割线法：迭代公式 几个经典的点迭代方法： 2、两点割线法 xn与xn-1 3、牛顿切线法 :xn切线 3. 点迭代法 1、方程(组)， f1(x) = 0,…,fn(x) = 0, x = (x1,…,xn), solve 2、方程(组)， f1(x) = 0,…,fn(x) = 0, x = (x1,…,xn), fsolve fun.m function f = fun(x) f(1)= f1(x) ; …… f(n)= fn(x) ； 初值 1）可以省略。 2）options=1,表示输出中间结果。 solve(f1(x)’,f2(x)’,…,fn(x) ’) X = fsolve (‘fun’, X0, options) MATLAB软件数值求解法 注意：以上方程组求解方法：适合方程求解. “fsolve ”可以解超定方程组 MATLAB软件直接求解法 3、单变量方程， f(x) = 0 @myfun myfun是MATLAB函数: function f = myfun(x) f= f(x) ; 初值或有根区间 1）可以省略。 2）options=1,表示输出中间结果。 [x,fv,ef,out] = fzero (fun, X0, options) 方程求解还有一些其他的 Matlab函数 fzero 4、多项式方程： amxm+am-1xm-1+…+a0 = 0, roots p=[am, am-1, …,a0]； roots(p) 5、线性方程组： AX = b 其中A是m×n阶矩阵，b是m维向量。 x=A \b or x=inv(A)*b 特点：可以找出全部根。 特点：只能求出一个特解。 可以解超定方程组 MATLAB软件直接求解法 输出:[ 1/2/a*(-b+(b^2-4*a*c)^(1/2))] [ 1/2/a*(-b-(b^2-4*a*c)^(1/2))] ①单变量方程 例1： 求解方程 ax2+bx+c = 0 输入: x= solve(a*x^2+b*x+c) 或 solve(a*x^2+b*x+c=0) 1）符号解 solve是求方程或方程组符号解(精确解)的命令 MATLAB软件直接求解法 例2： 解方程： x3-2x2=x-1 解： s=solve(x^3-2