Newton迭代法求解非线性方程.docx
《Newton迭代法求解非线性方程.docx》由会员分享,可在线阅读,更多相关《Newton迭代法求解非线性方程.docx(14页珍藏版)》请在冰点文库上搜索。
Newton迭代法求解非线性方程
Newton迭代法求解非线性方程
一、Newton迭代法概述
构造迭代函数的一条重要途径是用近似方程来代替原方程去求根。
因此,如果能将非线性方程
用线性方程去代替,那么,求近似根问题就很容易解决,而且十分方便。
牛顿(Newton)法就是一种将非线性方程线化的一种方法。
设
是方程
的一个近似根,把如果
在
处作一阶Taylor展开,即:
(1-1)
于是我们得到如下近似方程:
(1-2)
设
,则方程的解为:
(1-3)
取
作为原方程的新近似根
,即令:
k=0,1,2,…(1-4)
上式称为牛顿迭代格式。
用牛顿迭代格式求方程的根的方法就称为牛顿迭代法,简称牛顿法。
牛顿法具有明显的几何意义。
方程:
(1-5)
是曲线
上点
处的切线方程。
迭代格式(1-4)就是用切线式(1-5)的零点来代替曲线的零点。
正因为如此,牛顿法也称为切线法。
牛顿迭代法对单根至少是二阶局部收敛的,而对于重根是一阶局部收敛的。
一般来说,牛顿法对初值
的要求较高,初值足够靠近
时才能保证收敛。
若要保证初值在较大范围内收敛,则需对
加一些条件。
如果所加的条件不满足,而导致牛顿法不收敛时,则需对牛顿法作一些改时,即可以采用下面的迭代格式:
(1-6)
上式中,
,称为下山因子。
因此,用这种方法求方程的根,也称为牛顿下山法。
牛顿法对单根收敛速度快,但每迭代一次,除需计算
之外,还要计算
的值。
如果
比较复杂,计算
的工作量就可能比较大。
为了避免计算导数值,我们可用差商来代替导数。
通常用如下几种方法:
1.割线法
如果用
代替
,则得到割线法的迭代格式为:
(1-7)
2.拟牛顿法
如果用
代替
,则得到拟牛顿法的迭代格式为:
(1-8)
3.Steffenson法
如果用
代替
,则得到拟牛顿法的迭代格式为:
(1-9)
二、算法分析
1.割线法
割线法的迭代公式为:
k=0,1,2,…
割线法是超线性收敛,其程序流程图为:
2.拟牛顿法
牛顿拟迭代法迭代公式为:
(1)对单根条件下,牛顿拟迭代法平方收敛,牛顿拟迭代法程序框图如下所示:
(2)对重根条件下,此时迭代公式修改为:
m为根的重数
此时,牛顿迭代法至少平方收敛。
3.Steffenson法
Steffenson迭代法程序流程图与牛顿拟迭代法类似。
三、牛顿法的程序
给定初值
,用牛顿法格式
,
,求解非线性方程
。
*********************************************************************
function[p1,err,k,y]=newton(f1041,df1041,p0,delta,max1)
%f1041是非线性函数。
%df1041是f1041的微商。
%p0是初始值。
%delta是给定允许误差。
%max1是迭代的最大次数。
%p1是牛顿法求得的方程的近似解。
%err是p0的误差估计。
%k是迭代次数。
%y=f(p1)
p0,feval('f1041',p0)
fork=1:
max1
p1=p0-feval('f1041',p0)/feval('df1041',p0);
err=abs(p1-p0);
p0=p1;
p1,err,k,y=feval('f1041',p1)
if(errbreak,
end
p1,err,k,y=feval('f1041',p1)
end
*********************************************************************
四、程序实例与计算结果
例用上述程序求方程
的一个近似解,给定初值为,误差界为
。
解:
先用m文件先定义二个名为和的函数文件。
functiony=f1041(x)
y=x^3–3*x+2;
functiony=df1041(x)
y=3*x^2-3;
建立一个主程序
clear
newton('f1041','df1041',,10^(-6),18)
然后在MATLAB命令窗口运行上述主程序,即:
>>prog1041
计算结果如下:
p0=
ans=
p1=
err=
k=1
y=
p1=
err=
k=1
y=
p1=
err=
k=2
y=
p1=
err=
k=2
y=
p1=
err=
k=3
y=
p1=
err=
k=3
y=
p1=
err=
k=4
y=
p1=
err=
k=4
y=
p1=
err=
k=5
y=
p1=
err=
k=5
y=
p1=
err=
k=6
y=
p1=
err=
k=6
y=
p1=
err=
k=7
y=
p1=
err=
k=7
y=
p1=
err=
k=8
y=
p1=
err=
k=8
y=
p1=
err=
k=9
y=
p1=
err=
k=9
y=
p1=
err=
k=10
y=
p1=
err=
k=10
y=
p1=
err=
k=11
y=
p1=
err=
k=11
y=
p1=
err=
k=12
y=
p1=
err=
k=12
y=
p1=
err=
k=13
y=
p1=
err=
k=13
y=
p1=
err=
k=14
y=
p1=
err=
k=14
y=
p1=
err=
k=15
y=
p1=
err=
k=15
y=
p1=
err=
k=16
y=
p1=
err=
k=16
y=
p1=
err=
k=17
y=
p1=
err=
k=17
y=
p1=
err=
k=18
y=
ans=
这说明,经过18次迭代得到满足精度要求的值。
以下是程序运行截图: