非线性方程数值解法及其应用
摘要:数值计算方法主要研究如何运用计算机去获得数学问题的数值解的理论和算法。
本文主要介绍非线性方程的数值解法以及它在各个领域的应用。是直接从方程出发，逐步缩小根的存在区间，或逐步将根的近似值精确化，直到满足问题对精度的要求。我将从二分法、Steffensen 加速收敛法、Newton 迭代法、弦截法来分析非线性方程的解法及应用。
关键字：非线性方程;二分法；Steffensen 加速收敛法；代数Newton 法；弦截法
一、前言
随着科技技术的飞速发展，科学计算越来越显示出其重要性。科学计算的应用之广已遍及各行各业，例如气象资料的分析图像，飞机、汽车及轮船的外形设计，高科技研究等都离不开科学计算。因此经常需要求非线性方程 f(x) = O 的根。方程f(x) = O 的根叫做函数f(x)的零点。由连续函数的特性知：若f(x)在闭区间[a ，b]上连续，且f(a)·f(b) 3 -+=x x x f 在区间[1.2]的根的数值解法进行分析，介绍了非线性方程数值解法的四种方法，从而得到在实际问题中遇到非线性方程根的求解问题的解决方法。 二、非线性方程的数值解法 1、二分法 二分法的基本思想是将方程根的区间平分为两个小区间，把有根的小区间再平分为两个更小的区间，进一步考察根在哪个更小的区间内。如此继续下去，直到求出满足精度要求的近似值。 设函数f(x)在区间[a,b]上连续，且f(a)·f(b) 在区间，设其内有一实根，记为* x 。取区间[a,b]的中点)(2 1 b a x k += ，并计算)(1x f ，则必有下列三种情况之一成立： (1))(1x f = O,1x 就是方程的根* x ； (2)f(a)·f(1x ) 在(2)、(3)两种情况下，取)(2 1 112b a x += ，并计算)(2x f ，重复上述过程，就可逐次把区间缩短一半，且始终包含根根* x 。当经过k 次二分后，根* x 所在的区间],[k k b a 的长度为 k k k a b a b 2-= -。 若取有根区间的中点i k k k y b a x )(2 1 1+= +作为根的近似值，则在二分过程中，可以获得一个近似根序列}{1+k x ，该序列必以根* x 为极限。在实际计算时，不可能完成这种无穷过程，其实也没有这种必要。由于 1*12 2++-=-≤ -k k k k a b a b x x 所以，只要二分足够次(即k 足够大)，便有ε<-+* 1x x k 。这里ε为事先给定的精度，再注 意到2 * 1k k k a b x x -≤ -+，所以，在实际计算时，只要某个有限区间的长度小于ε，就可以停止计算，并取该有限区间的中点作为根* x 的近似值。 二分法的优点是算法简单及近似根序列一定收敛，缺点是收敛速度比较慢。 2、Steffensen 加速收敛法 如图所示，由(),()n n n n n n n n y x z y P ??==可得（x ,y ）,Q(y ,z )两点，连接PQ 弦有方程： ()n n n n n n z y y y x x y x --= -- 令y=x,可得11(,)n n n R x x ++点，有解式：2 1()2n n n n n n n y x x x x z y x +-==--+ 3、代数Newton 法 n x 1n x + 0 *x n y ()y x ?= (,)n n P x y 11(,)n n n R x x ++ (,) n n Q y z y=x ) 0(0 )(0110≠=+???++=-a a x a x a x f n n n 设n 次代数方程 用Newton 迭代法求有限区间的实根，则要计算，一般采用秦九韶算法。由Taylor 展式 比较x 的同次幂系数得： )2(! )()(...!2)()()()( ) 1() ()()(! ) ()(...! 2) ()()()()()() (1' )(2 'n x f x x x f x x x f x Q x Q x x x f n x f x x x f x x x f x x x f x f n n n n n n n n n n n n n n n n n n --++''-+=-+=-++''-+-+=其中);) (1)()1(n n x f x Q n x f x x 余式为次多项式，得商为）去除式表示，用（--) 3()() ()()(),()(2121 10' '---+???++=-=n n n n n n n b x b x b x Q x Q x x x f x f x Q 的余式，令除以为且）式知，由（n n n n n n n n n a x a x a x a b x b x b x x x f x f ++++=+???++-+=-----11 1012110...] )[()()(1)3(）式得 式代入（) ,...,2,1() (100n k x x f b b a b a b x n n n k k k =???? ???=+==-的同次幂系数得 比较等式两边) ()()()()('x R x x x f x Q x Q x x n n n -+=-有取除以用) 4()(2 3120---+???++=n n n c x c x c x R 令 1 2211023120...] )[()()()3()4(-------++++=+???++-+'=n n n n n n n n n b x b x b x b c x c x c x x x f x Q 式得 式代入0 0? ?=b c 则得出代数Newton 的公式: 4、弦截法 代数Newton 虽然收敛速度快，但需要计算导数)('x f ，如果函数)(x f 比较复杂，就会带来一些不便。因此要考虑一种能避开导数运算的迭代公式。0 00) ()(lim )('0 x x x f x f x f x x --=→ 可以用平均变化率： 0) ()(x x x f x f --来近似代替)('0x f 。 在牛顿迭代公式中，用 0) ()(x x x f x f k k --来近似代替)('k x f ，就得到迭代公式 )() ()() (001x x x f x f x f x x k k k k k --- =+ 按这个公式进行迭代计算的方法就称为弦截法。弦截法的收敛速度比牛顿法慢得多，为了加快收敛速度，改用差商 1 1) (')('----k k k k x x x f x f 来代替牛顿迭代公式中的导数)('k x f ，于是得到 下列快速弦截法的迭代公式)() ()() (111--+--- =k k k k k k k x x x f x f x f x x ,...)2,1(=k 因为在计算1+k x 时，用了前面两步的信息k x 和1-k x ，所以收敛速度就提高了。应该注意，在使用快速弦截法迭代公式时，必须先给出两个初始近似根0x 和1x 。弦截法的优点是收敛速度也相当快。 三、非线性方程数值解法的MATLAB 实现 1、二分法 （1）MATLAB 程序： ,...) 2,1(1 1=- =-+n c b x x n n n n （2）二分法的MATLAB 实现及分析： 用二分法计算522)(2 3 -+=x x x f 在区间[1,2]上的根。因为二分法只能求单根，首先搜索函数在区间[1.2]的根的情况。在MATLAB 命令窗口输入程序： x=1:0.01:2; y=2*x.^3+2*x.^2-5; plot( x,y) 得到图1。从图1中可以得到函数在区间[1，2]间有唯一的一个大于1.35而小于1.4的单根。建立函数的程序function f=f(x);f=2*x^3+2*x^2-5;在命令窗口输入erfen(‘f' ,1,2,0.0001)，得到结果x=1.0929。 图1 （3）二分法的手算： 522)(23-+=x x x f ，因为0)2(,0)1(> 的求解过程： k a b 2 b a x += f(x)的符号 1 1.00000 2.0000 1.5000 + 2 1.00000 1.5000 1.2500 + 3 1.00000 1.2500 1.125 + 4 1.00000 1.1250 1.062 5 — 5 1.06250 1.1250 1.09375 + 6 1.06250 1.09375 1.078125 — 7 1.078125 1.09375 1.0859375 — 8 1.0859375 1.09375 1.08984375 — 9 1.08984375 1.09375 1.091796875 — 10 1.091796875 1.09375 1.092773438 — 11 1.092773438 1.09375 1.093261719 + 12 1.092773438 1.093261719 1.093017579 + 13 1.092773438 1.093017579 1.092895509 — 14 1.092895509 1.093017579 1.092956544 + 15 1.092895509 1.092956544 1.092926027 — 2、Steffensen 加速收敛法 （1）Steffensen 加速收敛法MATLAB 程序: （2）Steffensen 加速收敛法的MATLAB 实现及分析 用Steffensen 加速收敛法计算522)(2 3-+=x x x f 在区间[1,2]上的根,精度00001.0=ε， 编写函数程序：function f=f(x);f=2*x^3+2*x^2-5;在命令窗口输入：steff(‘f ’,1.5,0.00001,20)，得结果x=1.0929. (3)Steffensen 加速收敛法的手算： 令f(x)=0,得325.2)(x x -=?，由)(),(n n n n y z x y ??==，有 n n n n n n n x y z x y x x +--- =+2)(2 1。于是有以下手算过程： n n x n y n z 0 1.5 0.629960524 1.281219081 1 1.002419435 1.143480508 1.060425938 2 1.091204172 1.093981861 1.092288682 3 1.092929912 1.092931036 1.092930351 4 1.092930398 3、代数Newton 法 （1）代数Newton 法的MATLAB 程序： (2)代数Newton 法的MATLAB 实现及分析 用代数牛顿法求方程522)(23-+=x x x f ，设初值依然为5.10=x ，精度为 00001.0=ε，首先编写程序:function f=f(x) f=2*x^3+4*x^2-10; 在命令窗口输入： x=daishuNewton(1,1.5,0.00001),得结果x=1.0929. （3）代数Newton 法的手算： 因为n n n n n n x x x x x x 465 222 2 3 1+-+-=+，所以有以下手算过程： 0x 1x 2x 3x 4x 1.5 1.1794487179 1.098036407 1.092949844 1.09293061 4、弦截法 (1)弦截法的MATLAB 程序: function root=Secant(f,a,b,eps) if(nargin==3) eps=1.0e-5; end f1=subs(sym(f),findsym(sym(f)),a); f2=subs(sym(f),findsym(sym(f)),b); if(f1==0) root=a; end if(f2==0) root=b; end if(f1*f2>0) disp; return; else tol=1; fa=subs(sym(f),findsym(sym(f)),a); fb=subs(sym(f),findsym(sym(f)),b); root=a-(b-a)*fa./(fb-fa); while (tol>eps) r1=root; fx=subs(sym(f),findsym(sym(f)),r1); s=fx*fa; if(s==0) root=r1; else if(s>0) root=b-(r1-b)*fb/(fx-fb); else root=a-(r1-a)*fa/(fx-fa); end end tol=abs(root-r1) end end (2)弦截法的MATLAB 实现及分析: 采用弦截法求方程522)(2 3 -+=x x x f 在区间[1,2]上的根。首先编写程序:function f=f(x) f=2*x^3+4*x^2-10; 在命令窗口输入：root=Secant(‘f ’,1,2,0.00001)，得结果x=1.0929. (3)弦截法的手算: )() ()(11 1n n n n n n n x f x f x f x x x x --+--- = ,...)2,1(=n 2,110==∴x x 取，可以得以下手算过 程： k 0 1 2 3 4 5 6 k x 1 2 1.05 1.073396733 1.093572817 1.092921498 1.092930127 )(k x f -1 19 -0.47957 -0.222145244 310413770614.7-? 4 10 0513822.1-?- 610624806.5-?- 四、四种方法的比较分析 当方程在[,]a b 上有唯一实根时二分法肯定是收敛，程序简单，且易于估计误差的大小。但它的缺点是不能求方程具有偶重根和复根。从计算结果可以看出，Steffensen 加速收 敛法、代数Newton 法、弦截法的结果都比之前的二分法要精确。Steffensen 加速收敛法的收敛速度是最快的，最慢的是二分法。从整体上看，Steffensen 加速收敛法的方法最快有比较精确，Steffensen 加速收敛法相对其他方法是最好的方法。Stefensen 加速收敛法：优点是不收敛的迭代函数一般经加速后也能获得收敛，加速效果较为明显；缺点是要先将其变形，在使用时不方便。代数Newton 法：优点是加速效果明显，同样可使不收敛的迭代格式获得收敛，速度快；缺点是这种方法至少要是二阶收敛的，而在重根附近是线性收敛的且重根收敛速度较慢，当选取 0x 时要选在某根的附近时才能收敛到这个根，有时会发生一个根跳向另 一个根附近的情况。 五、总结 在实际工程应用或者“计算方法”课程的学习中，往往会遇到大量的非线性方程的求解。在理论上有解而又无法用手工计算的数学问题，在科学研究和工程技术中都要用到各种计算方法。例如在地质勘探、汽车制造、桥梁设计、天气预报和汉字设计中都有计算方法的踪影。通过对非线性方程的数值解法的分析得知：非线性方程的数值解法是直接从方程出发，逐步缩小根的存在区间，或逐步将根的近似值精确化，直到满足问题对精度的要求。因此对于非线性方程的数值解法具有相当强的实际意义。 六、参考文献 [1] 刘玲，王正盛. 数值计算方法[M].科学出版社，2010. [2] 李庆扬，关治，白峰杉. 数值计算原理[M].清华大学出版社，2000. [3] 孙璐. 基于非线性方程的典型数值解法的研究与分析[J].科技资讯，2009. [4] 卢翼飞. 非线性方程几种数值解法的MATLAB 程序[J]. 岳阳职业技术学院学报，2008. 非线性方程数值解法及其应用 摘要:数值计算方法主要研究如何运用计算机去获得数学问题的数值解的理论和算法。 本文主要介绍非线性方程的数值解法以及它在各个领域的应用。是直接从方程出发，逐步缩小根的存在区间，或逐步将根的近似值精确化，直到满足问题对精度的要求。我将从二分法、Steffensen 加速收敛法、Newton 迭代法、弦截法来分析非线性方程的解法及应用。 关键字：非线性方程;二分法；Steffensen 加速收敛法；代数Newton 法；弦截法 一、前言 随着科技技术的飞速发展，科学计算越来越显示出其重要性。科学计算的应用之广已遍及各行各业，例如气象资料的分析图像，飞机、汽车及轮船的外形设计，高科技研究等都离不开科学计算。因此经常需要求非线性方程 f(x) = O 的根。方程f(x) = O 的根叫做函数f(x)的零点。由连续函数的特性知：若f(x)在闭区间[a ，b]上连续，且f(a)·f(b) 20世纪60年代中期以后，发展了两种求解非线性方程组(1)的新方法。一种称为区间迭代法或称区间牛顿法，它用区间变量代替点变量进行区间迭代，每迭代一步都可判断在所给区间解的存在惟一性或者是无解。这是区间迭代法的主要优点，其缺点是计算量大。另一种方法称为不动点算法或称单纯形法，它对求解域进行单纯形剖分，对剖分的顶点给一种恰当标号，并用一种有规则的搜索方法找到全标号单纯形,从而得到方程(1)的近似解。这种方法优点是，不要求f(□)的导数存在,也不用求逆，且具有大范围收敛性，缺点是计算量大 编辑摘要 目录 ? 1 正文 ? 2 牛顿法及其变形 ? 3 割线法 ? 4 布朗方法 ? 5 拟牛顿法 ? n个变量n个方程(n >1)的方程组表示为 (1) 式中?i(x1,x2,…,x n)是定义在n维欧氏空间R n的开域D上的实函数。若?i中至少有一个非 线性函数，则称(1)为非线性方程组。在R n中记?＝ 则(1)简写为?(尣)=0。若存在尣*∈D，使?(尣*)＝0，则称尣*为非线性方程组的解。方程组(1)可能有一个解或多个解，也可能有无穷多解或无解。对非线性方程组解的存在性的研究远不如线性方程组那样成熟，现有的解法也不象线性方程组那样有效。除极特殊的方程外，一般不能用直接方法求得精确解，目前主要采用迭代法求近似解。根据不同思想构造收敛于解尣*的迭代序列{尣k}(k=0，1，…)，即可得到求解非线性方程组的各种迭代法，其中最著名的是牛顿法。 牛顿法基本思想是将非线性问题逐步线性化而形成如下迭代程序： (2) 式中 是?(尣k)的雅可比矩阵,尣0是方程(1)的解尣*的初始近似。 这个程序至少具有2阶收敛速度。由尣k算到尣k+的步骤为:①由尣k算出?(尣k)及 ;②用直接法求线性方程组的解Δ尣k；③求 。 由此看到迭代一次需计算n个分量函数值和n2个分量偏导数值，并求解一次n阶线性方程组。 为了评价非线性方程组不同迭代法的优劣，通常用效率作为衡量标准,其中P为迭 代法的收敛阶,W为每迭代步计算函数值?i及偏导数值的总个数（每迭代步中求一次逆的工作量相同,均不算在W 内）。效率e越大表示此迭代法花费代价越小,根据效率定义， 牛顿法(2)的效率为。 牛顿法有很多变形,如当奇异或严重病态时，可引进阻尼因子λk，得到阻尼牛顿法，即 线性方程组的解法 1 引言 在科学研究和大型工程设计中出现了越来越多的数学问题，而这些问题往往需要求数值解。在进行数值求解时，经离散后，常常归结为求解形如Ax= b的大型线性方程组。而如插值公式，拟合公式等的建立，微分方程差分格式的构造等，均可归结为求解线性方程组的问题．在工程技术的科学计算中，线性方程组的求解也是最基本的工作之一．因此，线性方程组的解法一直是科学和工程计算中研究最为普遍的问题，它在数值分析中占有极其重要的地位。20世纪50年代至70年代，由于电子计算机的发展，人们开始考虑和研究在计算机上用迭代法求线性方程组Ax =b的近似解，用某种极限过程去逐渐逼近精确解，并发展了许多非常有效的迭代方法，迭代法具有需要计算机存储单元少、程序设计简单、原始系数矩阵在计算过程中始终不变等优点。例如Jacobi方法、Gauss—Seidel 方法、SOR方法、SSOR 方法，这几种迭代方法是最常用的一阶线性定常迭代法。 2 主要算法 20世纪50年代至70年代，人们开始考虑和研究用迭代法求解线性方程组。 Ax = b (1) 的近似解，发展了许多有效的方法，其中有Jacobi方法、Gauss—Seidel方法，SOR方法、SSOR方法，这几种迭代方法均属一阶线性定常迭代法，即若系数矩阵A的一个分裂：A =M-N ；M 为可逆矩阵，线性方程组(1)化为： (M－N)X =b； →M X = NX + b； →X= M -1NX+ M-1b 得到迭代方法的一般公式： X（k+1）=HX（k）+d （2） 其中：H =MN-1，d=M-1b，对任意初始向量X（0） 一阶定常迭代法收敛的充分必要条件是: 迭代矩H的谱半径小于1，即ρ(H) < 1；又因为对于任何矩阵范数恒有ρ(H)≤‖H‖，故又可得到收敛的一个充分条件为：‖H‖< 1。 2.1 Jacobi迭代法 若D为A的对角素构成的对角矩阵，且对角线元素全不为零。系数矩阵A的一个分解：A = 非线性方程组数值解法 n个变量n个方程(n >1)的方程组表示为 (1) 式中?i(x1,x2,…,x n)是定义在n维欧氏空间R n的开域D上的实函数。若?i中至少有一个非 线性函数，则称(1)为非线性方程组。在R n中记?＝ 则(1)简写为?(尣)=0。若存在尣*∈D，使?(尣*)＝0，则称尣*为非线性方程组的解。方程组(1)可能有一个解或多个解，也可能有无穷多解或无解。对非线性方程组解的存在性的研究远不如线性方程组那样成熟，现有的解法也不象线性方程组那样有效。除极特殊的方程外，一般不能用直接方法求得精确解，目前主要采用迭代法求近似解。根据不同思想构造收敛于解尣*的迭代序列{尣k}(k=0，1，…)，即可得到求解非线性方程组的各种迭代法，其中最著名的是牛顿法。 牛顿法及其变形牛顿法基本思想是将非线性问题逐步线性化而形成如下迭代程序： (2) 式中 是?(尣k)的雅可比矩阵,尣0是方程(1)的解尣*的初始近似。 这个程序至少具有2阶收敛速度。由尣k算到尣k+的步骤为:①由尣k算出?(尣k)及 ;②用直接法求线性方程组的解Δ尣k；③求 。 由此看到迭代一次需计算n个分量函数值和n2个分量偏导数值，并求解一次n阶线性方程组。 为了评价非线性方程组不同迭代法的优劣，通常用效率作为衡量标准,其中P 为迭代法的收敛阶,W为每迭代步计算函数值?i及偏导数值的总个数（每迭代步中求一次逆的工作量相同,均不算在W内）。效率e越大表示此迭代法花费代价越小,根据效率定 义，牛顿法(2)的效率为。 牛顿法有很多变形,如当奇异或严重病态时，可引进阻尼因子λk，得到阻尼牛顿法，即 M a a b求解线性方程组非 线性方程组 The latest revision on November 22, 2020 求解线性方程组solve，linsolve例：A=[5 0 4 2;1 -1 2 1;4 1 2 0;1 1 1 1];%矩阵的行之间用分号隔开，元素之间用逗号或空格B=[3;1;1;0]X=zeros(4,1);%建立一个4元列向量 X=linsolve(A,B)diff（fun，var，n）：对表达式fun中的变量var求n阶导数。 例如：F=sym（'u(x,y)*v(x,y)'）; %sym（）用来定义一个符号表达式diff(F); %matlab区分大小写pretty(ans) %pretty（）：用习惯书写方式显示变量；ans是答案表达式 非线性方程求解 fsolve(fun,x0,options) 其中fun为待解方程或方程组的文件名； x0位求解方程的初始向量或矩阵； option为设置命令参数 建立文件： function y=fun(x) y=[x(1)*sin(x(1))*cos(x(2)), ... x(2) - *cos(x(1))+*sin(x(2))]; >>clear;x0=[,];fsolve(@fun,x0,optimset('fsolve'))注：...为续行符m文件必须以function 为文件头，调用符为@；文件名必须与定义的函数名相同；fsolve（）主要求解复杂非线性方程和方程组，求解过程是一个逼近过程。 Matlab求解线性方程组AX=B或XA=B在MATLAB中，求解线性方程组时，主要采用前面章节介绍的除法运算符“/”和“\”。如：X=A\B表示求矩阵方程AX＝B的解；X＝B/A表示矩阵方程XA=B 的解。对方程组X＝A\B，要求A和B用相同的行数，X和B有相同的列数，它的行数等于矩阵A 的列数，方程X＝B/A同理。 如果矩阵A不是方阵，其维数是m×n，则有：m＝n 恰定方程，求解精确解；m>n 超定方程，寻求最小二乘解；m 线性方程组的解法及其应用 The solution of linear equation and its application 专业：测控技术与仪器 班级： 2010-1班 作者：刘颖 学号： 20100310110105 摘要 线性方程组是线性代数的一个重要组成部分，也在现实生产生活中有着广泛的运用，在电子工程、软件开发、人员管理、交通运输等领域都起着重要的作用。在一些学科领域的研究中，线性方程组也有着不可撼动的辅助性作用，在实验和调查后期利用线性方程组对大量的数据进行处理是很方便简捷的选择。本文主要围绕如何解线性方程组来进行讲解，对于不同类型的线性方程组的不同方法，并简述线性方程组的一些实际应用。 关键词： 齐次线性方程组，非齐次线性方程组，克莱姆法则，消元法，矩阵，矩阵的秩，特解，通解。 Abstract Linear equations linear algebra is one of the important component parts, and in real life has extensive production use，and it plays an important role in electronic engineering, software development, personnel management, transportation, etc. In some discipline study, it also has the reigns of linear equations of the auxiliary function.In experiment and survey using the linear equations of the late on the data processing is very convenient simple choice. This article, focusing on how to solve linear equations to explain, for different types of linear equations of different methods, and briefly introduces some of the practical application of linear equations. Keywords: Homogeneous linear equations, Non homogeneous linear equation,Clem’s law,Elimination method,Matrix,Rank of matrix,Special solution,General solution. 非线性方程组的求解 摘要：非线性方程组求解是数学教学中，数值分析课程的一个重要组成部分，作为一门学科，其研究对象是非线性方程组。求解非线性方程组主要有两种方法：一种是传统的数学方法，如牛顿法、梯度法、共轭方向法、混沌法、BFGS 法、单纯形法等。传统数值方法的优点是计算精度高，缺点是对初始迭代值具有敏感性，同时传统数值方法还会遇到计算函数的导数和矩阵求逆的问题，对于某些导数不存在或是导数难求的方程，传统数值方法具有一定局限性。另一种方法是进化算法，如遗传算法、粒子群算法、人工鱼群算法、差分进化算法等。进化算法的优点是对函数本身没有要求，不需求导，计算速度快，但是精度不高。 关键字：非线性方程组、牛顿法、BFGS 法、记忆梯度法、Memetic 算法 1： 三种牛顿法：Newton 法、简化Newton 法、修改的Newton 法【1-3】 求解非线性方程组的Newton 法是一个最基本而且十分重要的方法, 目前使用的很多有效的迭代法都是以Newton 法为基础, 或由它派生而来。 n 个变量n 个方程的非线性方程组, 其一般形式如下: ???????===0),...,(... 0),...,(0),...,(21212211n n n n x x x f x x x f x x x f （1） 式(1)中,),...,(21n i x x x f ( i=1, ?, n) 是定义在n 维Euclid 空间Rn 中开域 D 上 的实值函数。若用向量记号，令： ????????????=n x x x ...X 21,????????????=??????????????====)(...)()(0),...,(...0),..,(0)...,()(2121212,211X f X f X f x x x f x x x f x x x f X F n n n n n 目录 摘要................................................................................... I Abstract. ............................................................................. II 第一章绪论............................................................................ I 1.1引言 (1) 1.2线性方程组解的求解方法的研究现状 (1) 1.3本文对线性方程组解法的研究结构 (1) 第二章线性方程组理论基础 (2) 2.1 线性方程组概念 (2) 2.2 线性方程组的解的情况分析 (2) 2.3 齐次线性方程组解的结构 (4) 2.4非齐次线性方程组解的结构 (4) 第三章线性方程组的数值解 (5) 3.1 迭代法 (5) 3.1.1 Jacobi方法 (6) 3.2.2 高斯-赛德尔方法 (8) 第四章全文总结和展望 (10) 4.1 全文总结 (10) 4.2 未来展望 (10) 参考文献 (11) 致谢................................................................. 错误！未定义书签。 线性方程组的求解方法 学生：指导教师： 摘要：本文在对线性方程组解的结构的研究背景与意义分析的基础上，对线性方程组的求解方法的研究现状进行了介绍，之后针对线性方程组展开了研究，包括线性方程组的概念、线性方程组的求解方法以及线性方程组的作用等，在对线性方程组有了全面的认识后，基于线性方程组解的结构展开了研究，包括线性方程组解的基本定理，齐次和非齐次线性方程组解的结构形式，以及齐次和非齐次线性方程组解的结构，我们用迭代法中最常用的Jacobi方法中的相似上三角矩阵定理和迭代法中的收敛性讨论线性方程组的数值解法，并用高斯-赛德尔方法进行验证。得到线性方程组的数值解的一般方法。最后，对全文进行了总结和展望。 关键词：线性方程组;数值解；迭代法；Jacobi方法；高斯-赛德尔方法 第2章线性方程组的直接解法 2.1实验目的 理解线性方程组计算机解法中的直接解法的求解过程和特点，学习科学计算的方法和简单的编程技术。 2.2概念与结论 1. n阶线性方程组 如果未知量的个数为 n ,而且关于这些未知量x1,x2, …,x n的幂次都是一次的(线性的)那末, n 个方程 a11x1+a12x2+ … +a1n x n=b1 ┆┆┆ (1) a n1x1+a n2x2+ … +a nn x n= b n 构成一个含n个未知量的线性方程组,称为n阶线性方程组。其中,系数a11,…,a1n,a21, …,a2n, …,a n1, …,a nn 和b1, …,b n都是给定的常数。 方程组(1)也常用矩阵的形式表示,写为 Ax=b 其中,A是由系数按次序排列构成的一个n阶矩阵,称为方程组的系数矩阵,x和b都是n维向量,b称为方程组的右端向量。 2. n阶线性方程组的解 使方程组(1)中每一个方程都成立的一组数x1*,x2*, …,x n*称为式(1)的解,把它记为向量的形式,称为解向量. 3.一些特殊的线性方程组 1) 上三角方程组 2) 三对角方程组 ? ? ? ? ? ? ? ? ? ? ? ? = ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? - - - - - n n nn n n n n n n n n b b b x x x a a a a a a a a a a a a 2 1 2 1 1 1 1 2 1 2 23 22 1 1 1 13 12 11 4.矩阵的Doolittle 分解 5.Doolittle 分解的紧凑格式 6．矩阵的Crout 分解 ????????? ? ??=?????????? ???????????? ? ?--n n n n n n d d d x x x b a c b c b a c b a c b 21 2111333 22211???? ?? ? ? ???????? ??=??????? ??nn n n n n nn n n n n u u u u u u l l l a a a a a a a a a 222 11211 2 1 21 2 1 2222111211111 ???? ?? ? ? ???????? ??=??????? ??11 1 21122 1 2221 11 2 1 2222111211 n n nn n n nn n n n n u u u l l l l l l a a a a a a a a a ????? ?? ? ??nn n n n n n n u l l l u u l l u u u l u u u u 3 2 1 333323122322211131211 线性方程组的几种解法 线性方程组形式如下： 常记为矩阵形式 其中 一、高斯消元法 高斯（Gauss)消元法的基本思想是：通过一系列的加减消元运算，也就是代数中的加减消去法，将方程组化为上三角矩阵；然后，再逐一回代求解出x 向量。现举例说明如下： （一）消元过程 第一步：将(1)/3使x 1的系数化为1 得 再将(2)、(3)式中x 1的系数都化为零，即由(2)-2×(1)(1) 得 )1(32)2( (03) 4 32=+x x )1(321)1(......23132=++ x x x 由(3)-4×(1)(1) 得 第二步：将(2)(1) 除以2/3，使x 2系数化为1，得 再将(3)(1) 式中x 2系数化为零，即 由(3)(1) -(-14/3)*(2)(2) ，得 第三步：将(3)(2) 除以18/3，使x 3系数化为1，得 经消元后，得到如下三角代数方程组： （二）回代过程 由(3)(3) 得 x 3=1, 将x 3代入(2)(2) 得x 2=-2, 将x 2 、x 3代入(1)(1) 得x 2=1 所以，本题解为[x]=[1,2,-1]T （三）、用矩阵演示进行消元过程 第一步： 先将方程写成增广矩阵的形式 第二步：然后对矩阵进行初等行变换 初等行变换包含如下操作 （1） 将某行同乘或同除一个非零实数 ) 3(3)3(......1-=x )2(3)3( (63) 18-=x ) 2(32) 2(......02=+x x ) 1(32)3( (63) 10 314-=-- x x （2）将某行加入到另一行 （3）将任意两行互换 第三步：将增广矩阵变换成上三角矩阵，即主对角线全为1，左下三角矩阵全为0，形式如下： 示例： （四）高斯消元的公式 综合以上讨论，不难看出，高斯消元法解方程组的公式为 1．消元 （1）令 a ij(1) = a ij , （i,j=1,2,3,…,n） b i(1) =b i , （i=1,2,3,…,n） （2）对k=1到n-1，若a kk(k)≠0，进行 l ik = a ik(k) / a kk(k) , （i=k+1,k+2,…,n） a ij(k+1) = a ij(k) - l ik * a kj(k), （i,j= k+1,k+2,…,n） b i(k+1) = b i(k) - l ik * b k(k), （i= k+1,k+2,…,n） 2．回代 若a nn(n) ≠0 x n = b n(n) / a nn(n) x i = (b i(i) – sgm(a ij(i) * x j)/- a ii(i),（i = n-1,n-2,…,1）,( j = i+1,i+2,…,n ) （五）高斯消元法的条件 消元过程要求a ii(i) ≠0 (i=1,2,…,n),回代过程则进一步要求a nn(n) ≠0,但就方程组Ax=b 讲，a ii(i)是否等于0时无法事先看出来的。 注意A的顺序主子式D i（i=1,2,…,n）,在消元的过程中不变，这是因为消元所作的变换是“将某行的若干倍加到另一行”。若高斯消元法的过程进行了k-1步(a ii(i) ≠0,i 第六章非线性方程组的迭代解法6.4 非线性方程组的数值解法 6.4.1 非线性方程组的不动点迭代法 6.4.2 非线性方程组的Newton法 6.4.3非线性方程组的Newton法 第六章非线性方程组的迭代解法 T n x f x f x f x F )) (),(),(()(21L =设含有n 个未知数的n 个方程的非线性方程组为 (6,4,1)其中为n 维列向量， 0)(=x F T n x x x x ),,(21L =6.4.1 非线性方程组的不动点迭代法 ),,2,1)((n i x f i L =中至少有一个是x 的非线性函数， 并假设自变量和函数值都是实数。多元非线性方程组 (6.4.1)与一元非线性方程f(x)=0具有相同的形式，可以与一元非线性方程并行地讨论它的迭代解法。例如不动点迭代法和Newton 型迭代法。但是，这里某些定理的证明较为复杂，我们将略去其证明。 第六章非线性方程组的迭代解法 T n x x x x x )) (,),(),(()(21???L =Φ=(6.4.2) 并构造不动点迭代法 L ,1,0),()()1(=Φ=+k x x k k (6.4.3) 把方程组(6.4.1)改写成下面便于迭代的等价形式： 的解。是方程组 从而的不动点，是迭代函数即满足连续函数.则的是自变量 是连续的,即且收敛， 若由此生成的序列对于给定的初始点)1.4.6()(),(,,,)(,),(),()(,*****2121)0(x x x x x x x x x x x x x x n n φφ???φ=L K {}k x *)(lim x x k k =∞ → 数值分析讲义 第三章线性方程组的解法 §3.0 引言 §3.1 雅可比(Jacobi)迭代法 §3.2 高斯-塞德尔(Gauss-Seidel)迭代法 §3.3 超松驰迭代法§3.7 三角分解法 §3.4 迭代法的收敛性§3.8 追赶法 §3.5 高斯消去法§3.9 其它应用 §3.6 高斯主元素消去法§3.10 误差分析 §3 作业讲评3 §3.11 总结 §3.0 引言 重要性：解线性代数方程组的有效方法在计算数学和科学计算中具有特殊的地位和作用.如弹性力学、电路分析、热传导和振动、以及社会科学及定量分析商业经济中的各种问题. 分类：线性方程组的解法可分为直接法和迭代法两种方法. (a) 直接法：对于给定的方程组，在没有舍入误差的假设下，能在预定的运算次数内求得精确解.最基本的直接法是Gauss消去法，重要的直接法全都受到Gauss消去法的启发.计算代价高. (b) 迭代法：基于一定的递推格式，产生逼近方程组精确解的近似序列.收敛性是其为迭代法的前提，此外，存在收敛速度与误差估计问题.简单实用,诱人. §3.1 雅可比Jacobi 迭代法 (AX =b ) 1 基本思想: 与解f (x )=0 的不动点迭代相类似,将AX =b 改写为X =BX +f 的形式,建立雅可比方法的迭代格式：X k +1=BX (k )+f ,其中，B 称为迭代矩阵.其计算精度可控,特别适用于求解系数为大型稀疏矩阵(sparse matrices)的方程组. 2 问题: (a) 如何建立迭代格式？ (b) 向量序列{X k }是否收敛以及收敛条件? 3 例题分析: 考虑解方程组??? ??=+--=-+-=--2.453.82102 .72103 21321321x x x x x x x x x (1) 其准确解为X *={1, 1.2, 1.3}. 建立与式(1)相等价的形式： ??? ??++=++=++=84.02.01.083.02.01.072 .02.01.02 13312321x x x x x x x x x (2) 据此建立迭代公式： ?????++=++=++=+++84 .02.01.083.02.01.072.02.01.0)(2)(1)1(3 )(3 )(1)1(23)(2)1(1k k k k k k k k k x x x x x x x x x (3) 取迭代初值0) 0(3 )0(2)0(1===x x x ,迭代结果如下表. JocabiMethodP31.cpp 非线性方程的数值解法 《计算方法》 期末论文 论文题目非线性方程的数值解法 学院 专业 班级 姓名 学号 指导教师 日期 目录 摘要 第1 章绪论 1.1 问题的提出和研究目的和意义 1.2 国内外相关研究综述 1.3 论文的结构与研究方法 第2 章非线性方程的数值解法 2.1 二分法 2.2 迭代法 2.3 迭代法的局部收敛性及收敛的阶 2.4 牛顿迭代法 2.5 牛顿法的改进 2.6 插值 摘要 数值计算方法，是一种研究解决数学问题的数值近似解方法，它的计算对象是那些。 在理论上有解而又无法用手工计算的数学问题。在科学研究和工程技术中都要用到各种计算方法。例如 在地质勘探、汽车制造、桥梁设计、天气预报和汉字设计中都有计算方法的踪影。本文讨论了非线 性方程的数值解法：非线性方程的二分法、迭代法原理、牛顿迭代法，迭代法的收敛性条件及适合非线性方程的插值法等等。 第1 章绪论 可以证明插值多项式L (x) n 存在并唯一。拉格朗日插值多项式的算法 step1.输入 插值节点控制数n 插值点序列 i i x , y i=0,1,…,n 要计算的函数点x。step2. FOR i =0,1,…,n i 制拉格朗日基函数序列问题的提出和研究目的和意义非线性方程的问题在工程实践中有很多用途 研究其数值解法是当前一个研究方向。目前已有相当一部分算法在广泛使用于工程实践中。非线性方程组和无约束最优化的数值解法 一直是数值优化领域中热门的研究课题。本文对传统的方法进行改进和提出新的算法 该算法不仅有重要的论价值，而且有很高的实用价值。例如在天体力学中，有如下Kepler 开普勒方程 x-t- sin x=0,0< <1,其中t 表示时间 x 表示弧度，行星运动的轨道x 是t 的函数。也就是说，对每个时刻i t 上述方程有唯一解i x ，运动轨道位置。 国内外相关研究综述随着科学技术的高速发展和计算机的广泛应用 求解形如F(x)=0 的非线性方程组问题越来越多的被提出来了 其中F 是的连续可微函数。例如非线性有限元问题、非线性断裂问题、弹塑性问题、电路问题、电子系统计算以及经济与非线性规划问题等都可转化为非线性方程组的求解问题。只要包含有未知函数及其导函数的非线性项的微分方程，无论是用差分方法或有限元方法，离散化 求线性方程组的方法 摘要：线性方程组是线性代数的一个重要组成部分，也在现实生活中有着广泛的运用，在电子工程、软件开发、人员管理、交通运输等领域都起着重要作用。在一些学科领域的研究中，线性方程组也有着不可撼动的辅助性作用，在实验和调查后期利用线性方程组对大量的数据处理是很方便简洁的选择。本文主要围绕如何解线性方程组来进行讲解，对于不同类型的线性方程组的不同方法，并简述线性方程组的一些实际应用。 关键词：齐次线性方程组，非齐次线性方程组，克莱姆法则，消元法，矩阵，矩阵的秩，特解，通解。 英文题目 The solution of linear equation Linear equations linear algebra is one of the important component parts, and in real life has extensive production use，and it plays an important role in electronic engineering, software development, personnel management, transportation, etc. In some discipline study, it also has the reigns of linear equations of the auxiliary function.In experiment and survey using the linear equations of the late on the data processing is very convenient simple choice. 三元线性方程组的几何解法 任春丽，王金金 (西安电子科技人学理学院数学系，陕西酋安710071 ) 线性方程组是线性代数中重要的内容，其解的结构在线性代数课程中已通过向量及矩阵理论讨论的非常清楚，但在教材中很少提及几何意义.由于三元线性方程表示空间屮的平而，因此，通过平面图形Z间的位置关系求解线性方程组，不仅形象、直观，而且为从三维空间抽象的代数问题推广到n维空间更定了基础°文献[2] 丿IJ矩阵 的秩判别了空间屮平面、直线之间的位證关系；相反的，本文利用空间中平而、肓线之间的位宜关系讨论了三元线性方程组解的情况，并举例说明。 1.两个方程的三元线性方程组 设方程组(I)： [仲+恥+C"。-街俩个平面) A2X +B2y + C2z = D2—兀2 讨论：令e=4，d，G，o)(心1,2), %=Q,B,C)(i = l,2) ⑴若wa，即牛鲁咱唔‘则 眄与龙2重合，方程组(I)有无穷多解； (2)若n.//n2i a^a29即4 =邑』』, 1 2 1 2 码场C? D2则眄与?平行但不重合，方程组(I )无解； (3)若讥叫，则陌与幻相交，方程纨I)有无穷多解，其解为相交直线上的所有点。 例1求解下列线性方程组 3兀 + 6y — 3z = 8 fx + 2y-z = 7 (1){ : (2){ ?一兀一 2y + z = 3 [-2x + y + z = 4 解⑴因为—7^-,所以两个平 -1-213 血平行但不重合，故方程组无解； (2)因为阿x〃2 =(1，2,T)x(一2,1,1) = (3丄5) H 0, 所以两个平面相交于H线L,故方程组有无穷多 解。又点(1,4,2)在L上，故直线L的参数方程x = 1 + 3f, 为：」= 4+r,即是方程组的通解。 z = 2 + 5/. 2.三个方程的三元线性方程组 设方程组(II)： A}x + + Gz = °―兀、 < A2x + B2y + C2z = D2—兀2(三个平面) A.x + B,y^C.z = D. 一心 讨论:令q=Q，d，G，q)(i = l,2,3), n,=(4.,B/,C/)(i = l,2,3)o (1)若= 1,2,3)中至少有两个平行，则至 少有两个平面重合，其解的讨论同第1 H； (2)若? (/ = 1,2,3)屮至少有两个平行，但相应的乞?加勺(心力，则至少冇两个平面平行但 不重合，方程组(II)无解； (3)若?加? (心/),则三个平面两两相交， 方程组(II)可能有解，也可能无解。进一步：求 x = x Q + mt, ! IW与兀2的交线L的参数式方程:\y = y o+ntf z = 5 + pt. 如果厶〃龙3，但点(兀O，y°，Zo)不在龙3上，则 线性方程组解法综述 Prepared on 22 November 2020 线性方程组解法的研究综述 摘要：这篇论文在说明了线性方程组的应用目的的基础上，提出了线性方程组求解的研究现状，并列举了常用的求解方法，同时说明了它们的应用条件，剖析了各种方法的不足之处。 关键词高斯消元迭代病态方程组 一、问题提出 在自然科学和工程实际应用中，有许多问题的求解最终都转化为线性方程组的求解问题。例如,电学中的网络问题，曲线拟合中常用的最小二乘法、样条函数插值、解非线性方程组、求解偏微分方程的差分法、有限元法和边界元法以及目前工程实践中普遍存在的反演问题等。特别是在图像恢复、模型参数估计、解卷积、带限信号外推、地震勘探等众多领域，都需要求解线性方程组。 由于线性方程组问题在理论上的重要性和在工程实际应用中的大量存在，多年来人们在这方面做了广泛深入的研究和探讨，并取得了许多有价值的成果.由于模型误差、测量误差、计算误差等各种误差的存在，常常使得线性方程组中的系数矩阵和非齐次项信息具有某种程度的近似性(即扰动性)，这种近似性显然会使得线性方程组的求解不容易得到真实的理论解。此时，不同的求解方法由于运算机理不一样，求解过程中误差积累程度就不一样，因此必然会使得不同的求解方法得到的解具有不同的逼近真解的误差程度，尤其对具有病态性的方程组而言，由于病态线性方程组的条件数很大，数据误差以及计算过程中引入的舍入误差往往会使线性方程组的解不稳定，即不管原始数据的误差多么小，都可能造成解的很大变化，使线性方程组的解严重失真。因此，许多现有的方 法都是无效的，病态线性方程组的求解变得相当困难。求解线性方程组的最常用的方法主要有直接法和迭代法两大类，其中直接法中最常用的方法是高斯消元法。但是，该方法求解病态线性方程组时不能得到合理的解，误差很大。 二、研究现状 目前关于线性方程组的数值解法一般有两大类。一类是直接方法，另一类是迭代方法。直接方法最基本的是高斯消元法及其变形，这类方法是解低阶稠密矩阵方程组的有效方法，近十几年来直接法在求解具有较大型稀疏矩阵方程组方面取得了较大进展。迭代法就是用某种迭代过程去逐步逼近线性方程组的精确解，迭代法具有需要计算机的存储单元较少，程序设计简单，原始系数矩阵在计算过程中始终不变等优点，但存在收敛性及收敛速度问题。迭代法是解大型稀疏矩阵方程组的重要方法。当前对迭代算法的研究已经较为成熟，但如何使之适合新体系模型，以获得更好的性能加速一直是应用和体系设计者关心的问题。 三、常用方法比较 1.直接方法 直接方法是指假设计算过程中不产生舍入误差，经过有限次运算可求得方程组的精确解的方法。事实上，由于舍入误差的存在，用直接法一般也只能求得方程组的近似解。直接方法中主要有三种方法：克拉默法则、高斯消元法、LU 分解法。 （1）克拉默法则 设有线性方程组（ n 个未知数 n 个方程） 非线性方程的解法 1引言 数学物理中的许多问题归结为解函数方程的问题，即，0)(=x f (1.1) 这里，)(x f 可以是代数多项式，也可以是超越函数。若有数*x 为方程0)(=x f 的根，或称函数)(x f 的零点。 设函数)(x f 在],[b a 内连续，且0)()( 用同一个递推公式，反复校正这个初值，直到满足预先给定的精度要求为止。 对于迭代法，一般需要讨论的基本问题是：迭代法的构造、迭代序列的收敛性天收敛速度以及误差估计。这里，主要看看解方程迭代式的构造。 对方程(1.1)，在区间],[b a 内，可改写成为： )(x x ?=(2.1) 取],[0b a x ∈，用递推公式： )(1k k x x ?=+, ,2,1,0=k (2.2) 可得到序列： ∞==0210}{,,,,k k k x x x x x (2.3) 当∞→k 时，序列∞=0}{k k x 有极限x ~，且)(x ?在x ~附近连续，则在式(2.2)两边极限，得， ) ~(~x x ?=即，x ~ 为方程(2.1)的根。由于方式(1.1)和方程(2.1)等价，所以，x x ~*=即， * lim x x k k =∞ →式(2.2)称为迭代式，也称为迭代公式；)(x ?可称为迭代函数。称求得的序列∞=0}{k k x 为迭代序列。 2.2程序和实例 下面是基于MATLAB 的迭代法程序，用迭代格式)(1n n x g p =+，求解方程)(x g x =，其中初始值为0p 。 **************************************************************************function[p,k,err,P]=fixpt(f1021,p0,tol,max1)%f1021是给定的迭代函数。%p0是给定的初始值。 admin [非线性薛定谔方程数值解的MATLAB仿真]——利用分步快速傅里叶变换对光纤中光信号的传输方程进行数值求解 1、非线性薛定谔方程 非线性薛定谔方程(nonlinear Schrodinger equation ，NLSE)是奥地利物理学家薛定谔于1926 年提出的，应用在量子力学系统中。由于量子力学主要研究粒子的动力学运动状态，所以不能运用牛顿力学公式来表示。通常在量子力学中，研究系统的状态一般通过波函数(x ，t)来表示。而对波函数的研究主要是求解非线性薛定谔方程。本文主要研究光脉冲在光纤中传输状态下的演变。 一般情况下，光脉冲信号在光纤中传输时，同时受到光纤的色散和非线性效应的影响。通过Maxwell 方程，考虑到光纤的色散和非线性效应，可以推导出光信号在光纤中的传输方程，即非线性薛定谔方程。NLSE 是非线性偏微分方程，一般很难直接求出解析解，于是通过数值方法进行求解。具体分为两大类：(1)分布有限差分法(split-step finite differencemethod ，SSFD)；(2)分步傅里叶变换法(split-step Fourier transform method ，SSFT)。一般情况，在达到相同精度，由于分步傅里叶变换法采用运算速度快的快速傅里叶变换，所以相比较有限差分法运算速度快一到两个数量级。于是本文介绍分步傅里叶变换法来对光纤中光信号的传输方程，即非线性薛定谔方程进行数值求解。并通过MATLAB 软件对结果数值仿真。 非线性薛定谔方程的基本形式为: 22||t xx iu u u u =+ 其中u 是未知的复值函数. 目前，采用分步傅立叶算法(Split step Fourier Method)求解非线性薛定谔方程的数值解应用比较多。分步傅立叶方法最早是在1937年开始应用的，这种方法己经被证明是相同精度下数值求解非线性薛定愕方程最快的方法，部分原因是它采用了快速傅立叶变换算法(FastFourier Transform Algorithm)。基于MATLAB 科学计算软件以及MATLAB 强大的符号计算功能，完全可以实现分步傅立叶数值算法来对脉冲形状和频谱进行仿真。 一般情况下，光脉冲沿光纤传播时受到色散和非线性效应的共同作用，假设当传输距离 很小的时候，两者相互独立作用，那么，根据这种思想可建立如下分步傅立叶数值算法的数 学模型： 把待求解的非线性薛定谔方程写成以下形式: ??()U D N U z ?=+? （I ） （II ）非线性方程数值解法及其应用
非线性方程的解法
线性方程组的解法
非线性方程组数值解法
Maab求解线性方程组非线性方程组
线性方程组的解法及其应用
非线性方程组的求解
浅析线性方程组的解法
线性方程组的直接解法
线性方程组的几种求解方法
第六章非线性方程组的迭代解法
数值分析讲义——线性方程组的解法
非线性方程的数值解法
线性方程组的理论和解法
三元线性方程组的几何解法.doc
线性方程组解法综述
matlab非线性方程求解
非线性薛定谔方程数值解的MATLAB仿真
相关主题
文本预览