实验三求代数方程近似根(解)
第2章方程的近似解法
第二章 方程求根在许多实际问题中，常常会遇到方程f(x)=0求解的问题。
当f(x)为一次多项式时，f(x)=0称为线性方程，否则称为非线性方程。
对于非线性方程，由于f(x)的多样性，求其根尚无一般的解析方法可以使用，因此研究非线性方程的数值解法是十分必要的。
法、迭代法、牛顿法及割线法。
这些方法均是知道根的初始近似值后，进一步把根精确化，直到达到所要求的 精度为止。
也即求非线性方程根的数值方法。
第一节 第一节 增值寻根法与二分法2.1.1 增值寻根法设非线性方程f(x)=0的根为*x ，增值寻根法的基本思想是，从初始值0x 开始，按规定 的一个初始步长h 来增值。
令 1n x +=n x +h(n=0,1,2，…)，同时计算f(1n x +)。
在增值的计算过程中可能遇到三种情形：(1) f(1n x +)=0，此时1n x +即为方 程的根*x 。
(2) f(n x )和f(1n x +)同符号。
这说明区间［n x , 1n x +］内无根。
(3) f(n x )和f(1n x +)异号，f(n x )·f(1n x +)＜0此时当f(x)在区间［n x , 1n x +］上连续时，方程f(x)=0在［n x , 1n x +］ 一定有根。
也即我们用增值寻根法找到了方程根的存在区间，n x 或1n x +均可以视为根的近似值。
下一步就是设法在该区间内寻找根 *x 更精确的近似值，为此再用增值寻根法 把n x 作为新的初始近似值，同时把步长缩小，例如选新步长1100h h =，这 样会得到区间长度更小的有根区间，从而也得到使f(x)n x ，作为*x 更 精确的近似值，若精度不够，可重复使用增值寻根法，直到有根区间的长度｜1n x +-n x ｜＜ε(ε为所要求的精度)为止。
此时f(n x )或f(1n x +)就可近似认为是零。
n x 或1n x +就是满足精度的方程的近似根（如图2-1）.2—1例1 用增值寻根法求方程f(x)=324x x +-10=0的有根区间。
数学实验报告样本
数学实验报告实验序号：3 日期：2013年12 月14 日11(2k +=【调试结果】k x1 x2 x30 0.8 1.5 41 -0.81335 2.0766 1.61042 0.89679 1.9105 1.973 -1.7856 1.8956 1.89844 -1.9037 1.8955 1.89555 -1.8955 1.8955 1.8955所求的解是:x1=-1.,x2=1.,x3=1.,迭代步数:5【情况记录】1.对分法简单，然而，若在是有几个零点时，只能算出其中一个零点，它不能求重根，也不能求虚根.另一方面，即使在上有零点，也未必有。
这就限制了对分法的使用范围。
对分法只能计算方程的实根。
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．寻找满足定理条件的等价形式是难于做到的。
事实上，如果为的零点，若能构造等价形式而，由的连续性，一定存在的邻域，其上有，这时若初值迭代也就收敛了。
由此构造收敛迭代式有两个要素，其一，等价形式应满足；其二，初值必须取自的充分小邻域，这个邻域大小决定于函数，及做出的等价形式。
松弛法的加速效果明显，甚至不收敛的迭代函数经加速后也能获得收敛．松弛法要先计算'()kx，在使用中有时不方便，而Altken 公式，它的加速效果是十分明显的，它同样可使不收敛的迭代格式获得收敛。
5.牛顿法的收敛速度明显快于对分法。
牛顿法也有局限性。
牛顿法至少是二阶收敛的，而在重根附近，牛顿法是线性收敛的，且重根收敛很慢。
另外，在牛顿法中，选取适当迭代初始值是求解的前题，当迭代的初始值在某根的附近时迭代才能收敛到这个根，有时会发生从一个根附近跳向另一个根附近的情况，尤其在导数数值很小时。
(整理)matlab实例教程-比较实用.
实验一特殊函数与图形一、问题背景与实验目的二、相关函数（命令）及简介三、实验内容四、自己动手一、问题背景与实验目的著名的Riemann函数大家都很熟悉了，但是关于它的图像你是否清楚呢除了最上面那几点，其他都很难画吧你想不想看看下面那些“挤在一起”的点是怎样分布的呢还有几何中的马鞍面、单叶双曲面等是怎样由直线生成的，是不是也想目睹一下呢这些，都离不开绘图．实际上绘图一直是数学中的一种重要手段，借助图形，往往可以化繁为简，使抽象的对象得到明白直观的体现．比如函数的基本性质，一个图形常可以使之一目了然，非常有效．它虽不能代替严格的分析与证明，但在问题的研究过程中，可以帮助研究人员节约相当一部分精力．此外，它还可以使计算、证明、建模等的结果得到更明白易懂的表现，有时，这比科学论证更有说服力．同时，数学的教学与学习过程也离不开绘图．借助直观的图形，常可以使初学者更容易接受新知识．如数学分析中有不少函数，其解析式着实让人望而生畏，即使对其性质作了详尽的分析，还是感到难明就里；但如果能看到它的图形，再配合理论分析，则问题可以迎刃而解．又如在几何的学习中，会遇到大量的曲线与曲面，也离不开图形的配合．传统的手工作图，往往费力耗时，效果也不尽理想．计算机恰恰弥补了这个不足，使你可以方便地指定各种视角、比例、明暗，从各个角度进行观察．本实验通过对函数的图形表示和几个曲面（线）图形的介绍，一方面展示它们的特点，另一方面，也将就Matlab软件的作图功能作一个简单介绍．大家将会看到，Matlab 的作图功能非常强大．二、相关函数（命令）及简介1．平面作图函数：plot，其基本调用形式：plot(x,y,s)以x作为横坐标，y作为纵坐标．s是图形显示属性的设置选项．例如：x=-pi:pi/10:pi;y=sin(x);plot(x,y,'--rh','linewidth',2,'markeredgecolor','b','markerfacecolor','g')图1在使用函数plot时，应当注意到当两个输入量同为向量时，向量x与y必须维数相同，而且必须同是行向量或者同是列向量．绘图时，可以制定标记的颜色和大小，也可以用图形属性制定其他线条特征，这些属性包括：linewidth 指定线条的粗细．markeredgecolor 指定标记的边缘色markerfacecolor 指定标记表面的颜色．markersize 指定标记的大小．若在一个坐标系中画几个函数，则plot的调用格式如下：plot(x1,y1,s1,x2,y2,s2,……)2．空间曲线作图函数：plot3，它与plot相比，只是多了一个维数而已．其调用格式如下：plot3(x,y,z,s)．例如：x=0:pi/30:20*pi;y=sin(x);z=cos(x);plot3(x,y,z)得到三维螺旋线：图23．空间曲面作图函数：（1）mesh函数．绘制彩色网格面图形．调用格式：mesh(z)，mesh(x,y,z)和mesh(x,y,z,c)．其中，mesh(x,y,z,c)画出颜色由c指定的三维网格图．若x、y均为向量，则length(x)=n，length(y)=m，[m,n]=size(z)．（2）surf在矩形区域内显示三维带阴影曲面图．调用格式与mesh类似．（3）ezmesh用符号函数作三维曲面网格图．调用格式：ezmesh(x,y,z)其中x = x(s,t), y = y(s,t),z = z(s,t)．画图区域默认为： -2*pi < s < 2*pi 且-2*pi < t < 2*pi.或者用格式：ezmesh(x,y,z,[smin,smax,tmin,tmax])（4）ezsurf用符号函数作三维曲面图．调用格式与ezmesh类似．（5）sphere画球体命令．4．meshgrid，调用格式：[x,y]=meshgrid(m,n)，这里的m，n为给定的向量，可以定义网格划分区域和划分方法．矩阵x和矩阵y是网格划分后的数据矩阵．5．图像的修饰与其他函数：（1）axis equal 控制各个坐标轴的分度，使其相等；（2）colormap设置绘图颜色．调用格式：colormap([r g b])其中r,g,b都是0-1之间的数．或者用格式：colormap(s)s颜色映像相应的颜色系颜色映像相应的颜色系autumn红黄色系hsv色调饱和色系gray线性灰色系hot黑红黄白色系cool青和洋红色系pink柔和色系（3（4）find找出符合条件的元素在数组中的位置．调用格式：y=find(条件)例如：输入：a=[4 5 78 121 4 665 225 4 1];b=find(a>7)输出： b =3 4 6 7三、实验内容数学分析中，特别是积分部分，我们接触了不少有趣的函数，由于其中有的不是一一对应的，用上面的方法无法画出它们的图像，这时就只能用参数了．此外还有些图形只能用参数来画，比如空间曲线，在计算机上不接受“两个曲面的交线”这种表示，所以也只能用参数来实现．用参数方式作图的关键在于找出合适的参数表示，尤其是不能有奇点，最好也不要用到开方．所以要找的参数最好是有几何意义的．当然这也不可一概而论，需要多积累经验．1．利用函数plot在一个坐标系中画以下几个函数图像，要求采用不同颜色、不同线形、不同的符号标记．函数为：．程序如下：t=0:pi/20:2*pi;x=sin(t);y=cos(t);z=sin(2*t);plot(t, x, '--k*', t, y, '-rs', t, z, ':bo')图像如下：图32．绘制类似田螺线的一条三维螺线(方程自己设计)．程序如下：t=0:.1:30;x=2*(cos(t)+t.*sin(t));y=2*(sin(t)-t.*cos(t));z=*t;plot3(x,y,-z) %取–z 主要是为了画图看起来更清楚axis equal图像如下：图43．利用函数，绘制一个墨西哥帽子的图形．程序如下：[a,b]=meshgrid(-8:.5:8); %先生成一个网格c=sqrt(a.^2+b.^2)+eps;z=sin(c)./c;mesh(a,b,z)axis square图像如下：图5思考：这里的 eps 是什么其作用是什么4．利用surf绘制马鞍面图形（函数为：）．程序如下：[x,y]=meshgrid(-25:1:25,-25:1:25);z=x.^2/9-y.^2/4;surf(x,y,z)title('马鞍面')grid off图像如下：图65．分别用ezmesh和ezsurf各绘制一个圆环面，尝试将两个圆环面放在一个图形界面内，观察它们有什么不同之处．提示：圆环面的方程为：，而圆环面的参数方程为：程序参见附录1．图像如下：图76．绘制黎曼函数图形，加深对黎曼函数的理解．说明：黎曼函数的定义为程序参见附录2．图像如下：图8四、自己动手1．作出下图所示的三维图形：图9提示：图形为圆环面和球面的组合.2．作出下图所示的墨西哥帽子及其剪裁图形：图103．画出球面、椭球面、双叶双曲面、单叶双曲面．4．若要求田螺线的一条轴截面的曲边是一条抛物线：时．试重新设计田螺线的参数方程，并画出该田螺线．5．作出下图所示的马鞍面（颜色为灰色，并有一个标题：“马鞍面”）：图116．绘制图8所示的黎曼函数图形，要求分母的最大值的数值由键盘输入（提示：使用input语句）．回目录下一页实验二定积分的近似计算一、问题背景与实验目的二、相关函数（命令）及简介三、实验内容1．矩形法2．梯形法3．抛物线法4. 直接应用Matlab命令计算结果四、自己动手一、问题背景与实验目的利用牛顿—莱布尼兹公式虽然可以精确地计算定积分的值，但它仅适用于被积函数的原函数能用初等函数表达出来的情形．如果这点办不到或者不容易办到，这就有必要考虑近似计算的方法．在定积分的很多应用问题中，被积函数甚至没有解析表达式，可能只是一条实验记录曲线，或者是一组离散的采样值，这时只能应用近似方法去计算相应的定积分．本实验将主要研究定积分的三种近似计算算法：矩形法、梯形法、抛物线法．对于定积分的近似数值计算，Matlab有专门函数可用．二、相关函数（命令）及简介1．sum(a)：求数组a的和．2．format long：长格式，即屏幕显示15位有效数字．（注：由于本实验要比较近似解法和精确求解间的误差，需要更高的精度）．3．double()：若输入的是字符则转化为相应的ASCII码；若输入的是整型数值则转化为相应的实型数值．4．quad()：抛物线法求数值积分．格式： quad(fun,a,b) ，注意此处的fun是函数，并且为数值形式的，所以使用*、/、^等运算时要在其前加上小数点，即 .*、./、.^等．例：Q = quad('1./(x.^3-2*x-5)',0,2);5．trapz()：梯形法求数值积分．格式：trapz(x,y)其中x为带有步长的积分区间；y为数值形式的运算（相当于上面介绍的函数fun）例：计算x=0:pi/100:pi;y=sin(x);trapz(x,y)6．dblquad()：抛物线法求二重数值积分．格式：dblquad(fun,xmin,xmax,ymin,ymax)，fun可以用inline定义，也可以通过某个函数文件的句柄传递．例1：Q1 = dblquad(inline('y*sin(x)'), pi, 2*pi, 0, pi)顺便计算下面的Q2，通过计算，比较Q1 与Q2结果（或加上手工验算），找出积分变量x、y的上下限的函数代入方法．Q2 = dblquad(inline('y*sin(x)'), 0, pi, pi, 2*pi)例2：Q3 = dblquad(@integrnd, pi, 2*pi, 0, pi)这时必须存在一个函数文件：function z = integrnd(x, y)z = y*sin(x);7．fprintf（文件地址，格式，写入的变量）：把数据写入指定文件．例：x = 0:.1:1;y = [x; exp(x)];fid = fopen('','w'); %打开文件fprintf(fid,'% %\n',y); %写入fclose(fid) %关闭文件8．syms 变量1 变量2 …：定义变量为符号．9．sym('表达式')：将表达式定义为符号．解释：Matlab中的符号运算事实上是借用了Maple的软件包，所以当在Matlab中要对符号进行运算时，必须先把要用到的变量定义为符号．10．int(f,v,a,b)：求f关于v积分，积分区间由a到b．11．subs(f，'x'，a)：将 a 的值赋给符号表达式 f 中的 x，并计算出值．若简单地使用subs(f)，则将f的所有符号变量用可能的数值代入，并计算出值．三、实验内容1．矩形法根据定积分的定义，每一个积分和都可以看作是定积分的一个近似值，即在几何意义上，这是用一系列小矩形面积近似小曲边梯形的结果，所以把这个近似计算方法称为矩形法．不过，只有当积分区间被分割得很细时，矩形法才有一定的精确度．针对不同的取法，计算结果会有不同，我们以为例（取），（1）左点法：对等分区间，在区间上取左端点，即取，，理论值，此时计算的相对误差（2）右点法：同（1）中划分区间，在区间上取右端点，即取，，理论值，此时计算的相对误差（3）中点法：同（1）中划分区间，在区间上取中点，即取，，理论值，此时计算的相对误差如果在分割的每个小区间上采用一次或二次多项式来近似代替被积函数，那么可以期望得到比矩形法效果好得多的近似计算公式．下面介绍的梯形法和抛物线法就是这一指导思想的产物．2．梯形法等分区间，相应函数值为（）．曲线上相应的点为（）将曲线的每一段弧用过点，的弦（线性函数）来代替，这使得每个上的曲边梯形成为真正的梯形，其面积为，．于是各个小梯形面积之和就是曲边梯形面积的近似值，，即，称此式为梯形公式．仍用的近似计算为例，取，，理论值，此时计算的相对误差很显然，这个误差要比简单的矩形左点法和右点法的计算误差小得多．3．抛物线法由梯形法求近似值，当为凹曲线时，它就偏小；当为凸曲线时，它就偏大．若每段改用与它凸性相接近的抛物线来近似时，就可减少上述缺点，这就是抛物线法．将积分区间作等分，分点依次为，，对应函数值为（），曲线上相应点为（）．现把区间上的曲线段用通过三点，，的抛物线来近似代替，然后求函数从到的定积分：由于，代入上式整理后得同样也有……将这个积分相加即得原来所要计算的定积分的近似值：，即这就是抛物线法公式，也称为辛卜生（Simpson）公式．仍用的近似计算为例，取，=，理论值，此时计算的相对误差4. 直接应用Matlab命令计算结果（1）数值计算方法1：int('1/(1+x^2)','x',0,1) (符号求积分)方法2：quad('1./(1+x.^2)',0,1) （抛物线法求数值积分）方法3：x=0::1;y=1./(1+x.^2);trapz(x,y) （梯形法求数值积分）（2）数值计算方法1：int(int('x+y^2','y',-1,1),'x',0,2) （符号求积分）方法2：dblquad(inline('x+y^2'),0,2,-1,1) （抛物线法二重数值积分）四、自己动手1．实现实验内容中的例子，即分别采用矩形法、梯形法、抛物线法计算，取，并比较三种方法的精确程度．2．分别用梯形法与抛物线法，计算，取．并尝试直接使用函数trapz()、quad()进行计算求解，比较结果的差异．3．试计算定积分．（注意：可以运用trapz()、quad()或附录程序求解吗为什么）4．将的近似计算结果与Matlab中各命令的计算结果相比较，试猜测Matlab中的数值积分命令最可能采用了哪一种近似计算方法并找出其他例子支持你的观点．5．通过整个实验内容及练习，你能否作出一些理论上的小结，即针对什么类型的函数（具有某种单调特性或凹凸特性），用某种近似计算方法所得结果更接近于实际值6．学习的程序设计方法，尝试用函数 sum 改写附录1和附录3的程序，避免for 循环．上一页回目录下一页实验三求代数方程的近似根（解）一、问题背景和实验目的二、相关函数（命令）及简介三、实验内容四、自己动手一、问题背景和实验目的求代数方程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），当是一次多项式时，称为线性方程，否则称之为非线性方程．当是非线性方程时，由于的多样性，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，或给出某根的近似值．在实际问题抽象出的数学模型中，可以根据物理背景确定；也可根据的草图等方法确定，还可用对分法、迭代法以及牛顿切线法大致确定根的分布情况．通过本实验希望你能：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．二、相关函数（命令）及简介1．abs( )：求绝对值函数．2．diff(f)：对独立变量求微分，f 为符号表达式．diff(f, 'a')：对变量a求微分，f 为符号表达式．diff(f, 'a', n)：对变量 a 求 n 次微分，f 为符号表达式．例如：syms x tdiff(sin(x^2)*t^6, 't', 6)ans=720*sin(x^2)3．roots([c(1), c(2), …, c(n+1)])：求解多项式的所有根．例如：求解：．p = [1 -6 -72 -27];r = roots(p)r =4．solve('表达式')：求表达式的解．solve('2*sin(x)=1')ans =1/6*pi5．linsolve(A, b)：求线性方程组 A*x=b 的解．例如：A= [9 0; -1 8]; b=[1; 2];linsolve(A, b)ans=[ 1/9][19/72]6．fzero(fun, x0)：在x0附近求fun 的解．其中fun为一个定义的函数，用“@函数名”方式进行调用．例如：fzero(@sin, 3)ans=7．subs(f, 'x ', a)：将 a 的值赋给符号表达式 f 中的 x，并计算出值．例如：subs('x^2 ', 'x ', 2)ans = 4三、实验内容首先，我们介绍几种与求根有关的方法：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．设在上连续，，即，或，．则根据连续函数的介值定理，在内至少存在一点，使．下面的方法可以求出该根：(1)令，计算；(2)若，则是的根，停止计算，输出结果．若，则令，，若，则令，；．……，有、以及相应的．(3) 若 (为预先给定的精度要求)，退出计算，输出结果；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，在中含有方程的根．当区间长很小时，取其中点为根的近似值，显然有以上公式可用于估计对分次数．分析以上过程不难知道，对分法的收敛速度与公比为的等比级数相同．由于，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1)迭代法的基本思想：由方程构造一个等价方程从某个近似根出发，令，可得序列，这种方法称为迭代法．若收敛，即，只要连续，有即可知，的极限是的根，也就是的根．当然，若发散，迭代法就失败．以下给出迭代过程收敛的一些判别方法：定义：如果根的某个邻域中，使对任意的，迭代过程，收敛，则称迭代过程在附近局部收敛．定理1：设，在的某个邻域内连续，并且，，则对任何，由迭代决定的序列收敛于．定理2：条件同定理 1，则定理3：已知方程，且(1) 对任意的，有．(2) 对任意的，有，则对任意的，迭代生成的序列收敛于的根，且．以上给出的收敛定理中的条件要严格验证都较困难，实用时常用以下不严格的标准：当根区间较小，且对某一，明显小于1时，则迭代收敛(参见附录3)．2) 迭代法的加速：a) 松弛法：若与同是的近似值，则是两个近似值的加权平均，其中称为权重，现通过确定看能否得到加速．迭代方程是：其中，令，试确定：当时，有，即当，时，可望获得较好的加速效果，于是有松弛法：，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，在使用中有时不方便，为此发展出以下的 Altken 公式：，是它的根，是其近似根．设，，因为，用差商近似代替，有，解出，得由此得出公式；；，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）1) 牛顿法的基本思想：是非线性方程，一般较难解决，多采用线性化方法．记：是一次多项式，用作为的近似方程．的解为记为，一般地，记即为牛顿法公式.2) 牛顿法的收敛速度：对牛顿法，迭代形式为：注意分子上的，所以当时，，牛顿法至少是二阶收敛的，而在重根附近，牛顿法是线性收敛的．牛顿法的缺点是：(1)对重根收敛很慢；(2)对初值要求较严，要求相当接近真值．因此，常用其他方法确定初值，再用牛顿法提高精度．4. 求方程根(解)的其它方法(1) solve('x^3-3*x+1=0')(2) roots([1 0 -3 1])(3) fzero('x^3-3*x+1', -2)(4) fzero('x^3-3*x+1',(5) fzero('x^3-3*x+1',(6) linsolve([1, 2, 3; 4, 5, 6; 7, 8, 0], [1, 2, 3]')体会一下，(2)(5) 用了上述 1 3 中的哪一种方法以下是本实验中的几个具体的实验，详细的程序清单参见附录．具体实验1：对分法先作图观察方程：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．输入以下命令，可得的图象：f='x^3-3*x+1';g='0';ezplot(f, [-4, 4]);hold on;ezplot(g, [-4, 4]); %目的是画出直线 y=0，即 x 轴grid on;axis([-4 4 -5 5]);hold off请填写下表：实根的分布区间该区间上根的近似值在某区间上求根的近似值的对分法程序参见附录1．具体实验2：普通迭代法采用迭代过程：求方程在附近的根，精确到第 4 位小数．构造等价方程：用迭代公式：，用 Matlab 编写的程序参见附录2．请利用上述程序填写下表：分析：将附录2第4行中的分别改为以及，问运行的结果是什么你能分析得到其中的原因吗看看下面的“具体实验3”是想向你表达一个什么意思．用 Matlab 编写的程序参见附录3．具体实验3：收敛/发散判断设方程的三个根近似地取，和，这些近似值可以用上面的对分法求得．迭代形式一：收敛 (很可能收敛，下同)不收敛 (很可能不收敛，下同)不收敛迭代形式二：收敛不收敛不收敛迭代形式三：不收敛收敛收敛具体实验4：迭代法的加速1——松弛迭代法，，迭代公式为程序参见附录4．具体实验5：迭代法的加速2——Altken迭代法迭代公式为：，，程序参见附录5．具体实验6：牛顿法用牛顿法计算方程在-2到2之间的三个根．提示：，迭代公式：程序参见附录6 （牛顿法程序）．具体实验7：其他方法求下列代数方程（组）的解：（1）命令：solve('x^5-x+1=0')（2）命令：[x, y]=solve('2*x+3*y=0', '4*x^2+3*y=1')(3) 求线性方程组的解，已知，命令：for i=1:5for j=1:5m(i, j)=i+j-1;endendm(5, 5)=0;b=[1:5]'linsolve(m, b)思考：若，或是类似的但阶数更大的稀疏方阵，则应如何得到四、自己动手1．对分法可以用来求偶重根附近的近似解吗为什么2．对照具体实验2、4、5，你可以得出什么结论3．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．求解方程在附近的根，精确到4位小数，请注意迭代次数的变化．4．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，求方程的正的近似根，．(建议取．时间许可的话，可进一步考虑的情况．)上一页回目录下一页。
19476-数学建模-代数方程组的解法实验
实验目的实验内容MATLAB2、通过实例练习用（非）线性方程组求解实际问题.实验软件1、用Matlab 软件掌握（非）线性方程组的解法，对迭代法的收敛性和解的稳定性作初步分析.1、向量和矩阵的范数.2、解线性方程组的方法介绍.3、解非线性方程（组）的方法介绍.2）、条件数的性质：a) 1)(≥A cond ；b) 对于R ∈≠)0(α，)()(A cond A cond =α； c) 对于正交阵n n R Q ⨯∈，)()()(A cond AQ cond QA cond ==；讨论如下表示含有n 个未知数、由n 个方程构成的线性方程组：)1(22112222212111212111⎪⎪⎩⎪⎪⎨⎧=+++=+++=+++nn nn n n n n n n b x a x a x a b x a x a x a b x a x a x a从（4）式最后一个方程解出n x ，代入它上面的一个方程解出1-n x ，并如此进行下去，即可依次将1,,x x n 全部解出，这样在),,2,1(0)(n k a k kk =≠的假设下，由上而下的消元由下而上的回代，就构成了方程组的消元法，称高斯消元法。
高斯消元法的MATLAB程序%顺序gauss消去法，gauss函数function [A,u]=gauss(a,n)for k=1:n-1%消去过程for i=k+1:nfor j=k+1:n+1%如果a(k,k)=0,则不能消去if abs(a(k,k))>1e-6%计算第k步的增广矩阵a(i,j)=a(i,j)-a(i,k)/a(k,k)*a(k,j);else%a(k,k)=0,顺序gauss消去失败disp('顺序gauss消去失败');pause;exit;endendendend%回代过程x(n)=a(n,n+1)/a(n,n);for i=n-1:-1:1s=0;for j=i+1:ns=s+a(i,j)*x(j);endx(i)=(a(i,n+1)-s)/a(i,i);end%返回gauss消去后的增广矩阵A=triu(a);%返回方程组的解u=x;例1 用高斯消元法求解方程组：⎪⎪⎪⎩⎪⎪⎪⎨⎧=+++=+++=++++=+++=++++63521967414832157425421542154321542154321x x x x x x x x x x x x x x x x x x x x x x列主元素消元法的MATLAB程序%列主元gauss消去函数function [A,u]=gauss(a,n)%消去过程for k=1:n-1%选主元c=0;for q=k:nif abs(a(q,k))>cc=a(q,k);l=q;endend%如果主元为0，则矩阵A不可逆if abs(c)<1e-10disp('error');pause;exit;end%如果l不等于k，则交换第l行和第k行if l~=kfor q=k:n+1temp=a(k,q);a(k,q)=a(l.q);a(l,q)=temp;endend%计算第k步的元素值for i=k+1:nfor j=k+1:na(i,j)=a(i,j)-a(i,k)/a(k,k)*a(k,j);endendend%回代过程x(n)=a(n,n+1)/a(n,n); for i=n-1:-1:1s=0;for j=i+1:ns=s+a(i,j)*x(j); endx(i)=(a(i,n+1)-s)/a(i,i); end%返回列主元gauss消去后的增广矩阵A=triu(a);%返回方程组的解u=x;例2 用列主元素消去法重新解例1二、迭代法1、迭代法的总体思想：1)、迭代公式的构造：对线性方程组b Ax =，可以构造一个迭代公式 f BX Xk k +=++)1()1(，给出)0(X 由迭代公式的{})(k X ，如果{})(k X 收敛于*X ，那么*X 就是原方程组的解。
exp03w代数方程的近似根.ppt
)2
f ( x0 ) f '( x0 )( x x0 ) @P ( x)
令：P( x) 0
x
x0
f ( x0 ) f '( x0 )
( f '( x0 ) 0)
牛顿法迭代公式
牛顿迭代公式
x
x0
f ( x0 ) f '( x0 )
xk 1
xk
f ( xk ) f '( xk )
牛顿法的收敛速度
则称该迭代法在 x* 附近局部收敛。
定理 1：设 x* =(x*)，的某个 邻域 内连续，且对 x 都有 |’(x)|q< 1, 则对 x0 ，由迭 代 xk+1 = (xk) 得到的点列都收敛。
定理 2：如果定理 1 的条件成立，则有如下估计
|
xk
x*
|
qk 1q
|
x1
x0
|
|
xk
x*
|
1
1 )，又源自xkak2bk
，所以
|
xk
|
1 2
(bk
ak )
1 2
1 2
(bk1
ak1 )=L
=
1 2k1
(b a)
0(k ) 对分法总是收敛的
但对分法的收敛速度较慢
通常用来试探实根的分布区间， 或给出根的一个较为粗糙的近似。
迭代法
基本思想
构造 f (x) = 0 的一个等价方程：x ( x)
牛顿法是目前求解非线性方程 (组) 的主要方法
牛顿的缺点
对重根收敛速度较慢（线性收敛） 对初值的选取很敏感，要求初值相当接近真解 在实际计算中，可以先用其它方法获得真解的一个粗 糙近似，然后再用牛顿法求解。
牛顿拉普森迭代法原理
牛顿拉普森迭代法原理一、引言牛顿拉普森迭代法（Newton-Raphson iteration method）是一种用于求解方程近似解的数值方法。
它的原理是基于牛顿法和拉普森法的思想，通过不断迭代逼近方程的根。
二、牛顿拉普森迭代法的原理牛顿拉普森迭代法的核心思想是通过不断迭代逼近方程的根。
具体步骤如下：1. 选择一个初始近似解x0；2. 假设f(x)是一个连续可导的函数，求出f(x)在x0处的导数f'(x0)；3. 计算方程的切线方程，即通过(x0, f(x0))点并且斜率为f'(x0)的直线；4. 求出切线方程与x轴的交点，作为新的近似解x1；5. 重复步骤2-4，直到达到预设的精度要求。
三、牛顿拉普森迭代法的优点牛顿拉普森迭代法具有以下几个优点：1. 收敛速度快：相比于其他迭代法，牛顿拉普森迭代法通常收敛速度更快，特别是当初始近似解离真实解较近时。
2. 高精度：通过不断迭代逼近，可以达到较高的精度要求。
3. 广泛适用：牛顿拉普森迭代法不仅适用于求解代数方程，也适用于求解一些特殊的函数方程，如三角函数方程等。
四、牛顿拉普森迭代法的应用牛顿拉普森迭代法在实际问题中有着广泛的应用。
以下是几个典型的应用场景：1. 方程求解：牛顿拉普森迭代法可以用于求解非线性方程的近似解。
例如，可以通过迭代逼近求解多项式方程、指数方程等。
2. 优化问题：牛顿拉普森迭代法可以用于求解优化问题的极值点。
例如，在最小二乘法中，可以使用该方法求解最佳拟合曲线的参数。
3. 物理模拟：牛顿拉普森迭代法可以用于模拟物理系统的行为。
例如，可以通过迭代逼近求解自由落体运动中的位置、速度等参数。
五、牛顿拉普森迭代法的注意事项在使用牛顿拉普森迭代法时，需要注意以下几点：1. 初始近似解的选择：初始近似解的选择对迭代结果的精度和收敛速度有着重要影响，需要根据实际问题合理选择。
2. 收敛性判断：在迭代过程中，需要判断迭代结果是否达到了预设的收敛要求，以避免无限迭代或者迭代结果不满足要求的情况。
代数方程的牛顿迭代法
7-18-19-代数方程的牛顿迭代法牛顿迭代法（Newton's method）是一种用于数值求解代数方程的迭代方法，通常用于找到方程的根。
它的基本思想是通过不断逼近方程的根，直到满足某个精度要求。
下面是使用牛顿迭代法求解代数方程的一般步骤：
假设要求解方程 f(x) = 0。
1. 选择一个初始猜测值 x₀，通常选择接近根的值。
2. 计算 f(x₀) 和 f'(x₀)，其中 f'(x₀) 是 f(x) 的导数。
3. 计算下一个近似根的值：x₁ = x₀ - f(x₀) / f'(x₀)。
4. 重复步骤 2 和 3，直到满足停止条件，如达到指定精度或经过一定数量的迭代。
数学表示为： xᵢ₊₁ = xᵢ - f(xᵢ) / f'(xᵢ)
这个迭代过程将不断逼近方程的根，直到满足精度要求。
下面是一个示例，假设要解方程f(x) = x² - 4 = 0，其中我们知道根是 x = 2。
我们使用牛顿迭代法来逼近这个根：
1. 初始猜测值 x₀ = 3。
2. 计算 f(x₀) = 3² - 4 = 5 和 f'(x₀) = 2 * 3 = 6。
3. 计算下一个近似根：x₁ = 3 - 5 / 6 = 2.1667。
4. 重复步骤 2 和 3，直到达到所需的精度或迭代次数。
不断迭代，最终我们会得到x ≈ 2，它是方程的根。
请注意，牛顿迭代法的有效性和收敛性取决于初始猜测值的选择，以及方程 f(x) 和它的导数 f'(x) 的性质。
有时可能需要多次尝试不同的初始猜测值来确保收敛到正确的根。
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
方程求根的数值方法
方程求根的数值方法数值方法是一种求解方程根的近似方法，它通过一系列计算和迭代来逼近方程的根。
这些方法常用于无法通过代数方法求得解析解的复杂方程，或者是当方程没有明确的解析解时。
在这篇文章中，我们将讨论三种常用的数值方法：二分法、牛顿法和割线法。
二分法是一种基于零点定理的根查找方法。
零点定理指出，如果一个函数在区间[a,b]的两个端点处取得正负值，那么这个函数在这个区间内至少存在一个根。
二分法的基本思想是将区间二分，并判断根是否在分割后的子区间内。
具体步骤如下：1.选择一个初始区间[a,b]，使得f(a)和f(b)异号。
2.计算区间中点c=(a+b)/23.如果f(c)等于0或者f(c)的绝对值小于给定的误差限，那么c是近似的根。
4.如果f(c)和f(a)异号，那么根在左半区间[a,c]内；否则，根在右半区间[c,b]内。
5.重复步骤2到4，直到找到满足条件的近似根。
二分法的优点是简单易懂，收敛速度较快；缺点是每次迭代只能减少一半的区间长度。
牛顿法是一种迭代法，通过对函数f(x)的一阶导数进行线性逼近，来求得方程f(x)=0的根。
具体步骤如下：1.选择一个初始近似根x0。
2.计算函数f(x)在x=x0处的导数f'(x0)。
3.计算线性逼近方程的解x1=x0-f(x0)/f'(x0)。
4.如果f(x1)的绝对值小于给定的误差限，那么x1是近似的根。
5.否则，令x0=x1，重复步骤2到4，直到找到满足条件的近似根。
牛顿法的优点是收敛速度快，通常是二次收敛；缺点是对于一些特殊的函数，可能会出现发散或者陷入局部最优解的情况。
割线法是对牛顿法的改进，它通过将区间的两个端点连接起来，构建一条割线来逼近方程的根。
具体步骤如下：1.选择两个初始近似根x0和x1，使得f(x0)和f(x1)异号。
2.计算割线的斜率k=(f(x1)-f(x0))/(x1-x0)。
3.计算线性逼近方程的解x2=x1-f(x1)/k。
33156_《用二分法求方程的近似解》教案3
课题：§3.1.2用二分法求方程的近似解
教学目标：
知识与技能通过具体实例理解二分法的概念及其适用条件，了解二分法是求方程近似
解的常用方法，从中体会函数与方程之间的联系及其在实际问题中的应用．
过程与方法能借助计算器用二分法求方程的近似解，并了解这一数学思想，为学习算
法做准备．
情感、态度、价值观体会数学逼近过程，感受精确与近似的相对统一．
教学重点：
重点通过用二分法求方程的近似解，体会函数的零点与方程根之间的联系，初步形成用函数观点处理问题的意识． 难点恰当地使用信息技术工具，利用二分法求给定精确度的方程的近似解．
教学程序与环节设计：
由二分查找及高次多项式方程的求问题引入．
初步应用二分法解决
． 二分法为什么可以逼近零点的再分析；
． 追寻阿贝尔和伽罗瓦．
教学过程与操作设计：。
Newton迭代法浅析
目录第一章：绪论 (2)第二章 Newton迭代原理 (3)2.1 一般迭代思想的设计 (3)2.2 Newton迭代法的原理 (3)2.3小结： (5)第三章 Newton迭代法的收敛性 (6)3.1 Newton迭代法中不收敛的情况 (6)3.2 定理证明 (7)3.3 Newton迭代法的收敛性分析 (10)3.4小结： (12)第四章两种改进的Newton迭代法 (14)4.1 改进初值x的Newton下山法 (14)4.2 一种新的Newton迭代法加速设计 (15)4.3小结： (16)第五章 Newton迭代法的应用 (17)5.1 Newton迭代法的Matlab实现 (17)5.2 数值举例 (17)5.3小结： (20)总论 (21)参考文献 (22)致谢 (23)第一章绪论在自然科学和工程技术中很多问题的解决常常归结为解非线性方程（组）或者线性方程（组)代数方程组，例如电学中的网络问题，船体数学放样中建立三次样条函数问题，用最小而乘求是实验数据的曲线拟合问题，用差分或者有限元方法解常微分方程等。
关于非线性方程（组）的求解，一般有两类解法：直接法和迭代法。
我们知道，只有一次、二次和三次方程有规范的求根公式，而高于三次的方程0)xf是不存在求根公式的。
因此求根变得一异常的困难。
而科学计算却(很好解决了这一问题，其中最基本的算迭代法了，它对于解决非线性方程（组）的根变得异常方面。
就迭代法而言，Newton迭代法可算是其经典之作。
Newton迭代法又称为Newton-Raphson迭代法，它是Newton在17世纪提出的一种在实数域和复数域上近似求解方程的方法。
牛顿迭代法是求非线性方程（组）根的重要方法之一，其迭代格式简单，且在单根附近具有平方收敛，而且该法还可以用来求方程的重根、复根。
关于Newton迭代法，许多学者为之做了相当多的研究，并且留下了很多经典的文献([2-6])。
Newton迭代法在解决Banach空间中非线性方程或方程组的应用更为重要，如梯形Newton迭代法。
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。
牛顿求根法计算
这三个根周围构成三个“吸引盆”，初始点迅速被吸引到盆内，最后停止在三点之一。用计算机迭代， 以当前点到三个终点的距离远近为标准，标上不同的颜色，就能得到美丽的分形图，特别是在 120 线、240 线附近有复杂的“项链”结构。
五、实验结论 实验图形说明了牛顿法“以直代曲”，逐次逼近的本质。 六、注记 本实验用牛顿求根法绘出了一元方程的分形图，1027 李生寿 一、问题叙述 求代数方程 f(x)=0 的精确解是很难的事情，特别地当 f(x)是 高于 5 次的多项式时， 不能通过多项式系数的有限次运算得到根的表达式。 在这种情况下求方程的近似解却是可以 的，牛顿法就是一种比较好的逐次逼近法。以 f(x)=x3-1 为例，用牛顿法生成分形图形。 二、问题分析 首先猜测一个值 x1，用它近似方程的根 c,用过(x1,f(x1))点的切线 y=f(x1)+f’(x1)(x-x1)近似代替曲线 f(x),然后用切线方程 y=f(x1)+f’(x1)(x-x1)=0 的 根 x=x2=x1-f(x1)/f’(x1)近似代替曲线方程的根 c,这样就得到 c 的第二个近似值。 依此类 推可得到迭代公式。 在复平面上选定一个区域，对于任意初始点(除去(0，0)点)，讨论它在牛顿法迭代过程 中的行为。一般选 f(x)=xp-1,其中 p 是大于 2 的正整数。这样，迭代公式还可以 改写为对 于 x3-1=0，有三个根：x1=1,x2=[-1+SQR(3)i]/2，x3=[-1-SQR(3)i]/2，三个根均匀地分布 在单位圆上。迭代过程要先将复数分解为实部和虚部：
x→2x/3+(x2-y2)/[3(x2+y2)2]， y→2y/3-2xy/[3(x2+y2)2]
三、实验程序 N=160; warning off [X,Y]=meshgrid((-N:N)/N*2); [m,n]=find(X==0&Y==0); X(m,n)=1; Y(m,n)=1; R=zeros(321); G=R; B=R; for k=1:30; Xn=2*X/3+(X.^2-Y.^2)./(3*(X.^2+Y.^2)); Yn=2*Y/3-2*X.*Y./(3*(X.^2+Y.^2)); X=Xn; Y=Yn; end R(X>0.8)=1; G(Y<-0.5)=1; B(Y>0.5)=1; imshow(cat(3,R,G,B)) 四、实验数据结果及分析 程序运行后，图形如下：
方程近似解
方程近似解在我们的生活中，数学无处不在。
从简单的加法和减法到复杂的微积分和线性代数，数学是人类思维和科学发展的基石。
而方程近似解则是数学中一个重要的概念，它使我们能够在实际情况中获得更加精确的结果。
本文将带领读者一起探索方程近似解的奇妙世界，并展示它在现实生活中的应用。
方程近似解是指通过一系列逼近方法来求解复杂方程的过程。
它与数值计算和近似算法密切相关，通过使用数值方法来逼近方程的解，从而获得一个足够精确的近似结果。
这种方法在科学、工程和经济等领域中得到广泛应用。
让我们以一个简单的例子来说明方程近似解的原理。
假设我们想要计算圆的周长，但是我们只知道圆的半径。
根据几何学的知识，圆的周长可以通过公式C=2πr来计算，其中C表示周长，r表示半径。
然而，在实际应用中，我们可能只能获得一个近似的半径值。
这时，我们可以使用方程近似解的方法来计算圆的周长。
我们将已知的半径值代入到公式C=2πr中，得到一个初步的结果。
然后，我们可以通过不断迭代的方式，逐渐逼近真实的周长值。
通过每一次迭代中的计算结果，我们可以不断修正近似值，使得结果更加接近真实值。
最终，我们可以得到一个足够精确的近似结果，从而解决了我们的问题。
方程近似解不仅在数学中有着重要的应用，还在科学研究和工程实践中发挥着重要的作用。
在物理学中，方程近似解可以帮助我们解决复杂的物理问题，例如天体运动、电磁场的分布等。
在工程学中，方程近似解可以帮助我们设计更加高效和可靠的结构，例如建筑物、桥梁和飞机等。
在经济学中，方程近似解可以帮助我们分析市场行为和预测经济走势，从而指导决策和规划。
除了在科学和工程中的应用，方程近似解还在日常生活中发挥着重要的作用。
例如，当我们使用导航软件导航时，软件会根据我们所提供的起点和终点位置，使用方程近似解的方法计算出最短路径。
这样，我们就能够在最短的时间内到达目的地。
又如，在电子游戏中，方程近似解可以帮助我们计算出游戏中的物理效果，例如重力、速度和碰撞等，使得游戏更加真实和有趣。
方程求解
1．图形放大法
例1: 求方程 x5 +2x2 + 4 = 0 的一个根. 该方程有几个根？欲寻找其中一个实根，并且达 到一定的精度。
8000
画方程曲线图（tuxfd.m） 画方程曲线图（ ） x=-6:0.01:6; y=x.^5+2.*x.^2+4; plot(x,y),hold on, line([-6,6],[0,0])
G2：
I 2 h2 E2 = 2 ( h2 + ( s − x ) 2 )3/ 2
dE2 3I 2 h2 ( s − x) = 2 dx (h2 + ( s − x) 2 )5/ 2
dE1 3I1h1 x =− 2 dx (h1 + x 2 )5/ 2
E = E1+E2：双峰函数，中部有最低点。
上一页
* * E( xm (h2 ), h2 ) = max E( xm (h2 ), h2 ) h2
该点一定在函数 E( xm( h2),h2) 的稳定点或边界点. 稳定点满足 等价于
dE ( xm (h2 ), h2 ) =0 dh2
∂E ( x, h2 ) =0 ∂x
∂E ( x, h2 ) =0 ∂h2
下一页
主 页
上一页
下一页
主 页
引例:路灯照明
2) 最暗照明点
dE1 3I1h1 x =− 2 dx (h1 + x 2 )5/ 2
dE2 3I 2 h2 ( s − x) = 2 dx (h2 + ( s − x) 2 )5/ 2
3I1h1x 3I2h2 (s − x) dE dE1 dE2 = + = − 2 2 5/2 + 2 =0 2 5/2 dx dx dx (h1 + x ) (h2 + (s − x) )