MAAB计算方法迭代法牛顿法二分法实验报告

数值计算方法实验报告实验目的：通过实验验证不同数值计算方法在求解数学问题时的精度和效率，并分析其优缺点。

实验原理：实验内容：本实验选取了三个典型的数值计算问题，并分别采用了二分法、牛顿迭代法和梯度下降法进行求解。

具体问题和求解方法如下：1. 问题一：求解方程sin(x)=0的解。

-二分法：利用函数值的符号变化将解空间不断缩小，直到找到满足精度要求的解。

-牛顿迭代法：通过使用函数的斜率来逼近方程的解，并不断逼近真实解。

-梯度下降法：将方程转化为一个极小化问题，并利用梯度下降的方式逼近极小值点，进而找到方程的解。

2.问题二：求解函数f(x)=x^2-3x+2的极小值点。

-二分法：通过确定函数在一个区间内的变化趋势，将极小值所在的区间不断缩小，从而找到极小值点。

-牛顿迭代法：通过使用函数的导数和二阶导数来逼近极小值点，并不断逼近真实解。

-梯度下降法：将函数转化为一个极小化问题，并利用梯度下降的方式逼近极小值点，进而找到函数的极小值点。

3. 问题三：求解微分方程dy/dx = -0.1*y的解。

-二分法：通过离散化微分方程，将微分方程转化为一个差分方程，然后通过迭代计算不同点的函数值，从而得到函数的近似解。

-牛顿迭代法：将微分方程转化为一个积分方程，并通过迭代计算得到不同点的函数值，从而得到函数的近似解。

-梯度下降法：将微分方程转化为一个极小化问题，并利用梯度下降的方式逼近极小值点，从而得到函数的近似解。

实验步骤：1.编写代码实现各个数值计算方法的求解过程。

2.对每个数值计算问题，设置合适的初始值和终止条件。

3.运行程序，记录求解过程中的迭代次数和每次迭代的结果。

4.比较不同数值计算方法的精度和效率，并分析其优缺点。

实验结果：经过实验测试，得到了如下结果：-问题一的二分法迭代次数为10次，求解结果为x=0；牛顿迭代法迭代次数为4次，求解结果为x=0；梯度下降法迭代次数为6次，求解结果为x=0。

-问题二的二分法迭代次数为10次，求解结果为x=1;牛顿迭代法迭代次数为3次，求解结果为x=1;梯度下降法迭代次数为4次，求解结果为x=1-问题三的二分法迭代次数为100次，求解结果为y=e^(-0.1x);牛顿迭代法迭代次数为5次，求解结果为y=e^(-0.1x);梯度下降法迭代次数为10次，求解结果为y=e^(-0.1x)。

MAAB计算方法迭代法牛顿法二分法实验报告实验目的：比较MAAB计算方法中迭代法、牛顿法和二分法的优缺点，探究它们在求解方程中的应用效果。

实验原理：1、迭代法：将方程转化为x=f(x)的形式，通过不断迭代逼近方程的根。

2、牛顿法：利用函数在特定点的切线逼近根的位置，通过不断迭代找到方程的根。

3、二分法：利用函数值在区间两端的异号性质，通过不断二分缩小区间，最终逼近方程的根。

实验步骤：1、选择一元方程进行求解，并根据方程选择不同的计算方法。

2、在迭代法中，根据给定的初始值和迭代公式，进行迭代计算，直到满足预设的迭代精度要求。

3、在牛顿法中，选择初始点，并根据切线方程进行迭代计算，直到满足预设的迭代精度要求。

4、在二分法中，选择区间，并根据函数值的异号性质进行二分，直到满足预设的迭代精度要求。

5、根据计算结果，比较三种方法的求解效果，包括迭代次数、计算时间、求解精度等指标。

实验结果与分析：通过对多个方程进行测试，得到了以下实验结果：1、迭代法的优点是简单易懂，适用范围广，但当迭代公式不收敛时会导致计算结果不准确。

2、牛顿法的优点是收敛速度较快，但需要计算函数的一阶导数和二阶导数，对于复杂函数较难求解。

3、二分法的优点是收敛性较好，不需要导数信息，但收敛速度较慢。

4、对于线性方程和非线性方程的求解，牛顿法和迭代法通常比二分法更快速收敛。

5、对于多重根的方程，二分法没有明显优势，而牛顿法和迭代法能更好地逼近根的位置。

6、在不同的方程和初值选择下，三种方法的迭代次数和求解精度略有差异。

7、在时间效率方面，二分法在收敛速度较慢的同时，迭代次数较少，牛顿法在收敛速度较快的同时，迭代次数较多，而迭代法对于不同方程有较好的平衡。

结论：1、对于不同类型的方程求解，可以根据具体情况选择合适的计算方法。

2、迭代法、牛顿法和二分法各有优缺点，没有绝对的最优方法，需要权衡各种因素选择最适合的方法。

3、在实际应用中，可以根据方程的特点和精度要求综合考虑不同方法的优劣势，以获得较好的求解效果。

MATLAB计算方法迭代法牛顿法二分法实验报告实验报告一、引言计算方法是数学的一门重要应用学科，它研究如何用计算机来解决数学问题。

其中，迭代法、牛顿法和二分法是计算方法中常用的数值计算方法。

本实验通过使用MATLAB软件，对这三种方法进行实验研究，比较它们的收敛速度、计算精度等指标，以及它们在不同类型的问题中的适用性。

二、实验方法1.迭代法迭代法是通过不断逼近解的过程来求得方程的根。

在本实验中，我们选择一个一元方程f(x)=0来测试迭代法的效果。

首先，我们对给定的初始近似解x0进行计算，得到新的近似解x1，然后再以x1为初始近似解进行计算，得到新的近似解x2，以此类推。

直到两次计算得到的近似解之间的差值小于规定的误差阈值为止。

本实验将通过对复杂方程的迭代计算来评估迭代法的性能。

2.牛顿法牛顿法通过使用函数的一阶导数来逼近方程的根。

具体而言，对于给定的初始近似解x0，通过将f(x)在x0处展开成泰勒级数，并保留其中一阶导数的项，得到一个近似线性方程。

然后，通过求解这个近似线性方程的解x1，再以x1为初始近似解进行计算，得到新的近似解x2，以此类推，直到两次计算得到的近似解之间的差值小于规定的误差阈值为止。

本实验将通过对不同类型的方程进行牛顿法的求解，评估它的性能。

3.二分法二分法是通过将给定区间不断二分并判断根是否在区间内来求方程的根。

具体而言，对于给定的初始区间[a,b]，首先计算区间[a,b]的中点c，并判断f(c)与0的大小关系。

如果f(c)大于0，说明解在区间[a,c]内，将新的区间定义为[a,c]，再进行下一轮的计算。

如果f(c)小于0，说明解在区间[c,b]内，将新的区间定义为[c,b]，再进行下一轮的计算。

直到新的区间的长度小于规定的误差阈值为止。

本实验将通过对复杂方程的二分计算来评估二分法的性能。

三、实验结果通过对一系列测试函数的计算，我们得到了迭代法、牛顿法和二分法的计算结果，并进行了比较。

二分法、牛頓迭代法求方程近似解在一些科學計算中常需要較為精確的數值解，本實驗基於matlab 給出常用的兩種解法。

本實驗是以解決一個方程解的問題說明兩種方法的精髓的。

具體之求解方程e^(-x)+x^2-2*x=0，精度e<10^-5;;程序文本文檔如下%%%%%%二分法求近似解cleardisp('二分法求方程的近似解')format longsyms xf=inline('exp(-x)+x^2-2*x');%原函數%通過[x,y]=fminbnd(f,x1,x2)求出極小值點和極小值，進而確定%區間端點，從而確定解區間矩陣CX=[];C=[0 1.16;1.16 2] ; %C(:,1)為解區間的左端點，C(:,2)為解區間右端點ss=length(C); %統計矩陣C的行數，即為方程解的個數for i=1:ssa=C(i,1);b=C(i,2);%f(a)>=0,f(b)<=0e1=b-a;%解一的精度e0=10^-5;%精度ya=f(a);while e1>=e0x0=1/2*(a+b);y0=f(x0);if y0*ya<=0b=x0;elsea=x0;ya=y0;ende1=b-a;endA=[a,b,e1];%解的區間和精度X=[X;A];%解與精度構成的矩陣endX%%%%%%%牛頓迭代法disp('牛頓迭代法解方程的近似解')clear %清空先前變量syms x %定義變量y=exp(-x)+x^2-2*x;%原函數f=inline(y);f1=diff(y); %一階導函數g=inline(f1);format long %由於數值的默認精度為小數點后四位，故需要定義長形X=[];C=[0 1.16;1.16 2] ; %C(:,1)為解區間的左端點，C(:,2)為解區間右端點ss=length(C); %統計矩陣C的行數，即為方程解的個數for i=1:ssa=C(i,1);b=C(i,2);%f(a)>=0,f(b)<=0e0=10^-5; %要求精度i=1; %迭代次數x0=(a+b)/2;A=[i,x0]; %迭代次數，根值的初始方程t=x0-f(x0)/g(x0); %%%%迭代函數while abs(t-x0)>=e0 %%迭代循環i=i+1;x0=t;A=[A;i,x0];t=x0-f(x0)/g(x0);endA ;B=A(i,:);%迭代次數及根值矩陣X=[X;B];endX運行結果如下如若使用matal內置函數fzero,得到如下結果由兩者求得的結果知，使用函數fzero求得的結果精度不夠。

实验五一、实验目的与要求：1、通过对二分法和牛顿迭代法作编程练习和上机运算，进一步体会它们在方程求根中的不同特点；2、比较二者的计算速度和计算精度。

二、实验内容：通过对二分法和牛顿迭代法作编程练习和上机运算，进一步体会它们在方程求根中的不同特点。

二分法算法：给定区间[a,b]，并设与符号相反，取为根的容许误差，为的容许误差。

（1）令c=(a+b)/2（2）如果(c-a)<或，则输出，结束；否则执行（3）（3）如果，则令；否则则令，重复（1），（2），（3）。

牛顿迭代法算法：给定初值 ， 为根的容许误差，为 的容许误差，N 为迭代次数的容许值。

（1）如果 =0或迭代次数大于N ，则算法失败，结束；否则执行（2）。

（2）计算 = - （3）若 < 或 < ，则输出 ，程序结束；否则执行（4）。

x 0εη)(x f )('x f x 1x 0)()('0x x o f f x x 01-ε)(1x f ηx 1x0x1（4）令= ，转向（1）。

三、实验题目：1、用二分法求方程f(x)=x^3+4*x*x-10在区间[1，1.5]上的根，要求求出具有3位有效数的近似根。

2、用牛顿法求方程x^3-3x-1=0在x=2附近的根。

四、程序：一、二分法#include<stdio.h>float f(float x){return x*x*x+4*x*x-10;}void main(){float a,b,c;a=1.0;b=1.5;for(;b-a>=0.01;){c=(a+b)/2;if(f(a)*f(c)==0)break;else if(f(a)*f(c)<0)b=c;elsea=c;}printf("方程的近似根为%f\n",c);printf("保留三位有效数字为%0.2f\n",c); }二、牛顿迭代法#include<stdio.h>#include<math.h>float f(float x){return x*x*x-3*x-1;}float g(float x){return 3*x*x-3;}void main(){float x0,x1,a,b,N;int i;i=0;printf("请输入初值X0,根的容许误差,|f(x)|的容许误差,迭代次数的容许值N。

M A T L新编计算方法迭代法牛顿法二分法实验报告 Prepared on 22 November 2020姓名 实验报告成绩评语：指导教师（签名）年 月 日说明：指导教师评分后，实验报告交院（系）办公室保存。

实验一 方程求根一、 实验目的用各种方法求任意实函数方程0)(=x f 在自变量区间[a ，b]上，或某一点附近的实根。

并比较方法的优劣。

二、 实验原理(1)、二分法对方程0)(=x f 在[a ，b]内求根。

将所给区间二分，在分点2a b x -=判断是否0)(=x f ；若是，则有根2ab x -=。

否则，继续判断是否0)()(<•x f a f ,若是，则令x b =,否则令x a =。

否则令x a =。

重复此过程直至求出方程0)(=x f 在[a,b]中的近似根为止。

（2）、迭代法将方程0)(=x f 等价变换为x =ψ（x ）形式，并建立相应的迭代公式=+1k x ψ（x ）。

（3）、牛顿法若已知方程 的一个近似根0x ，则函数在点0x 附近可用一阶泰勒多项式))((')()(0001x x x f x f x p -+=来近似，因此方程0)(=x f 可近似表示为+)(0x f 0))(('0=-x x x f 设0)('0≠x f ,则=x -0x )(')(00x f x f 。

取x 作为原方程新的近似根1x ，然后将1x 作为0x 代入上式。

迭代公式为：=+1k x -0x )(')(k k x f x f 。

三、 实验设备：MATLAB 软件四、 结果预测 （1）11x = （2）5x = （3）2x =0,09052五、 实验内容（1）、在区间[0,1]上用二分法求方程0210=-+x e x 的近似根，要求误差不超过3105.0-⨯。

（2）、取初值00=x ，用迭代公式=+1k x -0x )(')(k k x f x f ，求方程0210=-+x e x 的近似根。

佛山科学技术学院实 验 报 告课程名称 数值分析实验项目 迭代法专业班级 机械工程 姓 名 余红杰 学 号 2111505010指导教师 陈剑 成 绩 日 期 月 日一. 实验目的1、 在计算机上用Jacobi 迭代法和Gauss-Seidel 迭代法求线性方程组 。

2、 在计算机上用二分法和Newton 迭代法求非线性方程 的根。

二. 实验要求1、按照题目要求完成实验内容；2、写出相应的Matlab 程序；3、给出实验结果(可以用表格展示实验结果)；4、分析和讨论实验结果并提出可能的优化实验。

5、写出实验报告。

三. 实验步骤1、用Matlab 编写Jacobi 迭代法和Gauss-Seidel 迭代法求线性方程组Ax b =的程序。

2、用Matlab 编写二分法和Newton 法求非线性方程()0f x =的根程序。

3、设⎪⎪⎪⎭⎫ ⎝⎛--=212120203A ,T b )1,3,1(=,对于线性方程组b Ax =，考虑如下问题： （1）分别写出Jacobi 迭代矩阵和Gauss-Seidel 迭代矩阵（2）用Jacobi 迭代法和Gauss-Seidel 迭代法解该方程时，是否收敛？谁收敛的更快？（3）用实验步骤1编好的两种迭代法程序进行实验，通过数值结果验证（2）的结论。

4、用调试好的二分法和Newton 迭代法程序解决如下问题求020sin 35=-+-x x e x 的根，其中控制精度810-=eps ，最大迭代次数50=M 。

四. 实验结果1.%Jacob.mfunction [x,B] = Jacob(A,b,n)%Jacobi迭代求解方程组Ax=b，系数矩阵A，迭代次数n%求解的准备工作，构建各迭代系数阵等：m = length(A);D = diag(diag(A));L = -tril(A,-1);U = -triu(A, 1);J = D^(-1)*(L+U);B = J;f = D^(-1)*b;%初始化x即启动值：x = zeros(m,1);%根据x(k+1)=Jx(k)+f进行矩阵运算：for i=1:nx = J*x + f;end%GauSeid.mfunction [x,G] = GauSeid(A,b,n)%Gauss-Seidel迭代求解方程组Ax=b，系数矩阵A，迭代次数n %求解的准备工作，构建各迭代系数阵等：m = length(A);D = diag(diag(A));L = -tril(A,-1);U = -triu(A, 1);G = inv(D-L)*U;f = inv(D-L)*b;%初始化矩阵：%根据x(k+1)=Gx(k)+f进行矩阵运算：x = zeros(m,1);for i = 1:nx = G*x + f;end2.%Dichotomy.mfunction x=Dichotomy(x1,x2,p,n)%利用二分法求根，区间[x1,x2]%p为精度a = x1;b = x2;%进行n次二分：%第一个条件判断根在a,b区间内%第二个条件判断是否中间点就是根，是则迭代终止；%第三个条件判断二分后根在中点左侧还是右侧；%第四个条件判断精度是否达标，用区间长度代替for i=1:nif f(a)*f(b)<0x0 = (a+b)/2;p0 = (b-a)/(2^i);if f(x0)==0x = x0;elseif f(a)*f(x0)<0b = x0;else a= x0;endendendif p0>pcontinue;elsex = x0;break;endend%NewIterat.mfunction x=NewIterat(x0,p,n)%利用牛顿迭代法求根；%x0为启动点，估计的靠近根的值，p为精度，n为迭代次数；syms x1;%设置一个自变量x1，方便后面的求导:f1 = diff(f(x1));%进行n次迭代，精度达标会提前终止；%第一个判断是根据控制条件来确定真实误差是选绝对还是相对误差；%第二个判断是确定精度是否满足要求for i=1:nx1 = x0;x = x0-f(x0)/eval(f1);if x<1RealDiv = abs(x-x0);else RealDiv = abs(x-x0)/abs(x); endif RealDiv>px0 = x;else break;endend3.run43.mclc,clear;A = [3 0 -2;0 2 1;-2 1 2];b = [1;3;1];n1 = 50;n2 =100;%输入A,b矩阵，设置迭代次数为50次；%调用迭代函数，返回迭代矩阵；[x,B] = Jacob(A,b,n1);xj50 = x;f1 = max(abs(eig(B)))%显示谱半径，确定收敛性；[x,B] = GauSeid(A,b,n1);xg50 = x;f2 = max(abs(eig(B)))%谱半径；xj100 = Jacob(A,b,n2);xg100 = GauSeid(A,b,n2); Jacobi= [xj50,xj100]%对比迭代50次和100次的结果GauSei= [xg50,xg100]%很容易看出准确解为[1；1；1]4.f.mfunction y = f(x)%所有f(x)=0中f(x)函数；y = exp(5*x)-sin(x)+x^3-20; 下页是具体解时的程序：%run44.mclc,clear;%很容易看出在[0,1]间有解；x = Dichotomy(0,1,10^(-8),50)x = NewIterat(0,10^(-8),50)五. 讨论分析4.3实验中的迭代矩阵在上个部分，分别为J 和G ；对于收敛性，看下图中的f1,f2，也就是迭代矩阵的谱半径，都是小于1的，但是可以看出后者的谱半径更小，就是说它的收敛速度更快；最终求x 的值，每种迭代方法分别迭代50次（第一列）和100次（第二列）； 实际值为[1；1；1]可以看出用高斯赛德尔迭代更精确，速度更快。

实验报告实验名称：牛顿法院（系）：机电学院专业班级：机械制造及其自动化姓名：学号：2013年5 月13 日实验一：牛顿法实验日期：2013年5 月13 日一、实验目的了解MATLAB的基本运用了解MATLB在优化中的使用二、实验原理牛顿法是梯度法的发展，不仅使用目标函数的一阶导数，而且考虑变化趋势，利用目标函数的二阶偏导，对于一元函数，将其极小点x*附近的一个给定点x0进行泰勒展开，得到二次函数，按照极值条件可得极小值点x1，用其作为x*的下一个近似点，并在x1处进行泰勒展开，得到第二个近似点x2。

直到求的F（x）的极小值点，对于多元函数f（x），同样用上述方法求极小值三、实验内容牛顿法程序：x0=[3;3];%初始点xk=x0;k=0;%迭代变量初始化MLN=100;%最大迭代次数ie=10^(-7);%收敛精度ae=1;%实际收敛精度grad=zeros(2,1);%迭代循环求解while (ae>ie&&k<MLN)syms x1syms x2%调用目标函数，求梯度fun1=fun(x1,x2);fx1=diff(fun1,'x1');fx2=diff(fun1,'x2');fx1=inline(fx1);fx2=inline(fx2);%计算梯度值grad(1)=feval(fx1,xk(1));grad(2)=feval(fx2,xk(2));%计算海赛矩阵及其逆阵G=jacobian(jacobian(fun1),[x1,x2]);b=zeros(2,2);b(1,1)=G(1,1);b(1,2)=G(1,2);b(2,1)=G(2,1);b(2,2)=G(2,2);b=inv(b);xk1=xk-b*grad;ae=norm(xk1-xk);xk=xk1;k=k+1;endx=xk函数程序：function f=fun(x1,x2)f=(x1-1)^4+(x1+2*x2)^2执行结果：x =四、实验小结通过本实验了解了了matlab的基本操作方法，了解牛顿法的原理与基本运用。

计算方法实验报告实验目的：1.掌握计算方法的基本概念和算法；2.熟悉常见计算方法的实现步骤和注意事项；3.学会使用计算方法解决实际问题。

实验内容：1.实现二分法；2.实现牛顿迭代法；3.实现高斯消去法。

实验步骤：1.实现二分法：1.1定义函数f(x)；1.2 确定初始区间[a, b]和精度tol；1.3计算区间中点c；1.4判断f(a)和f(c)的符号关系并更新区间；1.5重复步骤1.3和1.4直到满足精度要求。

2.实现牛顿迭代法：2.1定义函数f(x)；2.2定义函数f的导数；2.3给定初始点x0；2.4计算f(x0)和f'(x0)；2.5计算下一个点的近似值x1=x0-f(x0)/f'(x0)；2.6重复步骤2.4和2.5直到满足收敛条件。

3.实现高斯消去法：3.1输入线性方程组的系数矩阵A和右端向量b；3.2构造增广矩阵[A，b]；3.3进行主元素消去，得到梯形矩阵U和新的右端向量b；3.4回代求解，得到解向量x。

实验结果分析：1.二分法的主要优点是收敛稳定，但需要事先给定初始区间；2.牛顿迭代法的主要优点是收敛速度快，但需要事先给定初始点和收敛条件；3.高斯消去法的主要优点是适用于任何线性方程组，但需要事先进行主元素消去和回代的操作。

实验总结：通过本次实验，我深入理解了计算方法的基本概念和算法，并掌握了二分法、牛顿迭代法和高斯消去法的实现步骤和注意事项。

这些方法在解决实际问题中具有重要的应用价值。

实验过程中，我也遇到了一些困难和挑战，例如初始值的选择和收敛条件的判断。

通过不断的调试和优化，最终成功解决了这些问题。

本次实验不仅提高了我的编程能力，也增加了我的数学建模能力。

希望今后能够继续深入学习计算方法，并将其应用于更加复杂的实际问题中。

二分法和牛顿迭代法求解方程的比较200822401018 徐小良一、问题叙述求解12 -3x +2COS X =0的解；通过编写 matlab程序分别用分析二分法和牛顿迭代法求解方程，通过两种方法的比较，分析二者求解方程的快慢程度。

二、问题分析由matlab画图命令，容易得到此方程解的范围为（2，4）;两种迭代方法，在使用相同的误差（0.00001 ）的情况下，得出 matlab迭代次数，通过次数的比较得出二者求解速度快慢比较。

三、实验程序及注释（1）、二分法程序：clear;f=inlin e('12-3*x+2*cos(x)'); format long%清除所有内存数据;%数据显示格式设为长型;a=2;b=4;er=b-a;ya=f(a);k=0;er0=0.00001; while er>er0x0=.5*(a+b); y0=f(x0);if ya*y0<0b=x0;elsea=x0;ya=y0;enddis p([a,b]);er=b-a;k=k+1%求解区间；%误差分析;%二分法求解程序;%显示各个区间值和求解次数;enddis %显示最后一个区间值;(2)、牛顿迭代法程序：clear;f=inlin e('12-3*x+2*cos(x)'); %清除所有内存数据;%数据显示格式设为长型;b=3;a=4;k=0;y0=f(b);y=f(a);while abs(b-a)>0.00001 t=a-y*(a-b)/(y-y0); b=a;y0=y;%求解区间;、%牛顿迭代法求解程序;四、实验数据结果及分析五、实验结论通过表1可知，在二分法下，程序迭代了 17次后和第18次的结果一致，即程序迭代了 17次达到要求的试验误差；通过表 2可知，在牛顿迭代法下，程序迭代了 4次后和第5次的结果一致，即程序迭代了 4次达到要求的试验误差；二者比较明显可以看出牛顿迭代法的求解效率要远远优于二分法。

二分法、不动点迭代法和牛顿迭代法是数值计算中常用的三种求根方法。

它们在不同的数学领域及实际问题中有着广泛的应用。

本文将对这三种方法进行介绍和比较。

一、二分法1. 原理二分法是一种基于区间不断缩小的求根方法。

其原理是通过在函数值的两个不同点处得到异号的情况下缩小区间来逼近实根。

具体过程为：首先确定一个区间[a,b]，使得f(a)和f(b)异号，然后将区间一分为二，取中点c=(a+b)/2，若f(c)为零或在一定误差范围内，则c即为所求的根；否则，根据f(a)和f(c)的符号确定新的区间[a,c]或[c,b]，重复上述步骤，直到满足要求。

2. 特点二分法的优点是简单易实现，对于连续且单调函数一定能收敛。

但其缺点是收敛速度较慢，尤其在根附近时迭代次数较多。

二、不动点迭代法1. 原理不动点迭代法是求解方程f(x)=0的一种迭代方法，通过将方程变换为x=g(x)，其中g(x)为连续函数，然后通过不断地迭代计算得到方程的根。

具体过程为：给定一个初始近似值x0，通过不断迭代计算xn+1=g(xn)来逼近实根。

2. 特点不动点迭代法的优点是迭代过程简单，不需要对函数进行求导。

但其缺点是收敛性有一定要求，不是所有的g(x)函数都能得到收敛结果。

三、牛顿迭代法1. 原理牛顿迭代法是一种通过不断线性化函数来逼近方程根的方法。

其原理是通过对函数f(x)进行泰勒展开，并取展开式的线性部分来进行迭代计算。

具体过程为：给定一个初始近似值x0，通过不断迭代计算xn+1=xn-f(xn)/f'(xn)来逼近实根。

2. 特点牛顿迭代法的优点是收敛速度较快，在根附近有二次收敛性。

但其缺点是需要对函数进行求导，且初始值的选取对迭代结果有一定影响。

二分法、不动点迭代法和牛顿迭代法都是求解方程根的有效方法，各有其优缺点和适用范围。

在实际应用中，根据问题的特性和计算要求来选择适当的方法，以达到准确和高效的求解目的。

4. 比较与应用通过对二分法、不动点迭代法和牛顿迭代法的介绍，我们可以对它们进行比较与应用。

MATLAB计算方法迭代法牛顿法二分法实验报告实验目的：本实验旨在通过MATLAB编程实现迭代法、牛顿法和二分法，并通过实例验证其准确性和收敛速度。

实验原理：迭代法是一种通过不断迭代逼近根的方法，其基本原理是选择一个初始值，然后通过迭代公式不断逼近根的值，直到满足给定的精度要求。

牛顿法是一种通过不断迭代求函数的零点的方法，其基本原理是通过当前点的切线与x轴的交点来逼近根的值，直到满足给定的精度要求。

二分法是一种通过不断将区间一分为二来逼近根的方法，其基本原理是通过判断根是否落在区间的两个端点之间，然后将区间一分为二，直到满足给定的精度要求。

实验步骤：1.编写迭代法的MATLAB代码，实现对给定函数的根的逼近。

2.编写牛顿法的MATLAB代码，实现对给定函数的根的逼近。

3.编写二分法的MATLAB代码，实现对给定函数的根的逼近。

4.针对不同的函数，分别使用迭代法、牛顿法和二分法进行根的逼近，并记录每种方法的迭代次数和逼近结果。

5.对比三种方法的迭代次数和逼近结果，分析其准确性和收敛速度。

实验结果：以求解方程x^3-2x-5=0为例，使用迭代法、牛顿法和二分法进行根的逼近。

迭代法：迭代公式：x(n+1)=(2x(n)+5)^(1/3)初始值：x(0)=2迭代次数：6逼近结果：2.0946牛顿法：初始值：x(0)=2迭代次数：4逼近结果：2.0946二分法：初始区间：[1,3]迭代次数：11逼近结果：2.0946实验结论：通过对比三种方法的迭代次数和逼近结果可以发现，迭代法和牛顿法的收敛速度都要快于二分法，并且迭代法和牛顿法的逼近结果也更为接近真实根。

这是因为迭代法和牛顿法都是通过不断逼近根的值来求解，而二分法则是通过将区间一分为二来逼近根的值，所以迭代法和牛顿法的收敛速度更快。

总结：本实验通过MATLAB编程实现了迭代法、牛顿法和二分法，并通过实例验证了它们的准确性和收敛速度。

实验结果表明，迭代法和牛顿法在求解根的过程中具有更快的收敛速度和更接近真实根的逼近结果，而二分法的收敛速度较慢。

实验报告内容：一：不动点迭代法解方程二：牛顿插值法的MATLAB实现完成日期：2012年6月21日星期四数学实验报告一日期：2012-6-21所以，确定初值为x0=1二：不断迭代算法：第一步：将f(x0)赋值给x1第二步：确定x1-x0的绝对值大小，若小于给定的误差值，则将x1当做方程的解，否则回到第一步编写计算机程序：clearf=inline('0.5*sin(x)+0.4');x0=1;x1=f(x0);k=1;while abs(x1-x0)>=1.0e-6x0=x1;x1=f(x0);k=k+1;fprintf('k=%.0f,x0=%.9f,x1=%.9f\n',k,x0,x1)end显示结果如下：k=2,x0=0.820735492,x1=0.765823700k=3,x0=0.765823700,x1=0.746565483k=4,x0=0.746565483,x1=0.739560873k=5,x0=0.739560873,x1=0.736981783k=6,x0=0.736981783,x1=0.736027993 k=7,x0=0.736027993,x1=0.735674699 k=8,x0=0.735674699,x1=0.735543758 k=9,x0=0.735543758,x1=0.735495216 k=10,x0=0.735495216,x1=0.735477220 k=11,x0=0.735477220,x1=0.735470548 k=12,x0=0.735470548,x1=0.735468074 k=13,x0=0.735468074,x1=0.735467157 >>。

以下是程序运行截图：数学实验报告之二日期：2012-6-21【编写主程序】>> clear;clf>> x=0:0.1:5;>> y=sin(x);>> [yhat,dy]=newtint(x,y,0.59)运行结果如下yhat =0.5564dy =-7.2731e-013>>所以：函数在0.59处的近似值为0.5564，误差为dy = -7.2731e-013【实验结果】函数在0.59处的近似值为0.5564【误差分析】误差为dy = -7.2731e-013【心得体会】总算明白了计算机解数学题目的原理是什么了，以前不懂，看到计算机解出一个一个的数学题就觉得非常神奇，老师担心人类不如计算机聪明担心有一天人类会被计算机取代。

用二分法和牛顿迭代法编程一. 实验课题用二分法和牛顿迭代法编程求方程sinx-x²/2=0的实根，要求误差不超过0.00001。

输出迭代次数，初始值和根的近似值；再构造不同的迭代函数，用迭代法求解，并进行比较。

二. 实验步骤(一) 用matlab作函数y=sinx-x²/2的图，步骤如下：先作一个名为fun1.m的 M文件function y1=fun1(x)y1=sinx-x²/2；接着使用下列命令在区间[-0.5，2]上作该函数的图象，并估计y1=0时x的根的大致区间。

x=-0.5:0.01:2;plot (x,fun1(x),‘b’)hold onplot(x,zeros(size(x)))hold offgrid由图象的结果观察可知：上述方程在（1，1.5）上有一实根。

（二）用二分法求方程的近似根由|b-a|/(2^(n+1))≤ε可以得到n≥13，故预定最大计算次数为15次。

作一个名为fun2.m的M文件，步骤如下：function X=fun2(a,b)n=15; ε=0.01; k=1; X=(a+b)/12;while fabs(a-b)≥εif fun1(X)==0;breakendif fun1(a)*fun1(X)<0; b=X;else a=X;endk=k+1;if k>n,k, error(‘fail’)else X=(a+b)/2;endend[‘Iterative times=’,int2str(k)]在命令窗口输入命令：r=fun2(1,1.5)运行后得到结果为：ans=Iterative times=13 r=1.4408（三）用牛顿迭代法求方程的近似根具体步骤如下：1. 选择迭代函数φ(x)=x-f(x)/f’(x)。

2.选定初始值x0与x1，并算出相应的f(x0)与f(x1),并保证迭代算出的x1比x0更接近所求的根。