非线性方程的数值解法:牛顿法及牛顿下山法(含Matlab程序)
牛顿法及牛顿下山法
简介:牛顿迭代法是求解单变量非线性方程f(x)=0中最实用的方法,该方法在单根附近二阶收敛。但应用时要选用较好的初值x0近似才能保证迭代收敛。为克服这一缺点,可使用牛顿下山法。下面对牛顿迭代法和牛顿下山法的概念、基本思想、程序实现及例题做进一步介绍。
一、牛顿法
1、定义及定理
如果函数f(x)在[a,b]上有二阶导数,f(a)*f(b)<0,且f'(x)与f"(x)在[a,b]上不变号,则有f(x)在[a,b]内有且仅有唯一的实根。此时,可以构造一种常用的切线迭代法来求方程根的近似值,这种方法称为Newton迭代法。
2、基本思想
首先选取函数值与二阶导数同号的端点,做曲线f(x)的切线,此切线与x轴交于[a,b]内一点x1;在做曲线f(x)对应于点x1的切线并交于x轴与另一点x2;依次类推,切线与x轴的交点将快速逼近函数f(x)的零点。此时,将切线与x轴的交点作为方程的近似根。适用情况如下图所示。
误差分析:当时,。其中m=min{|f'(a)|,|f'(b)|}。详细推导参照《高等数学简明教程上》,马知恩著。
具体步骤:
步1:选定初始近似值x0,计算f0=f(x0),f'0=f'(x0)。注意:取迭代初值x0,一般取x0=a,或x0=b(要求f(x0)与f''(x0)同号)。
步2:迭代。按公式迭代一次,得到新的近似值x1,计算f1=f(x1),f'1=f'(x1)。
步3:误差控制。如果x1满足,或,或,则迭代终止,以x1作为所求的根。否则转步骤4。此处为允许误差。
步4:修改。如果迭代次数达到预先指定的次数N,或者f'1=0,则此方法失败;否则以(x1,f1,f'1)代替(x0,f0,f'0)转步骤2继续迭代。
3、程序实现
/*简单牛顿迭代法的MATLAB程序实现*/function x=newtoniteration(fun,dfun,x0,EPS) %简单牛顿迭代法
%fun即迭代函数,dfun即迭代函数的一阶导数,x0为迭代初值,EPS为精度
f=fcnchk(fun);
df=fcnchk(dfun);
x1=x0-f(x0)/df(x0);
d=norm(x1-x0);
k=1;
while d>=EPS
x0=x1;
x1=x0-f(x0)/df(x0);
d=norm(x1-x0);
k=k+1;
end
if k==1000
x='fasan';
else
x=x1; %切记要给x赋值
end
4、例题
用牛顿迭代法求解方程。此方程在x=1.5附近有一个根x*
(1)x0=1.5;调用函数 x=newtoniteration('x^3-x-1','3*x^2-1',1.5,1.0e-5),可得:
1.325200398950907
1.324718173999054
1.324717957244790
迭代次数为3,结果为x=1.324717957244790
(2)x0=0.6;调用函数 x=newtoni调用函数 x=newtoniteration('x^3-x-1','3*x^2-1',1.5,1.0e-5),可得:
11.946802328608761
7.985520351936208
5.356909314795458
3.624996032946096
2.505589190106631
1.820129422319469
1.461044109887682
1.339323224262526
1.324912867718656
1.324717992637815
1.324717957244747
迭代一次的初值为x1=17.9,这个结果比x0=0.6更偏离了原来的根x*=1.32472.
由此可以发现,采用牛顿迭代法,在给定区间内求解非线性方程的根,初值的选择极为重要。它不仅影响在给定精度下的迭代次数,而且可能出现切线与x轴交点超出函数定义区域之外。因此又提出了牛顿下山法。
二、牛顿下山法
1、定义:在牛顿迭代过程中,若满足单调性|f(x(k+1))|<|f(x(k))|,则称牛顿法为牛顿下山法。迭代过程为:
为下山因子()
它改进了牛顿法对初值的依赖性,当所选初值不合适时(不满足单调性|f(x(k+1))|<|f(x(k))|),可以通过缩小下山因子,减小下一个点x(k+1)与x(k)的距离(缩小步长),若不合适则继续缩小。下山因子 可用逐步搜索法确定,即先令下山因子=1,判断单调性是否成立,若不成立将缩小1/2,直到单调性满足为止。
2、程序实现
function x=Newtondownhillmethod(fun,dfun,x0,EPS) %简单牛顿迭代法
%fun即迭代函数,dfun即迭代函数的一阶导数,x0为迭代初值,EPS为精度
f=fcnchk(fun);
df=fcnchk(dfun);
x1=x0-f(x0)/df(x0);
d=norm(x1-x0);
k=1;
r=1;
while d>=EPS
while abs(f(x1))>abs(f(x0)) %迭代过程一定具有单调性|f(k+1)|<|f(k)|
r=r/2; %调整下山因子保证其单调性
x2=x0-r*f(x0)/df(x0);
x1=x2;
end
x0=x1;
r=1;
x1=x0-f(x0)/df(x0);
disp(x1);
disp(f(x1));
d=norm(x1-x0);
k=k+1;
end
if k==1000
x='Iterative divergence'; %迭代公式发散
else
x=x1; %切记要给x赋值
end
x0=0.6;调用函数 x=newtoni调用函数 x=Newtondownhillmethod('x^3-x-1','3*x^2-1',1.5,1.0e-5),可得:
1.3668
0.1866
1.3263
0.0067
1.3247
9.6739e-06
1.3247
2.0449e-11
x = 1.3247
可以发现:给定相同的初值x0=0.6,采用牛顿下山迭代法运算次数为4次。降低了运算量,提高了程序的运行效率。
切记牛顿下山法的条件为:|f(x(k+1))|<|f(x(k))|,只有这样,,从而使序列{x(k)}收敛。
其实,Matlab软件中已经提供了求解非线性方程的根的命令fzero函数,其格式为:
1、c=fzero(f,v,[a,b])------求函数f关于自变量v在【a,b】内的零点c;
2、c=fzero(f,v,x0)----------求函数f关于自变量v在x0内的零点c;
>> fzero('x^3-x-1',x,0.6)
ans = 1.3247
不妥之处,敬请指点。
本文部分程序引用CSDN会员 Jxufe渣渣斯 的文章《牛顿迭代法的MATLAB程序》,在此表示感谢。
非线性方程的数值解法:牛顿法及牛顿下山法(含Matlab程序)相关推荐
- matlab 牛顿法 初值,非线性方程的数值解法:牛顿法及牛顿下山法(含Matlab程序)...
牛顿法及牛顿下山法 简介:牛顿迭代法是求解单变量非线性方程f(x)=0中最实用的方法,该方法在单根附近二阶收敛.但应用时要选用较好的初值x0近似才能保证迭代收敛.为克服这一缺点,可使用牛顿下山法.下面 ...
- 牛顿法与牛顿下山法(切线法)
牛顿法 原理: 注意:牛顿法对初值比较敏感,若初值给的不合适,系统很有可能会出现不收敛的情况. 主函数: syms x h=x^3+x^2-1; x=newton_eq(h,1,1000) %1 ...
- 牛顿法及牛顿下山法求零点
牛顿法 difffun该函数的导函数 a在a附近求零点 ep容忍误差 k迭代次数 function [x_star,k]=MyNewton(fun,difffun,a,ep)k=1 x_k=a f_x ...
- 牛顿下山法(Matlab实现)
目录 1 原理 2 案例 3 程序实现 4 结果 5 总结与展望 1 原理 2 案例 3 程序实现 clear clc syms x h=x.^0.5-x.^3+2;%代换函数 x0=NW(h,1,1 ...
- MATLAB之牛顿下山法
MATLAB之牛顿下山法 算法原理 matlab程序 算法原理 上一篇博客,我介绍了牛顿法迭代法,接下来我就们接着讲解一下什么是牛顿下山法. 一.迭代公式 在牛顿迭代过程中,若满足单调性|f(x(k+ ...
- matlab中牛顿下山法实例,非线性方程的数值解法牛顿下山法matlab
非线性方程的数值解法牛顿下山法matlab 1 非线性方程的数值解法 --计算物理实验作业九 陈万 物理学2013级 130******** ● 题目: 用下列方法求0133=--=x x f(x)在 ...
- matlab中牛顿下山法实例,非线性方程的数值解法牛顿下山法matlab.docx
非线性方程的数值解法牛顿下山法matlab.docx 1 非线性方程的数值解法 --计算物理实验作业九 陈万 物理学2013级 13020011006 题目: 用下列方法求 在 附近的根.根的准确 ...
- 求解非线性方程组的牛顿法c语言,牛顿下山法求解非线性方程(组)(C实现)...
1.算法描述 (1)符号说明与基本假设 对于非线性方程组: (1) 引入向量: 可将(1) ...
- 非线性方程的数值解法
设有一个单变量的非线性方程 f ( x ) = 0 f(x) = 0 f(x)=0,往往这样的方程没有直接的求根公式,因此没有直接方法计算,只能使用迭代法来求数值解,二分法就是这样的一种方法,这里介绍 ...
最新文章
- 菜鸟成长日记(一)之WMIC简单命令应用
- 机器学习hierarchical clustering_ICLR 2020 | 反事实因果理论如何帮助深度学习?
- 卷机神经网络的可视化(可视化中间激活)
- linux pppd源码下载_pppd源代码分析
- oom 如何避免 高并发_【面试题】如何设计一个高并发系统?
- Pytorch:使用Alexnet网络实现CIFAR10分类
- 别让不好意思害了你 。
- 404 为什么是 404?
- ASP.net控件开发系列(四)
- 今天对网站的JAVA面试题部分进行了重新整理
- Linux中的sort排序
- EGE基础入门篇(一):绘图基础知识
- 基于STM32设计的车库监控报警系统
- win7设置自动开机时间_电脑如何设置定时开机?瞬间让你的电脑启动变得随心所欲...
- 性能测试入门(一):性能测试中的各项指标告诉我们什么
- LFO 低频振荡器简介及其 C/C++ 实现
- 祝所有程序员1024节日快乐。
- 阿里云实时计算产品经理李佳林:基于 Flink 构建大规模风控系统的技术实战
- QT编译:error LNK2019: 无法解析的外部符号 __imp_xxx,函数 “public: static void __cdecl Control::KeySet(class QSt
- 英语语法快速入门5--状语和状语从句(附思维导图)