图1二分法流程图图2牛顿迭代法流程图

牛顿迭代法李保洋数学科学学院信息与计算科学学号：060424067指导老师：苏孟龙摘要：牛顿在17世纪提出的一种在实数域和复数域上近似求解方程的方法，即牛顿迭代法.迭代法是一种不断用变量的旧值递推新值的过程•跟迭代法相对应的是直接法或者称为一次解法，即一次性解决问题•迭代法又分为精确迭代和近似迭代“牛顿迭代法”属于近似迭代法，本文主要讨论的是牛顿迭代法，方法本身的发现和演变和修正过程，避免二阶导数计算的Newton迭代法的一个改进，并与中国古代的算法，即盈不足术，与牛顿迭代算法的比较•关键词：Newton迭代算法；近似求解；收敛阶；数值试验；中国古代数学;九章算术；Duffing方程；非线性方程；收敛速度；渐进性0引言：迭代法也称辗转法，是一种不断用变量的旧值递推新值的过程，跟迭代法相对应的是直接法或者称为一次解法，即一次性解决问题•迭代法又分为精确迭代和近似迭代•“二分法”和“牛顿迭代法”属于近似迭代法•迭代算法是用计算机解决问题的一种基本方法•它利用计算机运算速度快、适合做重复性操作的特点，让计算机对一组指令（或一定步骤）进行重复执行，在每次执行这组指令（或这些步骤）时，都从变量的原值推出它的一个新值•具体使用迭代法求根时应注意以下两种可能发生的情况：（1）如果方程无解，算法求出的近似根序列就不会收敛，迭代过程会变成死循环，因此在使用迭代算法前应先考察方程是否有解，并在程序中对迭代的次数给予限制•（2）方程虽然有解，但迭代公式选择不当，或迭代的初始近似根选择不合理，也会导致迭代失败•所以利用迭代算法解决问题，需要做好以下三个方面的工作：1、确定迭代变量•在可以用迭代算法解决的问题中，至少存在一个直接或间接地不断由旧值递推出新值的变量，这个变量就是迭代变量2、建立迭代关系式.所谓迭代关系式，指如何从变量的前一个值推出其下一个值的公式（或关系）.迭代关系式的建立是解决迭代问题的关键，通常可以使用递推或倒推的方法来完成.3、对迭代过程进行控制，在什么时候结束迭代过程？这是编写迭代程序必须考虑的问题.不能让迭代过程无休止地重复执行下去.迭代过程的控制通常可分为两种情况：一种是所需的迭代次数是个确定的值，可以计算出来；另一种是所需的迭代次数无法确定.对于前一种情况，可以构建一个固定次数的循环来实现对迭代过程的控制；对于后一种情况，需要进一步分析出用来结束迭代过程的条件.1牛顿迭代法：洛阳师范学院本科毕业论文X 0 牛顿迭代有十分明显的几何意义，如图所示:牛顿 迭代法(Newton method)又称为牛顿-拉夫逊方法(Newto n-Rapfsonmethod)，它是牛顿在17世纪提出的一种在实数域和复数域上近似求解方程的方 法.多数方程不存在求根公式，因此求精确根非常困难甚至不可能，从而寻找方程的近似根就显得特别重要•方法使用函数f x 的泰勒级数的前面几项来寻找方程f x =0的根•牛顿迭代法是求方程根的重要方法之一，其最大优点是在方程f x =0的单根附近具有平方收敛性，而且该法还可以用来求方程的重根、复根. 另外该方法广泛用于计算机编程中：解非线性方程f x ]=0的牛顿(Newton)法是把非线性的方程线性化的一种近似方法•把f x 的x 点附近展开泰勒(Taylor )级' 2 f x = f x 0 f X - X 0 f x 0 ］亠 ix - X 0取其线性部分作为非线性方程f x =0的近似方程，则有:f X 。

数值球根试验报告《数值计算方法》专业班级软件08-1姓名熊文成学号08083117时间2010年10月24日星期天一、 实验目的熟悉二分法以及牛顿迭代法求方程近似根的数值方法，掌握各种迭代方法，自己扩张研究迭代法的效率与收敛性和初始值的关系。

二、 实验内容1.已知0104)(23=-+=x x x f 在[]21，上有一个实根*x ，14)2(5)1(=-=f f ，，用二分法和牛顿迭代法求该实根，要求精度满足条件：321*1021-+⨯≤-k x x 。

2.条件允许的话，扩展研究各种迭代法的效率，以及迭代的效率和收敛性与初始值的关系，并通过比较采用两点加速的方法与普通的方法的效率体验加速迭代的优点。

总而言之，本实验中的用到的求根方法有①二分法，②牛顿迭代法，③迭代函数为213)10(21)(x x -=ϕ的迭代方法，以及④对函数213)10(21)(x x -=ϕ采用两点加速迭代的方法。

三、 主函数流程程序是按顺序运行的，流程图如下图所示：四、源程序#include <stdio.h>#include <conio.h>#include <math.h>//根据x的值计算函数值//函数f(x)=x*x*x+4*x*x-10double func(double x){double value;value=x*x*x+4*x*x-10;return value;}//根据参数x的值计算函数f(x)的导数值double divFunc(double x){return 3*x*x+8*x;}//二分法计算方程f(x)=0在[1,2]上的跟//二份迭代结束条件由参数precision精度给出void biSectionMethod(double precision){int k=0; //均分次数double x1=1.0,x2=2.0; //区间[1.0,2.0]double midx; //二分之后的值printf("\n\t k 有根区间k+1 f(x(k+1)) ");do{printf("\n\t%3d",k);printf(" [%.3f,%.3f]",x1,x2);midx=(x1+x2)/2;printf(" %f",midx);printf(" %.6f",func(midx));if (func(midx)<0)x1=midx;else x2=midx;k++;if (k%3==0) //每次输出4个等用户审查getch();} while (x2-x1>=precision); //区间的长度超过5e-3就一直迭代printf("\n\t二分法分区间的次数:%d,所求的根是:%lf",k-1,x2);}//牛顿迭代法//根据初值值x0,在区间[1.0,2.0]上迭代求根//迭代次数由参数precision精度决定void NewTonMethod(double x0,double precision){int k=0; //迭代次数double x1,x2=x0;printf("\n\t k x(k) f(x(k)) |x(k+1)-x(k)|");do{printf("\n\t%2d",k);printf(" %.6f",x2);printf(" %.6f",func(x2));x1=x2;x2=x2-func(x1)/divFunc(x1);if (x2-x1>0)printf(" %.6f",x2-x1); //输出两次迭代的差值else printf(" %.6f",x1-x2);k++;if (k%3==0) //每次输出4个等用户审查getch();} while (x2-x1>precision||x1-x2>precision);printf("\n\t牛顿迭代初值:%lf,次数:%d,所求的根是:%lf",x0,k-1,x2); }//迭代函数g(x)=(sqrt(10-x*x*x))/2;double funcTwo(double x){return (sqrt(10-x*x*x))/2;}//普通迭代函数void ordinaMethod(double x0,double precision){int k=0; //迭代次数double x1,x2=x0;printf("\n\t k x(k) f(x(k)) |x(k+1)-x(k)|");do{printf("\n\t%2d",k);printf(" %.6f",x2);printf(" %.6f",func(x2));x1=x2;x2=funcTwo(x1);if (x2-x1>0)printf(" %.6f",x2-x1); //输出两次迭代的差值else printf(" %.6f",x1-x2);k++;if (k%3==0) //每次输出4个等用户审查getch();} while (x2-x1>precision||x1-x2>precision);printf("\n\t普通迭代初值:%lf,次数:%d,所求的根是:%lf",x0,k-1,x2); }//使用两个跌代值的组合加速跌代//对迭代函数f(x)=(sqrt(10-x*x*x))/2的加速void twoValue(double x0,double precision){int k=0; //迭代次数double x1,x2=x0;printf("\n\t k x(k) f(x(k)) |x(k+1)-x(k)|");do{printf("\n\t%2d",k);printf(" %.6f",x2);printf(" %.6f",func(x2));x1=x2;x2=(funcTwo(x1)+x1)/2;if (x2-x1>0)printf(" %.6f",x2-x1); //输出两次迭代的差值else printf(" %.6f",x1-x2);k++;if (k%3==0) //每次输出4个等用户审查getch();} while (x2-x1>precision||x1-x2>precision);printf("\n\t两点加速迭代初值:%lf,次数:%d,根:%lf",x0,k,x2);}void main(){double orgin=1.5; //初始值double precision=5e-6; //精度char sel=0; //操作符while(1){printf("\n\t选择:");printf("\n\t1.二分法\n\t2.迭代法\n\t");sel=getch();printf("\n\n\t注：程序停止处按任意键继续");if (sel=='1'){printf("\n\n\t ************二分法求解过程***********");biSectionMethod(precision); //测试函数}else{printf("\n\t输入迭代的初值:");scanf("%lf",&orgin);//if (orgin>2.0||orgin<1.0) //限制迭代初值范围,根据情况决定//orgin=1.5; //如果输入非法,则按1.5计算printf("\n\n\t ************牛顿迭代法求解过程************");NewTonMethod(orgin,precision);printf("\n\t任何键继续:");getch();printf("\n\n\t *******普通迭代g(x)=(sqrt(10-x*x*x))/2*****");ordinaMethod(orgin,precision);printf("\n\t任何键继续:");getch();printf("\n\n\t ************两个值组合加速迭代x=(g(x)+x)/2***********");twoValue(orgin,precision);}printf("\n\t任何键继续:");getch();}}五、运行结果1、选择求根方法2、 选择二分法下面给出二分法的结果：3、 选择迭代法查看结果：首先显示的是牛顿迭代法的结果：然后是普通迭代法函数是：213)10(21)(x x -=ϕ，结果如下：接着可以看到的是用两点加速法对函数213)10(21)(x x -=ϕ的加速：下面采用不同的初值查看普通迭代函数的收敛性与效率： 各个结果如下：上图对应的是收敛性：收敛的。

⽜顿迭代法：介绍、原理与运⽤⽜顿迭代法：介绍、原理与运⽤介绍⽜顿迭代法是⼀个可以求⼀个任意函数的零点的⼯具。

它⽐⼆分法快得多。

公式是：x=a-f(a)/f'(a)。

其中a是猜测值，x是新的猜测值。

不断迭代，f(x)就越来越接近0。

原理我们将f(x)做泰勒⼀阶展开：f(x)∼f(a)+(x-a)f'(a)。

令f(x)=0∴f(a)+(x-a)f'(a)=0∴f(a)+xf'(a)-af'(a)=0∴xf'(a)=af'(a)-f(a)∴x=a-f(a)/f'(a)实例：⽜顿迭代法求√2的近似值∵x = √2∴x2 = 2∴x2 -2 = 0令f(x)=⽅程左边，则f(x)∼0↔x∼√2。

f'(x) = 2x。

于是可以得到迭代公式：x=a-f(a)/f'(a)=a-(a2-2)/(2a)=a-a/2+1/a=a/2+1/a代码如下（要求误差⼩于1e-6）：#include <stdio.h>#include <math.h>int main(int argc, char const *argv[]){double a = 2.0;double expect_error = 0.000001;double x;double actual_error;unsigned iteration_count = 0;do {if (a == 0.0) a = 0.1; /* 避免0做分母 */x = a/2 + 1/a;actual_error = fabs(2 - x*x);a = x;++iteration_count;printf("%d\t%.9f\t%.9f\n", iteration_count, a, actual_error);} while (actual_error >= expect_error);return 0;}输出：1 1.500000000 0.2500000002 1.416666667 0.0069444443 1.414215686 0.0000060074 1.414213562 0.000000000迭代了4次。

凸优化之⽆约束优化（⼀维搜索⽅法：⼆分法、⽜顿法、割线法）1、⼆分法（⼀阶导）⼆分法是利⽤⽬标函数的⼀阶导数来连续压缩区间的⽅法，因此这⾥除了要求 f 在 [a0,b0] 为单峰函数外，还要去 f(x) 连续可微。

（1）确定初始区间的中点 x(0)=(a0+b0)/2 。

然后计算 f(x) 在 x(0) 处的⼀阶导数 f'(x(0))，如果 f'(x(0)) >0 , 说明极⼩点位于 x(0)的左侧，也就是所，极⼩点所在的区间压缩为[a0,x(0)]；反之，如果 f'(x(0)) <0，说明极⼩点位于x(0)的右侧，极⼩点所在的区间压缩为[x(0)，b0]；如果f'(x(0)) = 0，说明就是函数 f(x) 的极⼩点。

（2）根据新的区间构造x(1)，以此来推，直到f'(x(k)) = 0，停⽌。

可见经过N步迭代之后，整个区间的总压缩⽐为（1/2）N，这⽐黄⾦分割法和斐波那契数列法的总压缩⽐要⼩。

1 #ifndef _BINARYSECTION_H_2#define _BINARYSECTION_H_34 typedef float (* PtrOneVarFunc)(float x);5void BinarySectionMethod(float a, float b, PtrOneVarFunc fi, float epsilon);67#endif1 #include<iostream>2 #include<cmath>3 #include "BinarySection.h"45using namespace std;67void BinarySectionMethod(float a, float b, PtrOneVarFunc tangent, float epsilon)8 {9float a0,b0,middle;10int k;11 k = 1;12 a0 = a;13 b0 = b;14 middle = ( a0 + b0 )/2;1516while( abs(tangent(middle)) - epsilon > 0 )17 {18 #ifdef _DEBUG19 cout<<k++<<"th iteration:x="<<middle<<",f'("<<middle<<")="<<tangent(middle)<<endl;20#endif2122if( tangent(middle) > 0)23 {24 b0 = middle;25 }26else27 {28 a0 = middle;29 }30 middle =( a0+b0)/2;31 }3233 cout<<k<<"th iteration:x="<<middle<<",f'("<<middle<<")="<<tangent(middle)<<endl;34 }1 #include<iostream>2 #include "BinarySection.h"345float TangentFunctionofOneVariable(float x)6 {7return14*x-5;//7*x*x-5*x+2;8 }910int main()11 {12 BinarySectionMethod(-50, 50, TangentFunctionofOneVariable, 0.001);13return0;14 }1th iteration:x=0,f'(0)=-52th iteration:x=25,f'(25)=3453th iteration:x=12.5,f'(12.5)=1704th iteration:x=6.25,f'(6.25)=82.55th iteration:x=3.125,f'(3.125)=38.756th iteration:x=1.5625,f'(1.5625)=16.8757th iteration:x=0.78125,f'(0.78125)=5.93758th iteration:x=0.390625,f'(0.390625)=0.468759th iteration:x=0.195312,f'(0.195312)=-2.2656210th iteration:x=0.292969,f'(0.292969)=-0.89843811th iteration:x=0.341797,f'(0.341797)=-0.21484412th iteration:x=0.366211,f'(0.366211)=0.12695313th iteration:x=0.354004,f'(0.354004)=-0.043945314th iteration:x=0.360107,f'(0.360107)=0.041503915th iteration:x=0.357056,f'(0.357056)=-0.001220716th iteration:x=0.358582,f'(0.358582)=0.020141617th iteration:x=0.357819,f'(0.357819)=0.0094604518th iteration:x=0.357437,f'(0.357437)=0.0041198719th iteration:x=0.357246,f'(0.357246)=0.0014495820th iteration:x=0.357151,f'(0.357151)=0.0001144412、⽜顿法（⼆阶导）前提：f 在 [a0,b0] 为单峰函数，且[a0,b0] 在极⼩点附近，不能离的太远否则可能⽆法收敛。

高中数学如何求解二分法和牛顿迭代法方程在高中数学中，求解方程是一个重要的内容，而二分法和牛顿迭代法是两种常用的求解方程的方法。

本文将介绍这两种方法的原理、应用以及解题技巧，并通过具体的例题来说明其考点和解题思路。

一、二分法的原理和应用二分法是一种通过不断缩小搜索范围来逼近方程根的方法。

其基本原理是将待求解的区间不断二分，判断根是否在左半区间还是右半区间，并将搜索范围缩小至根的附近。

具体步骤如下：1. 确定初始区间[a, b]，使得f(a)与f(b)异号；2. 计算区间中点c=(a+b)/2；3. 判断f(c)与0的关系，若f(c)=0，则c为方程的根；若f(c)与f(a)异号，则根在区间[a, c]内，否则根在区间[c, b]内；4. 重复步骤2和步骤3，直到满足精度要求或找到根。

二分法的应用非常广泛，例如在求解函数的零点、解方程、求解最优化问题等方面都有应用。

下面通过一个具体的例题来说明二分法的应用和解题技巧。

例题1：求方程x^3-2x-5=0的根。

解题思路：1. 首先我们需要确定初始区间[a, b]，使得f(a)与f(b)异号。

根据题目中的方程，可以取a=1，b=2，计算f(1)=-6和f(2)=1，满足条件；2. 计算区间中点c=(a+b)/2=1.5；3. 计算f(c)=f(1.5)=-1.375，与0的关系异号，说明根在区间[1, 1.5]内；4. 重复步骤2和步骤3，不断缩小搜索范围，直到满足精度要求或找到根。

通过不断迭代，我们可以得到方程的根为x=1.709。

这个例题展示了二分法的基本思路和解题技巧，通过不断缩小搜索范围，我们可以逼近方程的根。

二、牛顿迭代法的原理和应用牛顿迭代法是一种通过不断迭代逼近方程根的方法，其基本原理是利用函数的切线来逼近根的位置。

具体步骤如下：1. 确定初始点x0；2. 计算函数f(x)在x0处的导数f'(x0)；3. 计算切线的方程y=f(x0)+f'(x0)(x-x0)；4. 求切线与x轴的交点x1，即x1=x0-f(x0)/f'(x0)；5. 重复步骤2到步骤4，直到满足精度要求或找到根。

东南大学-数值分析-第二章-牛顿迭代法第二章非线性方程的解法某某某某（学号）某某某某（姓名）算法与程序题目见教材P56上机题目20。

一、算法原理根据题目的要求，是关于用牛顿迭代法法求解方程f(某)0的通用算法。

该法是一种通过斜率迭代的算法，其速度比二分法和简单迭代法都要快。

其简单原理如下：设fC2[a,b],且存在数p[a,b],满足f(p)0。

如果f(p)0,则存在一个数0,对任意初始值p0[p,p],使得由如下定义的迭代序列{pk}k0收敛到p：pkg(pk1)pk1f(pk1),其中k1,2,f(pk1)(1)对于函数f(某)某3/3某=0，则其递推规则是32pkpk21,其中k1,2,3pk1-3(2)定义序列{pk}则序列{pk}也可表示为limpk某现简要证明：k0，k0收敛到某，某对于f(某)某3/3某，得f'(某)某2-1，写出牛顿迭代公式f(某)某3/3某g(某)某某2f(某)某-1(3)该公式可化简为2某3g(某)23某3(4)二、流程图题目要求于用牛顿迭代法法求解方程f(某)0的通用算法。

其计算过程主要第二章非线性方程的解法用到迭代g(某)某f(某)，图流程图1所示。

f(某)输入各参数k=1迭代pkg(pk1)pk1f(pk1),其中k1,2,f(pk1)Tbreak计算各误差误差在允许范围之内Fk=k+1k三、计算代码核心代码1)p1=……;2)if(err程序1：Newton.m%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %Decription:牛顿迭代法%Author:panyunqiang%Veroin:1.0%Date:2022-9-21%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%f unction[p0,err,k,y]=Newton(p0,delta,epilon,ma某N)%input-p0itheinitialappro某imationtoazerooff%-deltaithetoleranceforp0%-epilonithetoleranceforthefunctionvaluey%-ma某Nithema某iumnumberofiteration%output-p0itheNewtonappro某imationtoazero%-erritheerroretimateforp0东南大学《数值分析》上机练习——算法与程序设计实验报告%-kithenumberofiteration%-yithefunctionvaluef(p0)fork=1:ma 某N%%递归p1=2某p0^3/(3某p0^2-3);%%计算误差err=ab(p1-p0);relerr=2某err/(ab(p1)+delta);p0=p1;%%当前求出的根的函数值y=p0^3/3-p0;%%判断if(err程序2：Newton_Step.m%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%Decription:寻找题目中关于牛顿迭代法收敛的尽可能大的delta%搜索步进为tep=10^(-6),即精确到小数点后六位%Author:panyunqiang%Veroin:1.0%Date:2022-9-21%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %formatlongtep=10^(-6);delta=10^-8;epilon=10^-8;ma某N=1000;p=0.6;[p0,err,k,y]=Newton(p,delta,epilon,ma某N);while((ab(p0)<=epilon)&(p0~=NaN))p=p+tep;[p0,err,k,y]=Newton(p,delta,epilon,ma某N);endp-tep四、计算结果及分析a)运行程序Newton_Step.m，获得Newton局部收敛于某2=0的初始值的范围=0.774596，六位有效数字。

迭代公式：当0)('≠x f 时，令......3,2,1,0,)()('1=-=+k x f x f x x k k k 当所求根为单根时，牛顿迭代法时二阶收敛的。

牛顿迭代法时一种局部收敛方法，通常要求初始近似值0x 在*x 领域是方法才收敛。

为保证方法收敛，可引入参数，将公式改写为：)()('1x f x f x x k k k k λ-=+ 其中10≤<k λ，称为下山因子，该方法称为牛顿下山法。

选择k λ，使|)(||)(|1k k x f x f <+，通常首选1=k λ，若下降条件不成立，则取21=k λ，直到下降条件成立，该方法只有线性收敛。

实验题目（1） x^2-exp(x)=0;（2） logs(x)+x-2=0;牛顿迭代法实验程序第一题function y=func2_2(x)y=x^2-exp(x);endfunction y=func2_2_1(x)y=2*x-exp(x);end命令窗口输入eps=5e-6;delta=1e-6;N=100;k=0;x0=1.0;while(1)x1=x0-func2_2(x0)/func2_2_1(x0);if (k>N|abs(x1)<eps)disp('Newton method failed');breakendif abs(x1)<1d=x1-x0;elsed=(x1-x0)/x1;endx0=x1;if (abs(d)<eps|abs(func2_2(x1))<delta)breakendendfprintf('%f',x0);第一题牛顿迭代结果 -0.703467第三题牛顿迭代主程序function y=func2_2(x)y=log(x)+x-2;function y=func2_2_1(x)y=1/x+1;第三题实验结果 1.557146二分法在求方程近似根的方法中，最直接、最简单的方法是二分法。

01,,n1,,n1,,)n x及数值分析各算法流程图一、插值1、 拉格朗日插值流程图：( 相应程序：lagrintp(x,y,xx))2,,n ,,j n 1,2,,n 1,,)n 2、 牛顿插值流程图(1)产生差商表的算法流程图(相应程序：divdiff(x,y))注：1、另一程序divdiff1(x,y)，输出的矩阵包含了节点向量。

而divdiff(x,y)不含节点向量。

2、另一程序tableofdd(x,y,m)，输出的是表格形式，添加了表头。

1,,),,n m 及1,,m (2)非等距节点的牛顿插值流程图(相应程序：newtint11(x,y,xx,m)) 、注：1、虽然程序newtint11(x,y,xx,m)考虑了多种情形，看上去很复杂，但基本流程结构还是如上图所示。

2、程序中调用的子程序是divdiff 。

若调用的子程序是divdiff1的话，流程图中的第三，第四，第五步要相应的改一下数字。

2,3,,1m +1,,j1,2,,n=1,2,,)n m 及(3)求差分表的流程图(相应程序：difference(y,m))注：1、difference 输出的是矩阵D 。

而另一程序tableofd(y,m)，输出的是带有表头的差分表。

n x m1,,),,1,,m注：1、程序newtforward1(x,y,xx,m))的结构与上述流程图一致，xx可以是数组。

2、另一程序newtforward(x,y,xx,m))先求出插值多项式，再求插值多项式在插值点的函数值。

基本结构还是和上面的流程图一样。

n x m1,,),,-x x1,,m注：1、程序newtbackward1(x,y,xx,m))的结构与上述流程图一致，xx可以是数组。

2、另一程序newtbackward(x,y,xx,m))先求出插值多项式，再求插值多项式在插值点的函数值。

基本结构还是和上面的流程图一样。

1,2,,n1,2,,n ,2,,)n x及3、Hermite 插值流程图(1) 已知条件中一阶导数的个数与插值节点的个数相等时的Hermite 插值流程图。

牛顿迭代法李保洋数学科学学院信息与计算科学学号：060424067指导老师：苏孟龙摘要：牛顿在17世纪提出的一种在实数域和复数域上近似求解方程的方法，即牛顿迭代法.迭代法是一种不断用变量的旧值递推新值的过程•跟迭代法相对应的是直接法或者称为一次解法，即一次性解决问题•迭代法又分为精确迭代和近似迭代“牛顿迭代法”属于近似迭代法，本文主要讨论的是牛顿迭代法，方法本身的发现和演变和修正过程，避免二阶导数计算的Newton迭代法的一个改进，并与中国古代的算法，即盈不足术，与牛顿迭代算法的比较•关键词：Newton迭代算法；近似求解；收敛阶；数值试验；中国古代数学;九章算术；Duffing方程；非线性方程；收敛速度；渐进性0引言：迭代法也称辗转法，是一种不断用变量的旧值递推新值的过程，跟迭代法相对应的是直接法或者称为一次解法，即一次性解决问题•迭代法又分为精确迭代和近似迭代•“二分法”和“牛顿迭代法”属于近似迭代法•迭代算法是用计算机解决问题的一种基本方法•它利用计算机运算速度快、适合做重复性操作的特点，让计算机对一组指令（或一定步骤）进行重复执行，在每次执行这组指令（或这些步骤）时，都从变量的原值推出它的一个新值•具体使用迭代法求根时应注意以下两种可能发生的情况：（1）如果方程无解，算法求出的近似根序列就不会收敛，迭代过程会变成死循环，因此在使用迭代算法前应先考察方程是否有解，并在程序中对迭代的次数给予限制•（2）方程虽然有解，但迭代公式选择不当，或迭代的初始近似根选择不合理，也会导致迭代失败•所以利用迭代算法解决问题，需要做好以下三个方面的工作：1、确定迭代变量•在可以用迭代算法解决的问题中，至少存在一个直接或间接地不断由旧值递推出新值的变量，这个变量就是迭代变量2、建立迭代关系式.所谓迭代关系式，指如何从变量的前一个值推出其下一个值的公式（或关系）.迭代关系式的建立是解决迭代问题的关键，通常可以使用递推或倒推的方法来完成.3、对迭代过程进行控制，在什么时候结束迭代过程？这是编写迭代程序必须考虑的问题.不能让迭代过程无休止地重复执行下去.迭代过程的控制通常可分为两种情况：一种是所需的迭代次数是个确定的值，可以计算出来；另一种是所需的迭代次数无法确定.对于前一种情况，可以构建一个固定次数的循环来实现对迭代过程的控制；对于后一种情况，需要进一步分析出用来结束迭代过程的条件.1牛顿迭代法：洛阳师范学院本科毕业论文X 0 牛顿迭代有十分明显的几何意义，如图所示:牛顿 迭代法(Newton method)又称为牛顿-拉夫逊方法(Newto n-Rapfsonmethod)，它是牛顿在17世纪提出的一种在实数域和复数域上近似求解方程的方 法.多数方程不存在求根公式，因此求精确根非常困难甚至不可能，从而寻找方程的近似根就显得特别重要•方法使用函数f x 的泰勒级数的前面几项来寻找方程f x =0的根•牛顿迭代法是求方程根的重要方法之一，其最大优点是在方程f x =0的单根附近具有平方收敛性，而且该法还可以用来求方程的重根、复根. 另外该方法广泛用于计算机编程中：解非线性方程f x ]=0的牛顿(Newton)法是把非线性的方程线性化的一种近似方法•把f x 的x 点附近展开泰勒(Taylor )级' 2 f x = f x 0 f X - X 0 f x 0 ］亠 ix - X 0取其线性部分作为非线性方程f x =0的近似方程，则有:f X 。