第七讲 MATLAB中求方程的近似根(解)
matlab用二分法求方程近似根
matlab用二分法求方程近似根在MATLAB中，可以使用以下代码使用二分法求解方程的近似根：```matlabfunction root = bisection_method(func, a, b, tol, max_iter)% 输入参数：% func: 待求解方程的函数句柄% a, b: 取值范围% tol: 容差% max_iter: 最大迭代次数fa = func(a);fb = func(b);if fa * fb > 0error('在该区间内没有根存在');endfor k = 1:max_iterc = (a + b) / 2;fc = func(c);if abs(fc) < tolroot = c;return;endif fa * fc < 0b = c;fb = fc;elsea = c;fa = fc;endenderror('未达到收敛条件');end```使用该函数时，首先需要定义待求解方程的函数句柄。
例如，若要求解方程x^2 - 4 = 0的近似根，则可以定义如下函数：```matlabfunction f = equation(x)f = x^2 - 4;end```然后，可以通过调用`bisection_method`函数求解方程的近似根：```matlaba = 1; % 取值范围的下界b = 3; % 取值范围的上界tol = 1e-6; % 容差max_iter = 100; % 最大迭代次数root = bisection_method(@equation, a, b, tol, max_iter);disp(root);```在上述代码中，设置了取值范围的下界为1，上界为3，容差为1e-6，最大迭代次数为100。
运行代码后，MATLAB将输出方程的一个近似根。
matlab求根的个数和区间
标题：深度解析MATLAB求根的个数和区间1. 引言MATLAB作为一种强大的数学工具，对于求解方程根的问题有着丰富的函数库和算法支持。
在实际应用中，我们常常需要对一个函数的根进行求解，而了解该函数根的个数和区间是十分重要的。
本文将深入探讨MATLAB中求根个数和区间的相关知识和方法，以便读者能够更全面、深刻地理解这一主题。
2. 求根个数的概念及相关函数我们需要了解什么是求根的个数以及MATLAB中相关的函数。
对于一个函数f(x)，求根的个数即为其在特定区间内零点的个数。
在MATLAB中，常用的求根函数包括fzero()、roots()等，它们可以对各种类型的函数进行求解，如多项式、非线性方程等。
3. 求根个数的判定方法接下来，我们将介绍MATLAB中判定求根个数的方法。
对于一元函数，我们可以借助MATLAB中的绘图函数plot()，来观察函数的图像，并直观地判断其在特定区间内的根的个数。
另外，MATLAB还提供了一些数值方法，如牛顿法、二分法等，可以精确地计算函数在区间内的根。
4. 区间的选取和调整选取合适的区间对于求解根的个数至关重要。
在选取区间时，我们需要考虑函数的特性、间断点和拐点等因素，以确保所选区间内包含所有的根。
当计算结果不准确或求根个数与预期值不符时，我们需要对区间进行调整，以提高求解的精度和准确性。
5. 个人观点和理解在我看来，MATLAB求根的个数和区间问题是实际工程中最常见且关键的数学问题之一。
在实际应用中，需要根据具体的函数形式和求解需求来选择合适的求根方法和算法。
充分了解函数的特性和区间的选择对于求解的准确性和有效性具有重要意义。
6. 总结和回顾通过本文的深度解析，读者对MATLAB求根个数和区间这一主题应该有了更全面、深刻的理解。
在实际应用中，我们应该根据具体情况来选择合适的求根方法和区间，以确保求解的准确性和有效性。
在MATLAB中，求根的个数和区间判定是一个复杂而又具有挑战性的问题，但凭借丰富的数学工具和函数库，我们可以很好地解决这一问题，并在实际工程中取得良好的效果。
matlab中方程根的近似计算
实验一方程根的近似计算一、问题求非线性方程的根二、实验目的1、学会使用matlab中内部函数roots、solve、fsolve、fzero求解方程，并用之解决实际问题。
4、熟悉Matlab的编程思路，尤其是函数式M文件的编写方法。
三、预备知识方程求根是初等数学的重要内容之一，也是科学和工程中经常碰到的数值计算问题。
它的一般形式是求方程f(x)=0的根。
如果有x*使得f(x*)=0，则称x*为f(x)=0的根，或函数f(x)的零点。
并非所有的方程都能求出精确解或解析解。
理论上已经证明，用代数方法可以求出不超过3次的代数方程的解析解，但对于次数大于等于5的代数方程，没有代数求根方法，即它的根不能用方程系数的解析式表示。
至于超越方程，通常很难求出其解析解。
不存在解析解的方程就需要结合具体方程（函数）的性质，使用作图法或数值法求出近似解。
而计算机的发展和普及又为这些方法提供了广阔的发展前景，使之成为科学和工程中最实用的方法之一。
下面介绍几种常见的求近似根的方法。
1. 求方程近似解的简单方法1.1 图形方法—放大法求根图形的方法是分析方程根的性态最简洁的方法。
不过，不要总是想得到根的精确值。
这些值虽然粗糙但直观，多少个根，在何范围，一目了然。
并且还可以借助图形局部放大功能，将根定位得更加准确一些。
例1.1 求方程x5+2x2+4=0的所有根及其大致分布范围。
解（1）画出函数f(x)=x5+2x2+4的图形，确定方程的实数根的大致范围。
为此，在matlab命令窗中输入clfezplot x-x,grid onhold onezplot('x^5+2*x^2+4',[-2*pi,2*pi])1-1 函数f(x)=x5+2x2+4的图形clfx=-2*pi:0.1:2*pi;y1=zeros(size(x));y2= x.^5+2*x.^2+4;plot(x,y1,x,y2)grid onaxis tighttitle('x^5+2x^2+4')xlabel('x')从图1-1可见，它有一个实数根，大致分布在-2与2之间。
matlab计算方程的根
MATLAB计算方程的根一、引言在数学中，方程的根指的是方程中使得等式成立的未知数的值。
解方程是数学中的一项基本操作，它在各个领域都有广泛的应用。
M A TL AB是一种强大的数值计算工具，它提供了多种方法来求解方程的根。
本文将介绍如何使用MA TL AB计算方程的根，包括求解一元方程和多元方程的方法。
二、求解一元方程的方法1.代数方法代数方法是求解一元方程的常用方法之一，它通过移项、合并同类项等代数运算，将方程转化为更简单的形式，从而求解方程的根。
在M A TL AB中，我们可以使用符号计算工具箱（Sy mb ol ic Ma thT o ol bo x）来进行代数运算。
以下是一个求解一元方程的示例代码：s y ms xe q n=x^2-3*x+2==0;s o l=so lv e(eq n,x);2.迭代法迭代法是数值计算中常用的一种方法，它通过逐步逼近方程的根，最终得到一个满足精度要求的解。
M AT LA B提供了多种迭代法求解方程根的函数，如牛顿迭代法（`fz er o`函数）、二分法（`f ze ro`函数）、割线法（`f ze ro`函数）等。
以下是一个使用二分法求解一元方程根的示例代码：f=@(x)x^2-3*x+2;x0=0;%初始猜测值x=fz er o(f,x0);三、求解多元方程的方法1.数值解法对于多元方程组，数值解法是一种常见且有效的求解方法。
MA T LA B提供了多种数值解法的函数，如牛顿法（`f s ol ve`函数）、最小二乘法（`ls qn on li n`函数）等。
这些函数可以根据方程组的特点选择合适的算法进行求解。
以下是一个使用牛顿法求解多元方程组的示例代码：f=@(x)[x(1)^2+x(2)^2-4;x(1)^2-x(2)^2-1];x0=[1;1];%初始猜测值x=fs ol ve(f,x0);2.符号解法在某些情况下，我们可以使用符号计算工具箱来求解多元方程组的精确解。
matlab不动点迭代法求方程的根
不动点迭代法是求解非线性方程的一种常用方法，其原理是通过将原方程转化为不动点方程，并通过迭代来逼近方程的根。
在MATLAB中，我们可以利用不动点迭代法来求解方程的根，下面我将详细介绍该方法的原理和使用步骤。
1. 不动点迭代法的原理不动点迭代法的基本思想是将原方程化为不动点方程，即将方程f(x)=0 转化成g(x)=x 的形式，其中g(x) 是一个满足一定条件的函数。
然后通过迭代计算不动点序列 {x_k}，当序列收敛时，即可得到方程的根。
2. 使用不动点迭代法求解方程的步骤我们需要将原方程 f(x)=0 转化成 g(x)=x 的形式，确定函数 g(x)。
然后选择一个初始值 x_0，并进行迭代计算，直到满足精度要求或者迭代次数达到上限为止。
3. MATLAB中的实现在MATLAB中，可以使用函数形式来表示不动点迭代法。
定义一个函数 f(x) 和一个不动点迭代函数 g(x)，然后通过循环迭代计算来逼近方程的根。
在迭代过程中，可以设置一个收敛判据，当满足条件时即可停止迭代。
4. 个人观点和理解不动点迭代法是一种简单而有效的求解非线性方程的方法，其原理清晰、实现简单。
在MATLAB中，通过编写相应的函数和循环来实现该方法，可以更快速地求解方程的根。
不过需要注意的是，不动点迭代法的收敛性和收敛速度受到选择的初始值和迭代函数的影响，需要谨慎选择才能得到准确的结果。
利用不动点迭代法在MATLAB中求解方程的根是一种实用而重要的技能，可以帮助我们更好地解决实际问题。
希望我的文章能够帮助你更深入地理解这一方法，并在实践中灵活运用。
不动点迭代法是一种常用的求解非线性方程的方法，其原理和使用步骤在上文中已经有了详细介绍。
在本节中，我们将进一步探讨不动点迭代法的收敛性、迭代函数的选择和初始值的影响，以及在实际使用中需要注意的问题。
我们来讨论不动点迭代法的收敛性。
在使用不动点迭代法求解方程的过程中，我们需要考虑迭代函数 g(x) 是否满足一定的条件使得不动点序列 {x_k} 收敛到方程的根。
matlab迭代法求方程的根
matlab迭代法求方程的根
MATLAB迭代法求方程的根
一、matlab中的迭代法求根
1、牛顿法求方程根
MATLAB中的牛顿法求根函数主要是fzero函数，该函数的用法如下：
>> x=fzero('func',x0)
其中，func是给定的函数名，x0是初始猜测值。
例如，求解f(x)=2*x^3+4*x^2-2*x-3=0
首先写出函数func：
function y=func(x)
y=2*x^3+4*x^2-2*x-3;
现在给出一个初始猜测值x0=2，输入MATLAB指令
x=fzero('func',2)
运行完毕后，MATLAB显示x=1.809，该值就是满足f(x)=0的根。
2、二分法求方程根
MATLAB中二分法求方程根函数主要是bisect函数，该函数的用法如下：
>> x=bisect('func',x1,x2)
其中，func是给定的函数名，x1和x2是给定的两个端点值。
例如，求解f(x)=2*x^3+4*x^2-2*x-3=0
首先写出函数func：
function y=func(x)
y=2*x^3+4*x^2-2*x-3;
现在给定两个端点值x1=2，x2=3，输入MATLAB指令
x=bisect('func',2,3)
运行完毕后，MATLAB显示x=1.8087，该值就是满足f(x)=0的根。
MATLAB求代数方程的近似根(解)
y = polyval(p,x) Y = polyvalm(p,X)
多项式运算中， 使用的是多项式
系数向量，
不涉及符号计算！
x = roots(p)
线性方程组求解
线性方程组求解
linsolve(A,b)：解线性方程组 Ax b
p2 2x 1 p1 p2 2x3 x2 2x 4
[2, 1, 0, 3] [ 0, 0[,2,1] [2, 1, 2, 4]
多项式四则运算
多项式乘法运算： k = conv(p,q)
例：计算多项式 2x3 x2 3 和 2x 1 的乘积 >> p=[2,-1,0,3]; >> q=[2,1]; >> k=conv(p,q);
多项式除法运算： [k,r] = deconv(p,q) 其中 k 返回的是多项式 p 除以 q 的商，r 是余式。 [k,r]=deconv(p,q) <==> p=conv(q,k)+r
多项式的求导
polyder
k=polyder(p) : 多项式 p 的导数； k=polyder(p,q): p*q 的导数； [k,d]=polyder(p,q): p/q 的导数，k 是分子，d 是分母
fsolve [x,fval,flag,out]=fsolve(fun,x0,options)： 参数大部分与fzero相同，优化参数更多，更灵活。 注意x0的长度必须与变量的个数相等。
它与fzero的区别是，算法不同，fsolve的功能强大多很多，它可 以直接方便的求解多变量方程组，线性和非线性，超静定和静不 定方程，还可求解复数方程。 fun同样可以是句柄、inline函数或M文件，但是一般M文件比较 多，这是由于fsolve是解方程组的，目标函数一般比较烦，直接 写比较困难
matlab实验报告--求代数方程的近似根
数学实验报告实验序号： 日期： 年 月 日班级姓名学号实验名称：求代数方程的近似根 问题背景描述：求代数方程0)(=x f 的根是最常见的数学问题之一，当)(x f 是一次多项式时，称0)(=x f 为线性方程，否则称之为非线性方程．当0)(=x f 是非线性方程时，由于)(x f 的多样性，尚无一般的解析解法可使用，但如果对任意的精度要求，能求出方程的近似根，则可以认为求根的计算问题已经解决，至少能满足实际要求．本实验介绍一些求方程实根的近似值的有效方法，要求在使用这些方法前先确定求根区间],[b a ，或给出某根的近似值0x ．实验目的：1. 了解代数方程求根求解的四种方法：对分法、迭代法、牛顿切线法2. 掌握对分法、迭代法、牛顿切线法求方程近似根的基本过程。
实验原理与数学模型：1．对分法对分法思想：将区域不断对分，判断根在某个分段内，再对该段对分，依此类推，直到满足精度为止．对分法适用于求有根区间内的单实根或奇重实根．设)(x f 在],[b a 上连续，0)()(<⋅b f a f ，即 ()0f a >，()0f b <或()0f a <，()0f b >．则根据连续函数的介值定理，在),(b a 内至少存在一点 ξ，使()0f ξ=．下面的方法可以求出该根：(1) 令02a bx +=，计算0()f x ；(2) 若0()0f x =，则0x 是()0f x =的根，停止计算，输出结果0x x =．若 0()()0f a f x ⋅<，则令1a a =，10b x =，若0()()0f a f x ⋅>，则令10a x =，1b b =；1112a b x +=． ……，有k a 、k b 以及相应的2k kk a b x +=． (3) 若()k f x ε≤ (ε为预先给定的精度要求)，退出计算，输出结果2k kk a b x +=； 反之，返回(1)，重复(1)，(2)，(3)．以上方法可得到每次缩小一半的区间序列{[,]}k k a b ，在(,)k k a b 中含有方程的根．当区间长k k b a -很小时，取其中点2k kk a b x +=为根的近似值，显然有 1111111()()()2222k k k k k k x b a b a b a ξ--+-≤-=⨯⨯-==-以上公式可用于估计对分次数k ．2. 迭代法1) 迭代法的基本思想：由方程()0f x =构造一个等价方程()x x φ=从某个近似根0x 出发，令1()k k x x φ+=， ,2,1,0=k可得序列{}k x ，这种方法称为迭代法．若 {}k x 收敛，即*lim k k x x →∞=，只要()x φ连续，有1lim lim ()(lim )k k k k k k x x x φφ+→∞→∞→∞==即可知，{}k x 的极限*x 是()x x φ=的根，也就是()0f x =的根．当然，若k x 发散，迭代法就失败． 迭代过程1()k k x x φ+=收敛的常用判别标准：当根区间[,]a b 较小，且对某一0[,]x a b ∈，()'x φ明显小于1时，则迭代收敛2) 迭代法的加速：a) 松弛法：若()x φ与k x 同是*x 的近似值，则1(1)()k k k k k x x x ωωφ+=-+是两个近似值的加权平均，其中k ω称为权重，现通过确定k ω看能否得到加速．迭代方程是：()x x ψ←其中()(1)()x x x ψωωφ=-+，令'()1'()0x x ψωωφ=-+=，试确定ω：当'()1x φ≠时，有11'()x ωφ=-，即当11'()k k x ωφ=-，'()11'()k k k x x φωφ--=-时，可望获得较好的加速效果，于是有松弛法：1(1)()k k k k k x x x ωωφ+=-+，11'()k k x ωφ=-b) Altken 方法：**()x x φ=，*x 是它的根，0x 是其近似根． 设10()x x φ=，21()x x φ=，因为****222121[][()()]()()x x x x x x x x 'x x φφφξ=+-=+-=+-， 用差商10211010()()x x x x x x x x φφ--=--近似代替()'φξ，有 **212110()x x x x x x x x -≈+-- ， 解出*x ，得**()x x φ=2*212210()2x x x x x x x -≈--+ 由此得出公式(1)()k k x x φ= ； (2)(1)()k k x x φ=；(2)(1)2(2)1(2)(1)()2k k k kk k kx x x xx x x +-==-+， ,2,1,0=k 这就是Altken 公式。
matlab二分法求解方程的根
matlab二分法求解方程的根
Matlab二分法是一种求解方程根的方法，也称作二分查找法。
它的原理是将区间不断缩小直至找到方程的根。
具体实现方法如下：
1. 定义一个区间[a,b]，其中f(a)和f(b)异号；
2. 取区间中点c=(a+b)/2，计算f(c)的值；
3. 如果f(c)为0，则c就是方程的根；如果f(c)和f(a)同号，则根在区间[c,b]内，反之在[a,c]内；
4. 重复以上步骤，直至区间长度小于某个给定的阈值或者f(c)的值已经足够接近0。
在Matlab中实现二分法求解方程，可以按照以下步骤：
1. 定义函数f(x)，表示要求解的方程；
2. 定义初始区间[a,b]，并根据f(a)和f(b)的符号确定根的位置；
3. 循环进行二分查找，直至区间长度小于给定阈值或f(c)的值已经足够接近0，可以使用while语句实现；
4. 在循环中，每次计算中点c=(a+b)/2和f(c)的值，并根据f(c)和f(a)的符号确定新的区间；
5. 最终得到的c就是方程的根。
二分法在求解方程的根时具有较高的精度和可靠性，并且可以应用于大多数类型的方程求解。
在Matlab中，也可以通过内置函数fzero实现方程根的求解，但其实现原理是基于二分法的。
因此，掌
握二分法的实现方法可以更好地理解方程根求解的过程。
Matlab 求代数方程的近似解
x*
即 x* ( x*)
( x*)
f ( x*) 0
注：若得到的点列发散，则迭代法失效！
迭代法收敛性判断
如果存在 x* 的某个 邻域 =(x*- , x* + ), 使 定义： 得对 x0 开始的迭代 xk+1 = (xk) 都收敛, 则称该迭代法在 x* 附近局部收敛。 设 x* =(x*)，的某个邻域 内连续，且对 定理 1： x 都有 |’(x)|q< 1, 则对 x0 ，由迭 代 xk+1 = (xk) 得到的点列都收敛。
f 是符号表达式，也可以是字符串 默认变量由 findsym(f,1) 确定
>> syms x >> f=sin(x)+3*x^2; >> g=diff(f,x) >> g=diff('sin(x)+3*x^2','x')
Matlab 解方程函数
roots(p)：多项式的所有零点，p 是多项式系数向量。 fzero(f,x0)：求 f=0 在 x0 附近的根，f 可以使用
inline、字符串、或 @，但不能是方程或符号表达式！
linsolve(A,b)：解线性方程组。 solve(f,v)：求方程关于指定自变量的解，f 可以是用
得到一个迭代序列
k = 0, 1, 2, ... ...
xk k 0
f (x) = 0 f (x) 的零点
等价变换
x = (x)
(x) 的不动点
迭代法的收敛性
收敛性分析
若 ，假设 (x) 连续，则 xk x * xk 收敛，即lim k
matlab中方程根的近似计算
matlab中方程根的近似计算实验一方程根的近似计算一、问题求非线性方程的根二、实验目的1、学会使用matlab中内部函数roots、solve、fsolve、fzero求解方程，并用之解决实际问题。
4、熟悉Matlab的编程思路，尤其是函数式M文件的编写方法。
三、预备知识方程求根是初等数学的重要内容之一，也是科学和工程中经常碰到的数值计算问题。
它的一般形式是求方程f(x)=0的根。
如果有x*使得f(x*)=0，则称x*为f(x)=0的根，或函数f(x)的零点。
并非所有的方程都能求出精确解或解析解。
理论上已经证明，用代数方法可以求出不超过3次的代数方程的解析解，但对于次数大于等于5的代数方程，没有代数求根方法，即它的根不能用方程系数的解析式表示。
至于超越方程，通常很难求出其解析解。
不存在解析解的方程就需要结合具体方程（函数）的性质，使用作图法或数值法求出近似解。
而计算机的发展和普及又为这些方法提供了广阔的发展前景，使之成为科学和工程中最实用的方法之一。
下面介绍几种常见的求近似根的方法。
1. 求方程近似解的简单方法1.1 图形方法—放大法求根图形的方法是分析方程根的性态最简洁的方法。
不过，不要总是想得到根的精确值。
这些值虽然粗糙但直观，多少个根，在何范围，一目了然。
并且还可以借助图形局部放大功能，将根定位得更加准确一些。
例1.1 求方程x5+2x2+4=0的所有根及其大致分布范围。
解（1）画出函数f(x)=x5+2x2+4的图形，确定方程的实数根的大致范围。
为此，在matlab命令窗中输入clfezplot x-x,grid onhold onezplot('x^5+2*x^2+4',[-2*pi,2*pi])1-1 函数f(x)=x5+2x2+4的图形clfx=-2*pi:0.1:2*pi;y1=zeros(size(x));y2= x.^5+2*x.^2+4;plot(x,y1,x,y2)grid onaxis tighttitle('x^5+2x^2+4')xlabel('x')从图1-1可见，它有一个实数根，大致分布在-2与2之间。
matlab二分法求解方程的根
matlab二分法求解方程的根二分法是求解数值计算中常用的一种方法，也被广泛地应用于求解方程的根。
在MATLAB中，我们可以使用二分法来求解方程的根。
具体步骤如下：1.首先，我们需要定义我们要求解的方程。
可以使用MATLAB中的符号计算工具箱或者直接定义一个匿名函数。
例如，我们要求解的方程是 f(x) = x^3 - 2x - 5，我们可以这样定义一个匿名函数：f = @(x) x^3 - 2*x - 5。
2.接下来，我们需要确定求解的区间。
这个区间应该包含方程的一个根。
通常，我们可以通过简单的图形绘制来确定这个区间。
例如，我们可以绘制 f(x) 的图像，然后找到其中一个跨越 x 轴的点，就可以确定我们要求解的区间了。
假设我们已经确定了区间[2,3]。
3.然后，我们可以编写一个二分法求解方程根的函数。
这个函数需要接受三个参数：被求解的方程 f，求解区间 a 和 b。
函数的基本思路是每次将区间缩小一半，直到找到方程的一个根。
具体实现方式可以参考下面的代码示例：function [x] = bisection(f, a, b, tol)% f: 要求解的方程% a: 求解区间左端点% b: 求解区间右端点% tol: 误差容限% x: 方程的一个根% 初始化fa = f(a);fb = f(b);if fa*fb > 0error('区间内不存在根'); end% 迭代求解while abs(b-a) > tolx = (a+b)/2;fx = f(x);if fx == 0break;elseif fx*fa < 0b = x;fb = fx;elsea = x;fa = fx;endendend4.最后，我们可以调用这个函数来求解方程的根。
例如，我们可以这样调用：f = @(x) x^3 - 2*x - 5;a = 2;b = 3;tol = 1e-6;x = bisection(f, a, b, tol);这个函数将返回方程 f 在区间 [a,b] 内的一个根，误差容限为 tol。
matlab代数方程近似解
linsolve(A,b)：解线性方程组。 solve(f,v)：求方程关于指定自变量的解，f 可以是用
字符串表示的方程、符号表达式； solve 也可解方程组(包含非线性)； 得不到解析解时，给出数值解。
上机作业
1.根据二分法的步骤编写程序bisec.m求
相关概念
线性方程 与 非线性方程
f ( x) 0
如果 f(x) 是一次多项式，称上面的方程为线性方 程；否则称之为非线性方程。
本节主要讨论非线性方程的数值求解
对分法
基本思想
将有根区间进行对分，判断出解在某个分段内，然后 再对该段对分，依次类推，直到满足给定的精度为止。
适用范围
(4) 令 x1 (a1 b1 ) / 2, 若 | f ( x1 ) | ，则停止计算， 输出结果 x x1； 若 f (a1 ) f ( x1 ) 0，令 a2 a1, b2 x1; 否则令 a2 x1, b2 b1；
... ...
Matlab程序见 bisec.m
f ( x ) f ( x0 ) f '( x0 )( x x0 ) 2! ( x x0 )
f ( x0 ) f '( x0 )( x x0 )
令： P ( x ) 0
P( x)
( f '( x0 ) 0)
f ( x0 ) x x0 f '( x0 )
(1) 令 x0 (a b) / 2，计算 f ( x0 )； (2) 若 | f ( x0 ) | ，则 x0 就是我们所要的近似根，
停止计算， 输出结果 x x0；
MATLAB求方程根
运用MATLAB;实验：方程求根求方程f(x)=x^3-sinx-12x+1的全部根, ε=1e -6 (1) 用一般迭代法; (2) 用牛顿迭代法;并比较两种迭代的收敛速度。
解：由题可知， (1)①=-)4(f -15.7568<0，=-)3(f 10.1411>0，所以当x ∈[-4,-3]时，)(x f 有解，将原方程化为等价方程3112sin -+=x x x ，迭代函数和迭代序列分别为31112sin )(-+=x x x g ，31112sin -+=+x x g n ，n=0,1,2，....取初值5.30-=x ，因为ε=1e -6，使用matlab ，得即运行结果：x_star =-3.410 ，1iter =14②1)0(=f >0,=)1(f -10.8415<0,所以当x ∈[0,1]时，)(x f 有解，将原方程化为等价方程3112sin -+=x x x ，迭代函数和迭代序列分别为31112sin )(-+=x x x g ，31112sin -+=+x x g n ，n=0,1,2，....取初值5.00=x ，因为ε=1e -6，使用matlab ，得 代码：即运行结果：x_star = 0.0770 iter =6③=)3(f -8.1411<0,=)4(f 17.7568>0,所以当x ∈[3,4]时，)(x f 有解，将原方程化为等价方程3112sin -+=x x x ，迭代函数和迭代序列分别为31112sin )(-+=x x x g ，31112sin -+=+x x g n ，n=0,1,2，....取初值5.30=x ，因为ε=1e -6，使用matlab ，得 代码：即运行结果：x_star = 3.4101 iter =10（2）对函数求导可得12cos 3)(2'--=x x x f ，由（1）可知，当x ∈[-4,-3]时，5.30-=x ，用牛顿迭代格式5.3)(/)(0'1{-=-=+x x f x f x x n n代码：即运行结果：x_star = -3.4912 iter =2②当x ∈[0,1]时，5.00=x ，用牛顿迭代格式5.0)(/)(0'1{=-=+x x f x f x x n n代码：运行结果：即 x_star = 0.0770 iter = 3③当x ∈[3,4]时，5.30=x ，用牛顿迭代格式5.3)(/)(0'1{=-=+x x f x f x x n n代码：即运行结果：x_star =3.4101iter =3由（1），（2）对比可得，牛顿迭代的收敛速度比较快。
matlab中方程根的近似计算
实验一方程根的近似计算一、问题求非线性方程的根二、实验目的1、学会使用matlab中内部函数roots、solve、fsolve、fzero求解方程，并用之解决实际问题。
4、熟悉Matlab的编程思路，尤其是函数式M文件的编写方法。
三、预备知识方程求根是初等数学的重要内容之一，也是科学和工程中经常碰到的数值计算问题。
它的一般形式是求方程f(x)=0的根。
如果有x*使得f(x*)=0，则称x*为f(x)=0的根，或函数f(x)的零点。
并非所有的方程都能求出精确解或解析解。
理论上已经证明，用代数方法可以求出不超过3次的代数方程的解析解，但对于次数大于等于5的代数方程，没有代数求根方法，即它的根不能用方程系数的解析式表示。
至于超越方程，通常很难求出其解析解。
不存在解析解的方程就需要结合具体方程（函数）的性质，使用作图法或数值法求出近似解。
而计算机的发展和普及又为这些方法提供了广阔的发展前景，使之成为科学和工程中最实用的方法之一。
下面介绍几种常见的求近似根的方法。
1. 求方程近似解的简单方法1.1 图形方法—放大法求根图形的方法是分析方程根的性态最简洁的方法。
不过，不要总是想得到根的精确值。
这些值虽然粗糙但直观，多少个根，在何范围，一目了然。
并且还可以借助图形局部放大功能，将根定位得更加准确一些。
例1.1 求方程x5+2x2+4=0的所有根及其大致分布范围。
解（1）画出函数f(x)=x5+2x2+4的图形，确定方程的实数根的大致范围。
为此，在matlab命令窗中输入clfezplot x-x,grid onhold onezplot('x^5+2*x^2+4',[-2*pi,2*pi])1-1 函数f(x)=x5+2x2+4的图形clfx=-2*pi:0.1:2*pi;y1=zeros(size(x));y2= x.^5+2*x.^2+4;plot(x,y1,x,y2)grid onaxis tighttitle('x^5+2x^2+4')xlabel('x')从图1-1可见，它有一个实数根，大致分布在-2与2之间。
matlab求微分方程精确解与近似解PPT教案学习
第11页/共24页
dsolve 求解析解
dsolve 的使用
y=dsolve('eq1','eq2', ... ,'cond1','cond2', ... ,'v')
eq1eq2 cond1cond2... v
其中 y 为输出，
、
、...为微分方程，
、
、
为初值条件，
为自变量。
例 1：求微分方程 dy 2 xy xe x2 的通解，并验证。 dx
Matlab提供的
ODE求解器
求解器 ODE类型
特点
说明
ode45 非刚性 单步法；4，5 阶 R-K 方法；大部分场合的首选方法
累计截断误差为 (△x)3
ode23 非刚性 单步法；2，3 阶 R-K 方法；使用于精度较低的情形
累计截断误差为 (△x)3
ode113 非刚性 多步法；Adams算法；高低精 计算时间比 ode45 短
Matlab函数数值 求解
[T,Y] = solver(odefun,tspan,y0)
其中 y 0 为初值条件，tspan为求解区间；Matlab在数 值求解 时自动 对求解 区间进 行分割 ，T (向量) 中返回的是分割点的值(自变量)，Y (向量) 中返回的是解函数在这些分割点上 的函数 值。
令
，则原方程可化为
dy
x1 y, x2 dt
dx1 / dt x2
dx2
/
dt
(1
x12
) x2
x1
x1
(0)
1,
x2 (0) 0,
7
第20页/共24页
matlab计算一元高次方程的近似解
matlab计算一元高次方程的近似解
在MATLAB中，可以使用fzero函数来计算一元高次方程的近似解。
fzero函数可以使用以下语法：
x = fzero(fun,x0)
其中，fun是一个函数句柄，表示要求解的方程；x0是一个初始猜测值，表示求解开始的位置。
函数fun必须接受一个输入参数x，并返回一个标量值f(x)，表示方程在x处的函数值。
fzero函数会在x0附近寻找一个根，并返回一个近似解x。
例如，假设要求解方程x^3 - 2*x^2 + 3*x - 1 = 0的根，可以使用以下代码：
fun = @(x) x^3 - 2*x^2 + 3*x - 1;
x0 = 1; % 初始猜测值
x = fzero(fun,x0) % 计算近似解
运行结果为：
x =
0.38197
这个近似解可以通过代入方程验证：f(0.38197) ≈ 0。
需要注意的是，fzero函数只能计算一个根，如果方程有多个根，则需要在不同的初始猜测值下分别调用fzero函数。
- 1 -。
matlab割线法求方程的根的程序
matlab割线法求方程的根的程序以matlab割线法求方程的根的程序为标题割线法是一种用于求解非线性方程根的数值方法，它通过一条割线逼近方程的根。
在matlab中，我们可以编写一个程序来实现割线法求解方程的根。
下面我们将详细介绍这个程序的实现过程。
我们需要定义一个函数，用于表示待求解的方程。
假设我们的方程为f(x) = 0，我们需要将f(x)定义为一个matlab函数。
在程序中，我们可以使用匿名函数来定义方程。
例如，我们可以定义一个求解方程x^2 - 3 = 0的函数如下：f = @(x) x^2 - 3;接下来，我们需要编写一个函数，用于实现割线法求解方程的根。
我们可以将这个函数命名为secant_method，并接受三个输入参数：方程函数f，初始点x0和x1，以及迭代次数max_iter。
函数的输出是方程的根。
function root = secant_method(f, x0, x1, max_iter)% 初始化迭代变量iter = 0;x_prev = x0;x_cur = x1;% 开始迭代while iter < max_iter% 计算割线的斜率slope = (f(x_cur) - f(x_prev)) / (x_cur - x_prev);% 计算下一个近似根x_next = x_cur - f(x_cur) / slope;% 更新迭代变量x_prev = x_cur;x_cur = x_next;% 判断是否达到精度要求if abs(f(x_cur)) < 1e-6break;end% 更新迭代次数iter = iter + 1;end% 输出方程的根root = x_cur;end在上面的程序中，我们首先初始化一些迭代变量，如迭代次数iter 和当前近似根x_cur。
然后，在每一次迭代中，我们计算割线的斜率，并根据割线和方程的交点来更新近似根。
最后，我们通过判断方程的值是否接近零来判断是否达到了精度要求。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第七讲 MATLAB 中求方程的近似根(解)教学目的：学习matlab 中求根命令，了解代数方程求根求解的四种方法，即图解法、准解析法、数值方法以及迭代方法，掌握对分法、迭代法、牛顿切法线求方程近似根的基本过程；掌握求代数方程（组）的解的求解命令．教学重点：求方程近似解的几种迭代方法，代数方程（组）的解的求解命令的使用方法.利用所学的编程知识，结合具体的实例，编制程序进行近似求根．掌握相关的代数方程（组）的求解命令及使用技巧．教学难点：方程的近似求解和非线性方程（组）的求解．一、问题背景和实验目的求代数方程0)(=x f 的根是最常见的数学问题之一（这里称为代数方程，主要是想和后面的微分方程区别开．为简明起见，在本实验的以下叙述中，把代数方程简称为方程），当)(x f 是一次多项式时，称0)(=x f 为线性方程，否则称之为非线性方程．当0)(=x f 是非线性方程时，由于)(x f 的多样性，尚无一般的解析解法可使用，但如果对任意的精度要求，能求出方程的近似根，则可以认为求根的计算问题已经解决，至少能满足实际要求．同时对于多未知量非线性方程(组)而言，简单的迭代法也是可以做出来的，但在这里我们介绍相关的命令来求解，不用迭代方法求解．通过本实验，达到下面目的：1. 了解对分法、迭代法、牛顿切线法求方程近似根的基本过程；2. 求代数方程（组）的解．首先，我们先介绍几种近似求根有关的方法： 1． 对分法对分法思想：将区域不断对分，判断根在某个分段内，再对该段对分，依此类推，直到满足精度为止．对分法适用于求有根区间内的单实根或奇重实根．设)(x f 在],[b a 上连续，0)()(<⋅b f a f ，即 ()0f a >，()0f b <或()0f a <，()0f b >．则根据连续函数的介值定理，在),(b a 内至少存在一点 ξ，使()0f ξ=．下面的方法可以求出该根：(1) 令0()/2x a b =+，计算0()f x ；(2) 若0()0f x =，则0x 是()0f x =的根，停止计算，输出结果0x x =．若 0()()0f a f x ⋅<，则令1a a =，10b x =，若0()()0f a f x ⋅>，则令10a x =，1b b =；111()/2x a b =+．……，有k a 、k b 以及相应的()/2k k k x a b =+．(3) 若()k f x ε≤ (ε为预先给定的精度要求)，退出计算，输出结果()/2k k k x a b =+； 反之，返回(1)，重复(1)，(2)，(3)．以上方法可得到每次缩小一半的区间序列{[,]}k k a b ，在(,)k k a b 中含有方程的根． 当区间长k k b a -很小时，取其中点()/2k k k x a b =+为根的近似值，显然有2111()/2()/(2)()/2k k k k k k x b a b a b a ξ+---≤-=-==-以上公式可用于估计对分次数k ．分析以上过程不难知道，对分法的收敛速度与公比为12的等比级数相同．由于1021024=，可知大约对分10次，近似根的精度可提高三位小数．对分法的收敛速度较慢，它常用来试探实根的分布区间，或求根的近似值． 2. 迭代法a) 松弛法：由方程()0f x =构造一个等价方程()x x φ=．则迭代方程是：1(1)()k k k k k x x x ωωφ+=-+，1/(1'())k k x ωφ=-，其中'()1x φ≠．松弛法的加速效果是明显的 (见附录4)，甚至不收敛的迭代函数经加速后也能获得收敛．b) Altken 方法：松弛法要先计算'()k x φ，在使用中有时不方便，为此发展出以下的 Altken 公式：(1)()k k x x φ= ；(2)(1)()k k x x φ=；(2)(2)(1)2(2)(1)1()/(2)k k k k k k k x x x x x x x +=---+， ,2,1,0=k这就是Altken 公式，它的加速效果也是十分明显的，它同样可使不收敛的迭代格式获得收敛(见附录5)．3. 牛顿(Newton)法（牛顿切线法）()0f x =是非线性方程其迭代公式为：1(()/'())k k k k x x f x f x +=- ,2,1,0=k即为牛顿法公式.牛顿法的缺点是：(1)对重根收敛很慢；(2)对初值0x 要求较严，要求0x 相当接近真值*x ．因此，常用其他方法确定初值0x ，再用牛顿法提高精度． 以下是本实验中的几个具体的实验 具体实验1：对分法先作图观察方程：3310x x -+=的实根的分布区间，再利用对分法在这些区间上分别求出根的近似值．程序如下： function [y,p]=erfen()clc, x=[];a=[];b=[]; a(1)=1;b(1)=2; i=1;x(i)=(a(i)+b(i))/2; e=abs(f(x(i))); ezplot('x^3-3*x+1',[a(1),b(1)]);hold on, plot([a(i),b(i)],[0,0]) while e>10^(-5)plot([a(i),a(i)],[0,100],[x(i) x(i)],[0 100],[b(i) b(i)],[0 100]),pause(0.5) if f(a(i))*f(x(i))<0a(i+1)=a(i);b(i+1)=x(i);x(i+1)=(a(i+1)+b(i+1))/2; elsea(i+1)=x(i);b(i+1)=b(i);x(i+1)=(a(i+1)+b(i+1))/2; ende=abs(f(x(i)));i=i+1; endy=x(i);p=[a;x;b]' function u=f(x) u=x^3-3*x+1; end end图形如下:结果为：1.5321具体实验2：普通迭代法采用迭代过程：1()k k x x φ+=求方程3310x x -+=在 0.5 附近的根，精确到第 4 位小数．构造等价方程：3(1)/3x x =+用迭代公式： 31(1)/3k k x x +=+， ,2,1,0=k 具体实验3：迭代法的加速1——松弛迭代法3()(1)/3x x φ=+，2()'x x φ=，21/(1)k k x ω=-迭代公式为31(1)(1)/3k k k k k x x x ωω+=-++clc;x=[];w=[]; x(1)=1;w(1)=1/(1-x(1)); for i=1:10w(i)=1/(1- x(i)); x(i+1)=(1-w(i))*x(i)+ w(i)*(x(i)^3+1)/3; end x另外有程序可以参考，详见参见附录4． 具体实验4：迭代法的加速2——Altken 迭代法迭代公式为：(1)3(1)/3k k x x =+，(2)(1)3(1)/3k k x x =+(2)(2)(1)2(2)(1)1()/(2)k k k k k k k x x x x x x x +=---+， ,2,1,0=k%（符号计算）syms x fx gx;gx=(x^3+1)/3;fx=x^3-3*x+1; disp('k x x1 x2') x=0.5;k=0; ffx=subs(fx, 'x', x); while abs(ffx)>0.0001;u=subs(gx, 'x', x);v=subs(gx, 'x', u);disp([num2str(k), ' ', num2str(x), ' ', num2str(u), ' ', num2str(v)]) x=v-(v-u)^2/(v-2*u+x);k=k+1;ffx=subs(fx, 'x', x); enddisp([num2str(k), ' ', num2str(x), ' ', num2str(u), ' ', num2str(v)]) %（数值计算）function [y,p]=althken() % 求方根的迭代程序 clc,format long e , x(1)=6; i=1;p=[];ezplot('x^3-3*x+1',[x(1)-9,x(1)+1]);hold on plot([x(1)-20,x(1)+2],[0,0]) while abs(f(x(i)))>=10^(-5) plot(x(i),0,'*')t1=phi(x(i));t2=phi(t1); x(i+1)=t2-(t2-t1)^2/(t2-2*t1+x(i)+eps); p=[p;[i, x(i),t1,t2]]; i=i+1; pause(0.1) endp,y=x(i), i, format function u=phi(x) u=(x^3+1)/3; endfunction u=f(x) u=x^3+1-3*x; end end具体实验5：牛顿法用牛顿法计算方程3310x x -+=在-2到2之间的三个根． 提示：3()31f x x x =-+，2'()33f x x =-迭代公式：2321(31)/(33)k k k k k x x x x x +=--+-function [y,p]=newton() % 求方根的迭代程序 clc,format long e , x(1)=6; i=1; p=[]; ezplot('x^3-3*x+1',[x(1)-9,x(1)+1]);hold on plot([x(1)-20,x(1)+2],[0,0]) while abs(f(x(i)))>=10^(-5)plot(x(i),0,'*'), x(i+1)=x(i)-f(x(i))/(df(x(i))+eps); p=[p;[i, x(i)]]; i=i+1; pause(0.1) endformat short , p,y=x(i), i, function u=df(x) u=3*x^2-3; endfunction u=f(x) u=x^3+1-3*x; end end 结果：结果为： 1.5321※进一步思考：用迭代法求3的平方根. 迭代公式为1(3/)/2n n n x x x +=+. 编写M 函数文件My_sqrt.m, 求3正的平方根x . 要求误差小于510-．仅要求写出源程序．试使用以上介绍的迭代法来相互比较 参考程序：function y=my_sqrt(a) % 求方根的迭代程序if nargin~=1|~isa(a,'double') , error('输入数字为一个正数!'),end if a<0, error('输入数字为正数!'), endif a>0format long e , x(1)=0; x(2)=1; i=1; while abs(x(i+1)-x(i))>=10^(-5)i=i+1;x(i+1)=1/2*(x(i)+a/(x(i)+eps));endy=x(i+1);i,format end现在我们简单介绍图解法如何来求解一元方程和二元方程的根： 例：exp(-3*t)*sin(4*t+2)+4*exp(-0.5*t)*cos(2*t)=0.5>>ezplot('exp(-3*t)*sin(4*t+2)+4*exp(-0.5*t)*cos(2*t)-0.5',[0 5]) >>hold on, line([0,5],[0,0])验证：t=3.5203 >>syms x; t=3.5203;vpa(exp(-3*t)*sin(4*t+2)+4*exp(-0.5*t)*cos(2*t)-0.5) ans =-.43167073997540938989914138801396e-4例：：x^2*exp(-x*y^2/2)+exp(-x/2)*sin(x*y)=0y^2 *cos(y+x^2) +x^2*exp(x+y)=0>> ezplot('x^2*exp(-x*y^2/2)+exp(-x/2)*sin(x*y)')>> hold onezplot('y^2 *cos(y+x^2) +x^2*exp(x+y)')具体的结果请大家自己下来运行二、关于直接利用函数（命令）求解方程及简介(1) solve('f(x)')，f(x)为一个具体的表达式．(2) roots(A)，A为某个多项式按x降幂排列的系数矩阵(3) fzero('f(x)', x0)，f(x)为一个具体的表达式，x0为一个具体的数值(4) linsolve(A,b)，A为一方程组的系数矩阵，b为方程组右端的常数矩阵．1．单变量的多项式方程求根：命令格式：roots(A)例：x^3-6*(x^2)-72*x-27=0;>>p=[1 -6 -72 -27]>>r=roots(p)r=12.1229-5.7345-0.38842. 多项式型方程的准解析解法命令格式：[x,…]=solve(eqn1,eqn2,…)例：x^2+y^2-1=00.75*x^3-y+0.9=0>>syms x y;>> [x,y]=solve('x^2+y^2-1=0', '75*x^3/100-y+9/10=0')检验：>>[eval('x.^2+y.^2-1'), eval('75*x.^3/100-y+9/10')]具体结果就请大家下来自己运行3. 线性方程组的求解例：求线性方程组b⋅的解，已知m=[1 2 3 4 5;2 3 4 5 6;3 4 5 6 7 8;4 5 6 7 8 ;5 6 7 8 0]，m=xb=[1;2;3;4;5]for i=1:5for j=1:5m(i, j)=i+j-1;endendm(5, 5)=0;b=[1:5]'; linsolve(m, b)4. 非线性方程数值求解(1)单变量非线性方程求解在MATLAB中提供了一个fzero函数，可以用来求单变量非线性方程的根．该函数的调用格式为：z=fzero('fname',x0,tol,trace)其中fname是待求根的函数文件名，x0为搜索的起点．一个函数可能有多个根，但fzero 函数只给出离x0最近的那个根．tol控制结果的相对精度，缺省时取tol=eps，trace•指定迭代信息是否在运算中显示，为1时显示，为0时不显示，缺省时取trace=0．例:求f(x)=x-10x+2=0在x0=0.5附近的根．步骤如下：(a) 建立函数文件funx.m．function fx=funx(x)fx=x-10.^x+2;(b)调用fzero函数求根．z=fzero('funx',0.5)z = 0.3758(2)非线性方程组的求解对于非线性方程组F(X)=0，用fsolve函数求其数值解．fsolve函数的调用格式为： X=fsolve('fun',X0,option)其中X为返回的解，fun是用于定义需求解的非线性方程组的函数文件名，X0是求根过程的初值，option为最优化工具箱的选项设定．最优化工具箱提供了20多个选项，用户可以使用optimset命令将它们显示出来．如果想改变其中某个选项，则可以调用optimset()函数来完成．例如，Display 选项决定函数调用时中间结果的显示方式，其中‘off’为不显示，‘iter’表示每步都显示，‘final’只显示最终结果．optim set(‘Display’,‘off’)将设定Display 选项为‘off’． 例: 求下列非线性方程组在(0.5,0.5) 附近的数值解．(a) 建立函数文件myfun.m ． function q=myfun(p) x=p(1);y=p(2);q(1)=x-0.6*sin(x)-0.3*cos(y);q(2)=y-0.6*cos(x)+0.3*sin(y); (b) 在给定的初值x0=0.5,y0=0.5下，调用fsolve 函数求方程的根． x=fsolve('myfun',[0.5,0.5]',optimset('Display','off')) x = 0.6354 0.3734将求得的解代回原方程，可以检验结果是否正确，命令如下： q=myfun(x) q = 1.0e-009 * 0.2375 0.2957 可见得到了较高精度的结果．精品案例：螺旋线与平面的交点问题：螺旋线与平面相交的情况多种多样, 根据螺旋线与平面方程的不同可以相交, 也可以不相交. 在相交的情况下, 可以交于一点, 也可以交于好多点. 对于各种相交的情况, 要求其交点的坐标并不是一件容易的事. 本次实验就以此为背景讨论下面的具体问题：已知螺旋线的参数方程为4cos ,4sin ,,08x y z θθθθπ===≤≤.平面的方程为：0.520x y z ++-=. 求该螺旋线与平面的交点. 要求：1）求出所有交点的坐标；2）在同一图形窗口画出螺旋线、平面和交点. 实验过程： 1.1 问题分析可以采用多种方法求螺旋线与平面的交点坐标, 包括fsolve 等. 先对方程化简,减少变量个数,使用图解方法求方程的根.再分别画出螺旋线,平面,及其交点. 1.2 算法描述与分析先对方程化简,减少变量个数,再利用fsolve, 选择适当的初值, 求其数值解;再分别会出图形；最后对图形作出必要的修饰. 1.3 源程序及注释将螺旋线的参数方程代入平面方程后可得： 等价变形得 ： 建立下面M 文件intersect_point.m %使用图解法求交点，并且三维图 %画图确定解的个数和大概位置 theta=0:0.01:8*pi;y1=4*(cos(theta)+sin(theta)); y2=2-0.5*theta;plot(theta,y1,theta,y2) %画出两个函数的图形%画螺旋线%theta=0:pi/100:8*pi; x=4*cos(theta); y=4*sin(theta); z=theta;figure %新建图形窗口plot3(x,y,z) %画含有参数的空间曲线 hold on %透明的画平面%x1=-5:0.1:5; %取值和螺旋线的范围[-4,4]有关. y1=x1;[X1 Y1]=meshgrid(x1,y1);%网格化，画曲面 Z1=4-2*X1-2*Y1;surf(X1,Y1,Z1) %或者使用mesh(X1,Y1,Z1)25.0sin 4cos 4=-++θθθθθθ5.02sin 4cos 4-=+shading flatalpha(0.5) %设置透明度alpha('z') %设置透明度方向%求交点坐标,为避免变量混淆和覆盖，这里用t 代替theta%i=1for n=[2,5,9,11] %根据画图确定解的大概位置作为初值t(i)=fsolve(inline('4*cos(t)+4*sin(t)+0.5 *t-2'),n)%选择不同初值求交点 x0(i)=4*cos(t(i));y0(i)=4*sin(t(i));z0(i)=t(i);i=i+1;endplot3(x0,y0,z0,'ro')1.4 测试结果（写清输入输出情况）从图形可见在 内与三角曲线有4个交点.交点坐标为：theta 的数值解为：t=[2.1961 5.3759 9.1078 11.1023]四个交点的近似坐标为：x0 =[-2.3413 2.4635 -3.8007 0.4261]y0 =[3.2432 -3.1514 1.2468 -3.9772] z0 =[2.1961 5.3759 9.1078 11.1023]1.5 调试和运行程序过程中产生的问题及采取的措施求交点的时候会出现重根和漏根的情形,通过选择适当的初值避免了上述情况.1.6 对算法和程序的讨论、分析, 改进设想及其它经验教训solve 函数只能求解一个数值解,不能全部求出;用fsolve 函数好; 为了满足更好的视觉πθ80≤≤效果,可以对图形进行进一步的修饰.习题1.已知多项式323)(2345+++-=x x x x x f2.解方程组:sin()0x x y ye +-=(1)22x y -= (2)3.求解方程: ex x x =)cos( 4.求解多项式方程 0189=++x x5.求下列代数方程（组）的解：(1) 510x x -+=(2) 230x y += ①2431x y += ②6.选择适当的迭代过程，分别使用：（1）普通迭代法；（2）与之相应的松弛迭代法和 Altken 迭代法．求解方程0133=+-x x 在 1.4 附近的根，精确到4位小数，请注意迭代次数的变化．7.分别用对分法、普通迭代法、松弛迭代法、Altken 迭代法、牛顿切法线等5种方法，求方程 sin()t x x ⋅= 的正的近似根，10≤<t ．(建议取 5.0=t ．时间许可的话，可进一步考虑 25.0=t 的情况．)五、附录为供近似求根的算法附录1：对分法程序（fulu1.m ）syms x fx; a=0;b=1;fx=x^3-3*x+1;x=(a+b)/2;k=0;ffx=subs(fx, 'x', x);if ffx==0;disp(['the root is:', num2str(x)])else disp('k ak bk f(xk)')while abs(ffx)>0.0001 & a<b;disp([num2str(k), ' ', num2str(a), ' ', num2str(b), ' ', num2str(ffx)]) fa=subs(fx, 'x', a);ffx=subs(fx, 'x', x);if fa*ffx<0b=x;elsea=x;endk=k+1;x=(a+b)/2;enddisp([num2str(k), ' ', num2str(a), ' ', num2str(b), ' ', num2str(ffx)])end注：实验时，可将第 2 行的 a、b 改为其它区间端点进行其它实验．附录2：普通迭代法（fulu2.m）syms x fx gx; gx=(x^3+1)/3;fx=x^3-3*x+1; disp('k x f(x)')x=0.5;k=0; ffx=subs(fx, 'x', x);while abs(ffx)>0.0001;disp([num2str(k), ' ', num2str(x), ' ', num2str(ffx)]);x=subs(gx, 'x', x);ffx=subs(fx, 'x', x);k=k+1;enddisp([num2str(k), ' ', num2str(x), ' ', num2str(ffx)])附录3：收敛/发散判断（fulu3.m）syms x g1 g2 g3 dg1 dg2 dg3;x1=0.347;x2=1.53;x3=-1.88;g1=(x^3+1)/3;dg1=diff(g1, 'x');g2=1/(3-x^2);dg2=diff(g2, 'x');g3=(3*x-1)^(1/3);dg3=diff(g3, 'x');disp(['1 ', num2str(abs(subs(dg1, 'x', x1))), ' ', ...num2str(abs(subs(dg1, 'x', x2))), ' ', num2str(abs(subs(dg1, 'x', x3)))]) disp(['2 ', num2str(abs(subs(dg2, 'x', x1))), ' ', ...num2str(abs(subs(dg2, 'x', x2))), ' ', num2str(abs(subs(dg2, 'x', x3)))]) disp(['3 ', num2str(abs(subs(dg3, 'x', x1))), ' ', ...num2str(abs(subs(dg3, 'x', x2))), ' ', num2str(abs(subs(dg3, 'x', x3)))])附录4：松弛迭代法（fulu4.m）syms fx gx x dgx;gx=(x^3+1)/3;fx=x^3-3*x+1;dgx=diff(gx, 'x');x=0.5;k=0;ggx=subs(gx, 'x', x);ffx=subs(fx, 'x', x);dgxx=subs(dgx, 'x', x);disp('k x w')while abs(ffx)>0.0001;w=1/(1-dgxx); disp([num2str(k), ' ', num2str(x), ' ', num2str(w)]) x=(1-w)*x+w*ggx;k=k+1;ggx=subs(gx, 'x', x);ffx=subs(fx, 'x', x);dgxx=subs(dgx, 'x', x);enddisp([num2str(k), ' ', num2str(x), ' ', num2str(w)])附录5： Altken 迭代法（fulu5.m）syms x fx gx; gx=(x^3+1)/3;fx=x^3-3*x+1;disp('k x x1 x2') x=0.5;k=0;ffx=subs(fx, 'x', x);while abs(ffx)>0.0001;u=subs(gx, 'x', x);v=subs(gx, 'x', u);disp([num2str(k), ' ', num2str(x), ' ', num2str(u), ' ', num2str(v)]) x=v-(v-u)^2/(v-2*u+x);k=k+1;ffx=subs(fx, 'x', x);enddisp([num2str(k), ' ', num2str(x), ' ', num2str(u), ' ', num2str(v)])附录6：牛顿法（fulu6.m）syms x fx gx;fx=x^3-3*x+1;gx=diff(fx, 'x');x1=-2;x2=0.5;x3=1.4;k=0;disp('k x1 x2 x3')fx1=subs(fx, 'x', x1);fx2=subs(fx, 'x', x2);fx3=subs(fx, 'x', x3);gx1=subs(gx, 'x', x1);gx2=subs(gx, 'x', x2);gx3=subs(gx, 'x', x3);while abs(fx1)>0.0001|abs(fx2)>0.0001|abs(fx3)>0.0001;disp([num2str(k), ' ', num2str(x1), ' ', num2str(x2), ' ', num2str(x3)])x1=x1-fx1/gx1;x2=x2-fx2/gx2;x3=x3-fx3/gx3;k=k+1;fx1=subs(fx, 'x', x1);fx2=subs(fx, 'x', x2);fx3=subs(fx, 'x', x3);gx1=subs(gx, 'x', x1);gx2=subs(gx, 'x', x2);gx3=subs(gx, 'x', x3);enddisp([num2str(k), ' ', num2str(x1), ' ', num2str(x2), ' ', num2str(x3)])。