实验三：matlab求代数方程的近似根(解)

Matlab数值实验求代数方程的近似根（解）教程一、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 =12.1229-5.7345-0.38844．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=3.14167．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', 0.5)(5) fzero('x^3-3*x+1', 1.4)(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：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 0.5 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 1.4 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．)。

用MATLAB解方程的三个实例1、对于多项式p(x)=x3-6x2-72x-27，求多项式p(x)=0的根，可用多项式求根函数roots（p），其中p为多项式系数向量，即>>p =[1,-6,-72,-27]p =1.00 -6.00 -72.00 -27.00p是多项式的MATLAB描述方法，我们可用poly2str(p,'x')函数，来显示多项式的形式: >>px=poly2str(p,'x')px =x^3 - 6 x^2 - 72 x - 27多项式的根解法如下：>> format rat %以有理数显示>> r=roots(p)r =2170/179-648/113-769/19802、在MATLAB中，求解用符号表达式表示的代数方程可由函数solve实现，其调用格式为：solve(s,v)：求解符号表达式s的代数方程，求解变量为v。

例如，求方程（x+2）x=2的解,解法如下：>> x=solve('(x+2)^x=2','x')x =.69829942170241042826920133106081得到符号解，具有缺省精度。

如果需要指定精度的解，则：>> x=vpa(x,3)x =.6983、使用fzero或fsolve函数，可以求解指定位置（如x0）的一个根，格式为：x=fzero(fun,x0)或x=fsolve(fun,x0)。

例如，求方程0.8x+atan(x)- =0在x0=2附近一个根，解法如下：>> fu=@(x)0.8*x+atan(x)-pi;>> x=fzero(fu,2)x =2.4482或>> x=fsolve('0.8*x+atan(x)-pi',2)x =2.4482当然了，对于该方程也可以用第二种方法求解：>> x=solve('0.8*x+atan(x)-pi','x')x =2.4482183943587910343011460497668对于第一个例子，也可以用第三种方法求解：>> F=@(x)x^3-6*x^2-72*x-27F =@(x)x^3-6*x^2-72*x-27>> x=fzero(F,10)x =12.1229对于第二个例子，也可以用第三种方法：>> FUN=@(x)(x+2)^x-2FUN =@(x)(x+2)^x-2>> x=fzero(FUN,1)x =0.6983最近有多人问如何用matlab解方程组的问题，其实在matlab中解方程组还是很方便的，例如，对于代数方程组Ax=b(A为系数矩阵，非奇异)的求解，MA TLAB中有两种方法：(1)x=inv(A)*b —采用求逆运算解方程组；(2)x=A\b —采用左除运算解方程组。

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。

matlab计算根号算法根号算法是数学中常见的一种求解平方根的方法。

在计算机科学中，根号算法也是常用的数值计算方法之一。

在本文中，我们将介绍如何使用Matlab实现根号算法，并探讨其原理与应用。

我们需要明确根号算法的定义。

根号算法，也称为平方根算法，是求解一个数的平方根的方法。

在数学中，我们使用符号√来表示平方根。

例如，√4=2，表示4的平方根等于2。

在Matlab中，我们可以使用内置的sqrt函数来计算一个数的平方根。

sqrt函数的使用非常简单，只需要将需要求解平方根的数作为参数传入即可。

例如，如果我们想求解16的平方根，可以使用以下代码：```x = sqrt(16);disp(x);```运行上述代码，我们将得到输出结果为4。

这是因为16的平方根等于4。

除了使用内置的sqrt函数外，我们还可以使用迭代法来实现根号算法。

迭代法的基本思想是通过不断逼近的方式，求解一个方程的根。

在根号算法中，我们可以通过迭代法逼近一个数的平方根。

具体而言，我们可以使用以下迭代公式来计算一个数的平方根：```x(n+1) = (x(n) + a / x(n)) / 2```其中，x(n)表示第n次迭代的结果，x(n+1)表示第n+1次迭代的结果，a表示需要求解平方根的数。

现在，我们将使用Matlab实现根号算法的迭代过程。

首先，我们需要设置迭代的初始值，通常可以选择一个合适的数作为初始值。

在这里，我们选择a本身作为初始值。

然后，我们可以使用一个循环来迭代地计算平方根，直到达到预设的精度。

以下是使用Matlab实现根号算法的代码：```a = 16; % 需要求解平方根的数x = a; % 初始值设为a本身delta = 1e-6; % 预设的精度while truex_next = (x + a / x) / 2; % 根号算法的迭代公式if abs(x_next - x) < delta % 判断是否达到预设的精度break;endx = x_next; % 更新迭代结果enddisp(x);```运行上述代码，我们将得到输出结果为4。

数学实验报告实验序号： 日期： 年 月 日班级姓名学号实验名称：求代数方程的近似根 问题背景描述：求代数方程0)(=x f 的根是最常见的数学问题之一，当)(x f 是一次多项式时，称0)(=x f 为线性方程，否则称之为非线性方程．当0)(=x f 是非线性方程时，由于)(x f 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],[b a ，或给出某根的近似值0x ．实验目的：1. 了解代数方程求根求解的四种方法：对分法、迭代法、牛顿切线法2. 掌握对分法、迭代法、牛顿切线法求方程近似根的基本过程。

实验原理与数学模型：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)(x f 在],[b a 上连续，0)()(<⋅b f a f ，即 ()0f a >，()0f b <或()0f a <，()0f b >．则根据连续函数的介值定理，在),(b a 内至少存在一点 ξ，使()0f ξ=．下面的方法可以求出该根：(1) 令02a bx +=，计算0()f x ；(2) 若0()0f x =，则0x 是()0f x =的根，停止计算，输出结果0x x =．若 0()()0f a f x ⋅<，则令1a a =，10b x =，若0()()0f a f x ⋅>，则令10a x =，1b b =；1112a b x +=． ……，有k a 、k b 以及相应的2k kk a b x +=． (3) 若()k f x ε≤ (ε为预先给定的精度要求)，退出计算，输出结果2k kk a b x +=； 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{[,]}k k a b ，在(,)k k a b 中含有方程的根．当区间长k k b a -很小时，取其中点2k kk a b x +=为根的近似值，显然有 1111111()()()2222k k k k k k x b a b a b a ξ--+-≤-=⨯⨯-==-以上公式可用于估计对分次数k ．2. 迭代法1) 迭代法的基本思想：由方程()0f x =构造一个等价方程()x x φ=从某个近似根0x 出发，令1()k k x x φ+=， ,2,1,0=k可得序列{}k x ，这种方法称为迭代法．若 {}k x 收敛，即*lim k k x x →∞=，只要()x φ连续，有1lim lim ()(lim )k k k k k k x x x φφ+→∞→∞→∞==即可知，{}k x 的极限*x 是()x x φ=的根，也就是()0f x =的根．当然，若k x 发散，迭代法就失败． 迭代过程1()k k x x φ+=收敛的常用判别标准：当根区间[,]a b 较小，且对某一0[,]x a b ∈，()'x φ明显小于1时，则迭代收敛2) 迭代法的加速：a) 松弛法：若()x φ与k x 同是*x 的近似值，则1(1)()k k k k k x x x ωωφ+=-+是两个近似值的加权平均，其中k ω称为权重，现通过确定k ω看能否得到加速．迭代方程是：()x x ψ←其中()(1)()x x x ψωωφ=-+，令'()1'()0x x ψωωφ=-+=，试确定ω：当'()1x φ≠时，有11'()x ωφ=-，即当11'()k k x ωφ=-，'()11'()k k k x x φωφ--=-时，可望获得较好的加速效果，于是有松弛法：1(1)()k k k k k x x x ωωφ+=-+，11'()k k x ωφ=-b) Altken 方法：**()x x φ=，*x 是它的根，0x 是其近似根． 设10()x x φ=，21()x x φ=，因为****222121[][()()]()()x x x x x x x x 'x x φφφξ=+-=+-=+-， 用差商10211010()()x x x x x x x x φφ--=--近似代替()'φξ，有 **212110()x x x x x x x x -≈+-- ， 解出*x ，得**()x x φ=2*212210()2x x x x x x x -≈--+ 由此得出公式(1)()k k x x φ= ； (2)(1)()k k x x φ=；(2)(1)2(2)1(2)(1)()2k k k kk k kx x x xx x x +-==-+， ,2,1,0=k 这就是Altken 公式。