下载文档原格式
yx O x * x 1 x 0关于牛顿迭代法的课程设计实验指导非线性方程（或方程组）问题可以描述为求 x 使得f (x ) = 0。
在求解非线性方程的方法中，牛顿迭代法是求非线性方程（非线性方程组）数值解的一种重要的方法。
牛顿是微积分创立者之一，微积分理论本质上是立足于对世界的这种认识：很多物理规律在微观上是线性的。
近几百年来，这种局部线性化方法取得了辉煌成功，大到行星轨道计算，小到机械部件设计。
牛顿迭代法正是将局部线性化的方法用于求解方程。
一、牛顿迭代法及其收敛速度牛顿迭代法又称为牛顿-拉夫逊方法（Newton-Raphson method ），是一种在实数域和复数域上通过迭代计算求出非线性方程的数值解方法。
方法的基本思路是利用一个根的猜测值x 0做初始近似值，使用函数f (x )在x 0处的泰勒级数展式的前两项做为函数f (x )的近似表达式。
由于该表达式是一个线性函数，通过线性表达式替代方程中的求得近似解x 1。
即将方程f (x ) = 0在x 0处局部线性化计算出近似解x 1，重复这一过程，将方程f (x ) = 0在x 1处局部线性化计算出x 2，求得近似解x 2，……。
详细叙述如下：假设方程的解x *在x 0附近（x 0是方程解x *的近似），函数f (x )在点x 0处的局部线化表达式为)()()()(000x f x x x f x f '-+≈由此得一次方程 0)()()(000='-+x f x x x f求解，得 )()(0001x f x f x x '-= 如图1所示，x 1比x 0更接近于x *。
该方法的几何意义是：用曲线上某点（x 0，y 0）的切线代替曲线，以该切线与x 轴的交点（x 1，0）作为曲线与x 轴的交点（x *，0）的近似（所以牛顿迭代法又称为切线法）。
设x n 是方程解x *的近似，迭代格式)()(1n n n n x f x f x x '-=+ ( n = 0，1，2，……) 就是著名的牛顿迭代公式，通过迭代计算实现逐次逼近方程的解。
实验报告一：实验题目一、 实验目的掌握求解非线性方程根的二分法、简单迭代法和牛顿迭代法，并通过数值实验比较两种方法的收敛速度。
二、 实验内容1、编写二分法、并使用这两个程序计算02)(=-+=x e x x f 在[0, 1]区间的解，要求误差小于 410- ，比较两种方法收敛速度。
2、在利率问题中，若贷款额为20万元，月还款额为2160元，还期为10年，则年利率为多少？请使用牛顿迭代法求解。
3、由中子迁移理论，燃料棒的临界长度为下面方程的根，用牛顿迭代法求这个方程的最小正根。
4、用牛顿法求方程的根，精确至8位有效数字。
比较牛顿迭代法算单根和重根的收敛速度，并用改进的牛顿迭代法计算重根。
第1题：02)(=-+=x e x x f 区间[0,1] 函数画图可得函数零点约为0.5。
画图函数：function Test1()% f(x) 示意图, f(x) = x + exp(x) - 2; f(x) = 0r = 0:0.01:1;y = r + exp(r) - 2plot(r, y);grid on 二分法程序：计算调用函数：[c,num]=bisect(0,1,1e-4)function [c,num]=bisect(a,b,delta)%Input –a,b 是取值区间范围% -delta 是允许误差%Output -c 牛顿迭代法最后计算所得零点值% -num 是迭代次数ya = a + exp(a) - 2;yb = b + exp(b) - 2;if ya * yb>0return;endfor k=1:100c=(a+b)/2;yc= c + exp(c) - 2;if abs(yc)<=deltaa=c;b=c;elseif yb*yc>0b=c;yb=yc;elsea=c;ya=yc;endif abs(b-a)<deltanum=k; %num为迭代次数break;endendc=(a+b)/2;err=abs(b-a);yc = c + exp(c) - 2;牛顿迭代法程序：计算调用函数：[c,num]=newton(@func1,0.5,1e-4) 调用函数：function [y] = func1(x)y = x + exp(x) - 2;end迭代算法：function[c,num]=newton(func,p0,delta)%Input -func是运算公式% -p0是零点值% -delta是允许误差%Output -c牛顿迭代法最后计算所得零点值% -num是迭代次数num=-1;for k=1:1000y0=func(p0);dy0=diff(func([p0 p0+1e-8]))/1e-8;p1=p0-y0/dy0;err=abs(p1-p0);p0=p1;if(err<delta)num=k;%num为迭代次数break;endendc=p0;第2题：由题意得到算式：计算调用函数：[c,num]=newton(@func2,0.02,1e-8)程序：先用画图法估计出大概零点位置在0.02附近。
牛顿迭代法的数值实验和仿真牛顿迭代法是一种广泛应用于求解非线性方程的方法。
它的基本思想是通过不断接近方程的根，使得函数在根附近的一段区间内表现出线性的特征，从而不断逼近方程的解。
在本文中，我们将介绍牛顿迭代法的数值实验和仿真，并通过实例来展示该方法在实际问题中的应用。
1. 牛顿迭代法的原理牛顿迭代法的原理是利用泰勒级数来逼近函数的根。
具体来说，对于非线性方程 f(x) = 0，我们首先可以通过牛顿迭代公式：$x_{n+1} = x_n - \frac{f(x_n)}{f'(x_n)}$来计算出一个初始解 $x_0$，然后不断通过公式进行迭代，直到满足一定的收敛条件。
其中，$f'(x)$ 表示 $f(x)$ 对 $x$ 的导数，也就是函数的斜率。
这个公式的推导是通过将函数在 $x_n$ 处进行一阶泰勒展开得到的。
2. 牛顿迭代法的数值实验为了验证牛顿迭代法的有效性，我们可以进行一些简单的数值实验。
现在考虑求解方程 $x^3 - 5x^2 + 3x -7 = 0$ 在 $[1,2]$ 中的解。
我们首先可以通过图像观察到该方程在1 到2 之间有一个根。
我们可以用 Matlab 程序来实现迭代计算，代码如下：function [x,it] = newton(f,df,x0,tol,maxit)for it = 1:maxitx = x0-f(x0)/df(x0);if abs(x-x0) < tol, return, endx0 = x;enderror('Maximum number of iterations reached')在代码中，f(x) 和 df(x) 分别表示要求解的方程和其一阶导数。
tol 表示迭代的停止条件，如果$|x_{n+1}-x_n|<tol$，则停止迭代。
maxit 表示最大的迭代次数，如果迭代次数超过了该限制，则停止迭代。
我们可以通过调用该程序，输入相应的参数来进行数值实验。
解非线性方程的牛顿迭代法及其应用一、本文概述非线性方程是数学领域中的一个重要研究对象，其在实际应用中广泛存在，如物理学、工程学、经济学等领域。
求解非线性方程是一个具有挑战性的问题，因为这类方程往往没有简单的解析解，需要通过数值方法进行求解。
牛顿迭代法作为一种古老而有效的数值求解方法，对于求解非线性方程具有重要的应用价值。
本文旨在介绍牛顿迭代法的基本原理、实现步骤以及在实际问题中的应用。
我们将详细阐述牛顿迭代法的基本思想，包括其历史背景、数学原理以及收敛性分析。
我们将通过具体实例，展示牛顿迭代法的计算步骤和实际操作过程，以便读者能够更好地理解和掌握该方法。
我们将探讨牛顿迭代法在各个领域中的实际应用，包括其在物理学、工程学、经济学等领域中的典型应用案例，以及在实际应用中可能遇到的问题和解决方法。
通过本文的介绍，读者可以深入了解牛顿迭代法的基本原理和应用技巧，掌握其在求解非线性方程中的实际应用方法，为进一步的研究和应用提供有力支持。
二、牛顿迭代法的基本原理牛顿迭代法，又称为牛顿-拉夫森方法，是一种在实数或复数域上近似求解方程的方法。
其基本原理是利用泰勒级数的前几项来寻找方程的根。
如果函数f(x)在x0点的导数f'(x0)不为零，那么函数f(x)在x0点附近可以用一阶泰勒级数来近似表示，即：这就是牛顿迭代法的基本迭代公式。
给定一个初始值x0，我们可以通过不断迭代这个公式来逼近f(x)的根。
每次迭代，我们都用当前的近似值x0来更新x0，即：这个过程一直持续到满足某个停止条件，例如迭代次数达到预设的上限，或者连续两次迭代的结果之间的差小于某个预设的阈值。
牛顿迭代法的收敛速度通常比线性搜索方法快，因为它利用了函数的导数信息。
然而，这种方法也有其局限性。
它要求函数在其迭代点处可导，且导数不为零。
牛顿迭代法可能不收敛，如果初始点选择不当，或者函数有多个根，或者根是重根。
因此，在使用牛顿迭代法时，需要谨慎选择初始点，并对迭代过程进行适当的监控和调整。
第1篇在数值分析这门课程的学习过程中，我深刻体会到了理论知识与实践操作相结合的重要性。
通过一系列的实验，我对数值分析的基本概念、方法和应用有了更加深入的理解。
以下是我对数值分析实验的心得体会。
一、实验目的与意义1. 巩固数值分析理论知识：通过实验，将课堂上学到的理论知识应用到实际问题中，加深对数值分析概念和方法的理解。
2. 培养实际操作能力：实验过程中，我学会了使用Matlab等软件进行数值计算，提高了编程能力。
3. 增强解决实际问题的能力：实验项目涉及多个领域，通过解决实际问题，提高了我的问题分析和解决能力。
4. 培养团队协作精神：实验过程中，我与同学们分工合作，共同完成任务，培养了团队协作精神。
二、实验内容及方法1. 实验一：拉格朗日插值法与牛顿插值法（1）实验目的：掌握拉格朗日插值法和牛顿插值法的原理，能够运用这两种方法进行函数逼近。
（2）实验方法：首先，我们选择一组数据点，然后利用拉格朗日插值法和牛顿插值法构造插值多项式。
最后，我们将插值多项式与原始函数进行比较，分析误差。
2. 实验二：方程求根（1）实验目的：掌握二分法、Newton法、不动点迭代法、弦截法等方程求根方法，能够运用这些方法求解非线性方程的根。
（2）实验方法：首先，我们选择一个非线性方程，然后运用二分法、Newton法、不动点迭代法、弦截法等方法求解方程的根。
最后，比较不同方法的收敛速度和精度。
3. 实验三：线性方程组求解（1）实验目的：掌握高斯消元法、矩阵分解法等线性方程组求解方法，能够运用这些方法求解线性方程组。
（2）实验方法：首先，我们构造一个线性方程组，然后运用高斯消元法、矩阵分解法等方法求解方程组。
最后，比较不同方法的计算量和精度。
4. 实验四：多元统计分析（1）实验目的：掌握多元统计分析的基本方法，能够运用这些方法对数据进行分析。
（2）实验方法：首先，我们收集一组多元数据，然后运用主成分分析、因子分析等方法对数据进行降维。
数值分析实验报告——非线性方程求根一、实验目的：1.掌握求解非线性方程的常用方法；2.了解非线性方程求根问题的数值解法；3.熟悉使用数值分析软件进行非线性方程求根的实现。
二、实验原理：非线性方程指的是形如f(x)=0的方程，其中f(x)是一个非线性函数。
非线性方程求根的常用方法包括二分法、割线法和牛顿法等。
其中，二分法是通过不断缩小区间范围来逼近方程的解；割线法是通过使用割线来逼近方程的解；牛顿法则是通过使用切线来逼近方程的解。
对于给定的非线性方程，可以根据实际情况选择合适的方法进行求根。
三、实验内容：1.编写求解非线性方程的函数，包括二分法、割线法和牛顿法；2.使用编写的函数求解给定的非线性方程，比较各个方法的收敛速度和精确程度；3.根据实际情况分析和选择合适的方法进行求根。
四、实验步骤：1.针对给定的非线性方程，编写二分法的函数实现：（1）首先确定方程的解存在的区间；（2）根据方程的解存在的区间，使用二分法逐步缩小区间范围；（3）根据设定的精度要求，不断循环迭代，直至满足要求或达到迭代次数限制；2.针对给定的非线性方程，编写割线法的函数实现：（1）首先需要确定方程的解存在的初始点；（2）根据方程的解存在的初始点，根据割线的定义进行迭代；（3）设定迭代的精度要求和限制次数，结束迭代；3.针对给定的非线性方程，编写牛顿法的函数实现：（1）首先需要确定方程的解存在的初始点；（2）根据方程的解存在的初始点，根据牛顿法的定义进行迭代；（3）设定迭代的精度要求和限制次数，结束迭代；4.根据给定的非线性方程，分别使用二分法、割线法和牛顿法进行求解，并比较各个方法的收敛速度和精确程度；5.分析实际情况，选择合适的方法进行求解。
五、实验结果：4.通过比较，发现割线法和牛顿法的收敛速度较快，精确程度较高，因此选择割线法进行求解。
六、实验总结：通过本次实验，我掌握了求解非线性方程的常用方法，并使用数值分析软件实现了二分法、割线法和牛顿法。
数值分析中求解非线性方程的MATLAB求解程序1. fzero函数：fzero函数是MATLAB中最常用的求解非线性方程的函数之一、它使用了割线法、二分法和反复均值法等多种迭代算法来求解方程。
使用fzero函数可以很方便地求解单变量非线性方程和非线性方程组。
例如，要求解方程f(x) = 0，可以使用以下语法：``````2. fsolve函数：fsolve函数是MATLAB中求解多维非线性方程组的函数。
它是基于牛顿法的迭代算法来求解方程组。
使用fsolve函数可以非常方便地求解非线性方程组。
例如，要求解方程组F(x) = 0，可以使用以下语法：``````3. root函数：root函数是MATLAB中求解非线性方程组的函数之一、它采用牛顿法或拟牛顿法来求解方程组。
使用root函数可以非常方便地求解非线性方程组。
例如，要求解方程组F(x) = 0，可以使用以下语法：``````4. vpasolve函数：vpasolve函数是MATLAB中求解符号方程的函数。
它使用符号计算的方法来求解方程，可以得到精确的解。
vpasolve函数可以求解多变量非线性方程组和含有符号参数的非线性方程。
例如，要求解方程组F(x) = 0，可以使用以下语法：```x = vpasolve(F(x) == 0, x)```vpasolve函数会返回方程组的一个精确解x。
5. fsolve和lsqnonlin结合：在MATLAB中，可以将求解非线性方程转化为求解最小二乘问题的形式。
可以使用fsolve函数或lsqnonlin函数来求解最小二乘问题。
例如，要求解方程f(x) = 0，可以将其转化为最小二乘问题g(x) = min，然后使用fsolve或lsqnonlin函数来求解。
具体使用方法可以参考MATLAB官方文档。
6. Newton-Raphson法手动实现：除了使用MATLAB中的函数来求解非线性方程，还可以手动实现Newton-Raphson法来求解。
五. 讨论分析当初始值选取离零点较远时将导致算法无法使用，例如第三题，将初始值改为2就无法计算出结果了，显示如下例如求020sin 35=-+-x x e x 的根，其中控制精度1010-=eps ，最大迭代次数40=M ,在steffensen 加速迭代方法的程序中，我们只需改动：it_max=40; ep=1e-10， 其余不变 。
利用以上程序，我们只需输入：phi=inline('exp(5*x)-sin(x)+(x)^3-20');[x_star,index,it]=steffensen(phi,0.5)可得：x_star = 0.637246094753909index = 0it = 41观察上述结果，index = 0，it = 41表明迭代失败，所以使用以上方法估计的时候，应该尽量估计出解的范围，偏离不应过大，距离增加迭代次数增加，也有可能迭代失败六. 改进实验建议根据上述分析，我认为，应该先对函数作一个简图，方便知道解的大概位置，然后我们才将这个大概值代入Newton 法或者Steffensen 中进行求解。
当然，我们可以用其他数学软件实现Newton 迭代法，我们可以用z-z 超级画板，其操作流程为：牛顿迭代法的公式是：x n+1=x n-f(x n)/f'(x n)。
下面我们就用牛顿迭代法设计程序求方程f(x)=ln(x)+2*x-6的近似解。
（一）观察方程f(x)=0的零点位置（1）显示坐标系的坐标刻度。
（2）作出函数y=ln(x)+2*x-6的图像，如下图所示：可以观察到方程的根在区间[2，3]上，我们可以设定近似解的初始值为2。
（二）设计求方程近似解的程序（1）在程序工作区中输入：f(x){ln(x)+2*x-6;}执行后，返回结果为：>> f(x) #这表示在计算机已经完成了函数f(x)的定义。
（2）定义f(x)的导函数g(x)，在程序工作区中输入：Diff(f(x),x);执行后，返回结果为：>> 2+1/x #得到了f(x)的导函数。
实验报告一题目：非线性方程求解摘要：非线性方程的解析解通常很难给出，因此线性方程的数值解法就尤为重要。
本实验采用两种常见的求解方法二分法和Newton法及改进的Newton法。
前言：（目的和意义）掌握二分法与Newton法的基本原理和应用。
数学原理：对于一个非线性方程的数值解法很多。
在此介绍两种最常见的方法：二分法和Newton 法。
对于二分法，其数学实质就是说对于给定的待求解的方程f(x)，其在[a,b]上连续，f(a)f(b)<0，且f(x)在[a,b]内仅有一个实根x*，取区间中点c，若，则c恰为其根，否则根据f(a)f(c)<0是否成立判断根在区间[a,c]和[c,b]中的哪一个，从而得出新区间，仍称为[a,b]。
重复运行计算，直至满足精度为止。
这就是二分法的计算思想。
Newton法通常预先要给出一个猜测初值x0，然后根据其迭代公式产生逼近解x*的迭代数列{x k}，这就是Newton法的思想。
当x0接近x*时收敛很快，但是当x0选择不好时，可能会发散，因此初值的选取很重要。
另外，若将该迭代公式改进为其中r为要求的方程的根的重数，这就是改进的Newton法，当求解已知重数的方程的根时，在同种条件下其收敛速度要比Newton法快的多。
程序设计：本实验采用Matlab的M文件编写。
其中待求解的方程写成function的方式，如下function y=f(x);y=-x*x-sin(x);写成如上形式即可，下面给出主程序。
二分法源程序：clear%%%给定求解区间b=1.5;a=0;%%%误差R=1;k=0;%迭代次数初值while (R>5e-6) ;c=(a+b)/2;if f12(a)*f12(c)>0;a=c;elseb=c;endR=b-a;%求出误差k=k+1;endx=c%给出解Newton法及改进的Newton法源程序：clear%%%% 输入函数f=input('请输入需要求解函数>>','s')%%%求解f(x)的导数df=diff(f);%%%改进常数或重根数miu=2;%%%初始值x0x0=input('input initial value x0>>');k=0;%迭代次数max=100;%最大迭代次数R=eval(subs(f,'x0','x'));%求解f(x0)，以确定初值x0时否就是解while (abs(R)>1e-8)x1=x0-miu*eval(subs(f,'x0','x'))/eval(subs(df,'x0','x'));R=x1-x0;x0=x1;k=k+1;if (eval(subs(f,'x0','x'))<1e-10);breakendif k>max;%如果迭代次数大于给定值，认为迭代不收敛，重新输入初值ss=input('maybe result is error,choose a new x0,y/n?>>','s');if strcmp(ss,'y')x0=input('input initial value x0>>');k=0;elsebreakendendendk;%给出迭代次数x=x0；%给出解结果分析和讨论：1.用二分法计算方程在[1，2]内的根。
