数值计算实验：牛顿迭代法求根

使用牛顿迭代法求解平方根牛顿迭代法是一种用于求解方程的数值方法，它可以用来近似求解平方根。

本文将介绍牛顿迭代法的原理和步骤，并通过一个简单的示例来说明其应用。

牛顿迭代法的基本思想是通过不断逼近函数的零点来求解方程。

对于求解平方根的问题，我们可以将其转化为求解方程f(x) = x^2 - a = 0的根，其中a为待求平方根的数。

我们需要选择一个初始点x0作为迭代的起点。

然后，通过牛顿迭代公式x = x0 - f(x0)/f'(x0)来计算下一个近似解x1，其中f'(x)表示函数f(x)的导数。

这个公式的意义是用切线与x轴的交点作为下一个近似解。

接下来，我们用x1作为新的起点，再次应用迭代公式计算x2。

不断重复这个过程，直到我们得到一个满足精度要求的近似解。

下面，通过一个具体的例子来演示牛顿迭代法的求解过程。

假设我们要求解的平方根是2，我们可以选择初始点x0 = 1作为起点。

我们计算f(x0)和f'(x0)的值。

代入f(x) = x^2 - 2的表达式，我们得到f(1) = 1^2 - 2 = -1和f'(1) = 2。

然后，代入牛顿迭代公式，得到x1 = 1 - (-1)/2 = 1.5。

接着，我们计算f(x1)的值，代入f(1.5) = 1.5^2 - 2 = 0.25。

由于f(x1)的值不满足精度要求，我们继续迭代。

以x1作为新的起点，计算f(x1)和f'(x1)的值。

代入公式，得到x2 = 1.5 - 0.25/2 = 1.375。

计算f(x2)的值，代入f(1.375) = 1.375^2 - 2 = -0.140625。

再次迭代，以x2作为新的起点，计算f(x2)和f'(x2)的值。

代入公式，得到x3 = 1.375 - (-0.140625)/2 = 1.4140625。

计算f(x3)的值，代入f(1.4140625) = 1.4140625^2 - 2 = -0.0009765625。

数学实验题目4 Newton 迭代法摘要0x 为初始猜测，则由递推关系产生逼近解*x 的迭代序列{}k x ，这个递推公式就是Newton 法。

当0x 距*x 较近时，{}k x 很快收敛于*x 。

但当0x 选择不当时，会导致{}k x 发散。

故我们事先规定迭代的最多次数。

若超过这个次数，还不收敛，则停止迭代另选初值。

前言利用牛顿迭代法求的根程序设计流程问题1（1 程序运行如下：r = NewtSolveOne('fun1_1',pi/4,1e-6,1e-4,10) r = 0.7391（2 程序运行如下：r = NewtSolveOne('fun1_2',0.6,1e-6,1e-4,10) r = 0.5885问题2（1 程序运行如下：否 是否是是定义()f x输入012,,,x N εε开 始1k =01()f x ε<0100()()f x x x f x =-'102||x x ε-<k N =输出迭代失败标志输出1x输出奇 异标志结 束01x x = 1k k =+ 否r = NewtSolveOne('fun2_1',0.5,1e-6,1e-4,10)r = 0.5671（2）程序运行如下：r = NewtSolveOne('fun2_2',0.5,1e-6,1e-4,20)r = 0.5669问题3（1）程序运行如下：①p = LegendreIter(2)p = 1.0000 0 -0.3333p = LegendreIter(3)p = 1.0000 0 -0.6000 0p = LegendreIter(4)p =1.0000 0 -0.8571 0 0.0857p = LegendreIter(5)p = 1.0000 0 -1.1111 0 0.2381 0②p = LegendreIter(6)p = 1.0000 0 -1.3636 0 0.4545 0 -0.0216r = roots(p)'r= -0.932469514203150 -0.6612 0.9324695142031530.6612 -0.238619186083197 0.238619186083197用二分法求根为：r = BinSolve('LegendreP6',-1,1,1e-6)r = -0.932470204878826 -0.661212531887755 -0.2386200573979590.2386 0.661192602040816 0.932467713647959（2）程序运行如下：①p = ChebyshevIter(2)p = 1.0000 0 -0.5000p = ChebyshevIter(3)p = 1.0000 0 -0.7500 0p = ChebyshevIter(4)p = 1.0000 0 -1.0000 0 0.1250p = ChebyshevIter(5)p = 1.0000 0 -1.2500 0 0.3125 0②p = ChebyshevIter(6)p = 1.0000 0 -1.5000 0 0.5625 0 -0.0313r = roots(p)'r = -0.965925826289067 -0.7548 0.9659258262890680.7547 -0.258819045102521 0.258819045102521用二分法求根为：r = BinSolve('ChebyshevT6',-1,1,1e-6)r = -0.965929926658163 -0.7755 -0.2588289221938780.2588 0.7020 0.965924944196429与下列代码结果基本一致，只是元素顺序稍有不同：j = 0:5;x = cos((2*j+1)*pi/2/(5+1))x =0.965925826289068 0.7548 0.258819045102521-0.258819045102521 -0.7547 -0.965925826289068（3）程序运行如下：①p = LaguerreIter(2)p = 1 -4 2p = LaguerreIter(3)p = 1 -9 18 -6p = LaguerreIter(4)p = 1 -16 72 -96 24p = LaguerreIter(5)p =1.0000 -25.0000 200.0000 -600.0000 600.0000 -120.000②p = LaguerreIter(5)p =1.0000 -25.0000 200.0000 -600.0000 600.0000 -120.000r = roots(p)'r =12.6432 7.8891 3.5964257710407111.4520 0.263560319718141用二分法求根为：r = BinSolve('LaguerreL5',0,13,1e-6)r = 0.263560314567722 1.4789 3.5964257656311507.0720 12.6490（4）程序运行如下：①p = HermiteIter(2)p = 1.0000 0 -0.5000p = HermiteIter(3)p = 1.0000 0 -1.5000 0p = HermiteIter(4)p = 1.0000 0 -3.0000 0 0.7500p = HermiteIter(5)p = 1.0000 0 -5.0000 0 3.7500 0②p = HermiteIter(6)p = 1.0000 0 -7.5000 0 11.2500 0 -1.8750r = roots(p)'r =-2.3587 2.3588 -1.3358490740136961.335849074013698 -0.4367 0.4366用二分法求根为：r = BinSolve('HermiteH6',-3,3,1e-6)r =-2.3516 -1.335849********* -0.43630.4366 1.335848983453244 2.3504所用到的函数function r = NewtSolveOne(fun, x0, ftol, dftol, maxit)% NewtSolveOne 用Newton法解方程f(x)=0在x0附近的一个根%% Synopsis: r = NewtSolveOne(fun, x0)% r = NewtSolveOne(fun, x0, ftol, dftol)%% Input: fun = (string) 需要求根的函数及其导数% x0 = 猜测根，Newton法迭代初始值% ftol = (optional)误差，默认为5e-9% dftol = (optional)导数容忍最小值，小于它表明Newton法失败，默认为5e-9 % maxit = (optional)迭代次数，默认为25%% Output: r = 在寻根区间内的根或奇点if nargin < 3ftol = 5e-9;endif nargin < 4dftol = 5e-9;endif nargin < 5maxit = 25;endx = x0; %设置初始迭代位置为x0k = 0; %初始化迭代次数为0while k <= maxitk = k + 1;[f,dfdx] = feval(fun,x); %fun返回f(x)和f'(x)的值if abs(dfdx) < dftol %如果导数小于dftol，Newton法失败，返回空值r = [];warning('dfdx is too small!');return;enddx = f/dfdx; %x(n+1) = x(n) - f( x(n) )/f'( x(n) )，这里设dx = f( x(n) )/f'( x(n) )x = x - dx;if abs(f) < ftol %如果误差小于ftol，返回当前x为根r = x;return;endendr = []; %如果牛顿法未收敛，返回空值function p = LegendreIter(n)% LegendreIter 用递推的方法计算n次勒让德多项式的系数向量Pn+2(x) = (2*i+3)/(i+2) * x*Pn+1(x) - (i+1)/(i+2) * Pn(x)%% Synopsis: p = LegendreIter(n)%% Input: n = 勒让德多项式的次数%% Output: p = n次勒让德多项式的系数向量if round(n) ~= n | n < 0error('n必须是一个非负整数');endif n == 0 %P0(x) = 1p = 1;return;elseif n == 1 %P1(x) = xp = [1 0];return;endpBk = 1; %初始化三项递推公式后项为P0pMid = [1 0]; %初始化三项递推公式中项为P1for i = 0:n-2pMidCal = zeros(1,i+3); %构造用于计算的x*Pn+1pMidCal(1:i+2) = pMid;pBkCal = zeros(1,i+3); %构造用于计算的PnpBkCal(3:i+3) = pBk;pFwd = (2*i+3)/(i+2) * pMidCal - (i+1)/(i+2) * pBkCal; %勒让德多项式三项递推公式Pn+2(x) = (2*i+3)/(i+2) * x*Pn+1(x) - (i+1)/(i+2) * Pn(x)pBk = pMid; %把中项变为后项进行下次迭代pMid = pFwd; %把前项变为中项进行下次迭代endp = pFwd/pFwd(1); %把勒让德多项式最高次项系数归一化function p = ChebyshevIter(n)% ChebyshevIter 用递推的方法计算n次勒让德-切比雪夫多项式的系数向量Tn+2(x) = 2*x*Tn+1(x) - Tn(x)%% Synopsis: p = ChebyshevIter(n)%% Input: n = 勒让德-切比雪夫多项式的次数%% Output: p = n次勒让德-切比雪夫多项式的系数向量if round(n) ~= n | n < 0error('n必须是一个非负整数');endif n == 0 %T0(x) = 1p = 1;return;elseif n == 1 %T1(x) = xp = [1 0];return;endpBk = 1; %初始化三项递推公式后项为T0pMid = [1 0]; %初始化三项递推公式中项为T1for i = 0:n-2pMidCal = zeros(1,i+3); %构造用于计算的x*Tn+1pMidCal(1:i+2) = pMid;pBkCal = zeros(1,i+3); %构造用于计算的PnpBkCal(3:i+3) = pBk;pFwd = 2*pMidCal - pBkCal; %勒让德-切比雪夫多项式三项递推公式Tn+2(x) = 2*x*Tn+1(x) - Tn(x)pBk = pMid; %把中项变为后项进行下次迭代pMid = pFwd; %把前项变为中项进行下次迭代endp = pFwd/pFwd(1); %把勒让德-切比雪夫多项式最高次项系数归一化function p = LaguerreIter(n)% LaguerreIter 用递推的方法计算n次拉盖尔多项式的系数向量Ln+2(x) = (2*n+3-x)*Ln+1(x) - (n+1)*Ln(x)%% Synopsis: p = LaguerreIter(n)%% Input: n = 拉盖尔多项式的次数%% Output: p = n次拉盖尔多项式的系数向量if round(n) ~= n | n < 0error('n必须是一个非负整数');endif n == 0 %L0(x) = 1p = 1;return;elseif n == 1 %L1(x) = -x+1p = [-1 1];return;endpBk = 1; %初始化三项递推公式后项为L0pMid = [-1 1]; %初始化三项递推公式中项为L1for i = 0:n-2pMidCal1 = zeros(1,i+3); %构造用于计算的x*Ln+1(x)pMidCal1(1:i+2) = pMid;pMidCal2 = zeros(1,i+3); %构造用于计算的Ln+1(x)pMidCal2(2:i+3) = pMid;pBkCal = zeros(1,i+3); %构造用于计算的Ln(x)pBkCal(3:i+3) = pBk;pFwd =( (2*i+3)*pMidCal2 - pMidCal1 - (i+1)*pBkCal )/ (i+2); %拉盖尔多项式三项递推公式Ln+2(x) = (2*n+3-x)*Ln+1(x) - (n+1)^2*Ln(x)pBk = pMid; %把中项变为后项进行下次迭代pMid = pFwd; %把前项变为中项进行下次迭代endp = pFwd/pFwd(1); %把拉盖尔多项式最高次项系数归一化function p = HermiteIter(n)% HermiteIter 用递推的方法计算n次埃尔米特多项式的系数向量Hn+2(x) = 2*x*Hn+1(x) - 2*(n+1)*Hn(x)%% Synopsis: p = HermiteIter(n)%% Input: n = 埃尔米特多项式的次数%% Output: p = n次埃尔米特多项式的系数向量if round(n) ~= n | n < 0error('n必须是一个非负整数');endif n == 0 %H0(x) = 1p = 1;return;elseif n == 1 %H1(x) = 2*xp = [2 0];return;endpBk = 1; %初始化三项递推公式后项为L0pMid = [2 0]; %初始化三项递推公式中项为L1for i = 0:n-2pMidCal = zeros(1,i+3); %构造用于计算的x*Hn+1(x)pMidCal(1:i+2) = pMid;pBkCal = zeros(1,i+3); %构造用于计算的Hn(x)pBkCal(3:i+3) = pBk;pFwd =2*pMidCal - 2*(i+1)*pBkCal; %埃尔米特多项式三项递推公式Hn+2(x) = 2*x*Hn+1(x) - 2*(n+1)*Hn(x)pBk = pMid; %把中项变为后项进行下次迭代pMid = pFwd; %把前项变为中项进行下次迭代endp = pFwd/pFwd(1); %把拉盖尔多项式最高次项系数归一化function r = BinSolve(fun, a, b, tol)% BinSolve 用二分法解方程f(x)=0在区间[a,b]的根%% Synopsis: r = BinSolve(fun, a, b)% r = BinSolve(fun, a, b, tol)%% Input: fun = (string) 需要求根的函数% a,b = 寻根区间上下限% tol = (optional)误差，默认为5e-9%% Output: r = 在寻根区间内的根if nargin < 4tol = 5e-9;endXb = RootBracket(fun, a, b); %粗略寻找含根区间[m,n] = size(Xb);r = [];nr = 1; %初始化找到的根的个数为1maxit = 50; %最大二分迭代次数为50for i = 1:ma = Xb(i,1); %初始化第i个寻根区间下限b = Xb(i,2); %初始化第i个寻根区间上限err = 1; %初始化误差k = 0;while k < maxitfa = feval(fun, a); %计算下限函数值fb = feval(fun, b); %计算上限函数值m = (a+b)/2;fm = feval(fun, m);err = abs(fm);if sign(fm) == sign(fb) %若中点处与右端点函数值同号，右端点赋值为中点b = m;else %若中点处与左端点函数值同号或为0，左端点赋值为中点a = m;endif err < tol %如果在a处函数值小于tolr(nr) = a; %一般奇点不符合该条件，这样可以去除奇点nr = nr + 1; %找到根的个数递增k = maxit; %改变k值跳出循环endk = k + 1; %二分迭代次数递增endendfunction X = powerX(x,a,b)% powerX 对给定向量(x1, x2,..., xn)返回增幂矩阵(x1^a, x2^a,..., xn^a; x1^a+1, x2^a+1,..., xn^a+1; ...; x1^b, x2^b,..., xn^b;)%% Synopsis: X = powerX(x,a,b)%% Input: x = 需要返回增幂矩阵的向量% a,b = 寻根区间上下限%% Output: X = 增幂矩阵(x1^a, x2^a,..., xn^a; x1^a+1, x2^a+1,..., xn^a+1; ...; x1^b, x2^b,..., xn^b;)if round(a) ~= a | round(b) ~= berror('a,b must be integers');elseif a >= berror('a must be smaller than b!');endx = x(:)';row = b-a+1;col = length(x);X = zeros(row, col);for i = b:-1:aX(b-i+1,:) = x.^i;Endfunction [f, dfdx] = fun1_1(x)f = cos(x) - x;dfdx = -sin(x) - 1;function [f, dfdx] = fun1_2(x)f = exp(-x) - sin(x);dfdx = -exp(-x) - cos(x);function [f, dfdx] = fun2_1(x)f = x - exp(-x);dfdx = 1 + exp(-x);function [f, dfdx] = fun2_2(x)f = x.^2 - 2*x*exp(-x) + exp(-2*x);dfdx = 2*x - 2*exp(-x) + 2*x*exp(-x) - 2*exp(-2*x);function y = LegendreP6(x)p = LegendreIter(6);X = powerX(x,0,6);y = p*X;function y = ChebyshevT6(x)p = ChebyshevIter(6);X = powerX(x,0,6);y = p*X;function y = LaguerreL5(x)p = LaguerreIter(5);X = powerX(x,0,5);y = p*X;function y = HermiteH6(x)p = HermiteIter(6);X = powerX(x,0,6);y = p*X;思考题（1）由于Newton法具有局部收敛性，所以在实际问题中，当实际问题本身能提供接近于根的初始近似值时，就可保证迭代序列收敛，但当初值难以确定时，迭代序列就不一定收敛。

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。

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。

一、简介Matlab是一种十分常用的科学计算软件，其功能强大，可以进行各种数值计算、数据分析和可视化操作。

而牛顿迭代法是一种用于求解方程的数值算法，可以有效地计算出函数的根。

本文将重点介绍如何使用Matlab进行牛顿迭代法来计算重根。

二、牛顿迭代法原理1. 牛顿迭代法是一种迭代逼近的方法，通过不断迭代得到更接近函数零点的近似值。

其公式如下：X_{n+1} = X_n - \frac{f(X_n)}{f'(X_n)}其中，X_{n+1}为下一次迭代的近似值，X_n为当前的近似值，f(X)为函数值，f'(X)为函数的导数值。

2. 牛顿迭代法的优点是收敛速度快，而缺点是对初始值的选择敏感，可能会产生不收敛的情况。

三、在Matlab中使用牛顿迭代法1. 在Matlab中，可以使用内置的函数`fzero`来进行牛顿迭代法的计算。

其语法如下：x = fzero(fun,x0)其中，fun为要求解的函数句柄，x0为起始点的初始值，x为函数的根。

2. 需要注意的是，在使用`fzero`函数时，需要提供函数的句柄，即在Matlab中定义要求解的函数，并使用`(x)`符号来表示函数的自变量。

另外，还需要提供初始值x0，可以根据具体问题来选择较为合适的初始值。

3. 以下是一个简单的使用牛顿迭代法求解函数根的示例代码：```matlabf = (x) x^3 - 2*x - 5;x0 = 2;x = fzero(f, x0);disp(x);```四、示例接下来，我们将通过一个具体的示例来演示如何使用Matlab的牛顿迭代法来计算重根。

1. 问题描述假设有如下方程：f(x) = x^3 - 2x^2 + 3x - 6我们希望使用牛顿迭代法来计算函数f(x)的重根。

2. 解决过程在Matlab中定义函数f(x)：```matlabf = (x) x^3 - 2*x^2 + 3*x - 6;```选择初始值x0，并利用`fzero`函数进行牛顿迭代法的计算：```matlabx0 = 2;x = fzero(f, x0);disp(x);```3. 结果分析经过计算，可以得到函数f(x)的一个重根为x=2.这样，我们就成功地使用Matlab的牛顿迭代法来计算重根。

习题二3、证明：当X 0=1.5时，迭代法X k+1=Xk +410和X k+1=21k X 310-都收敛于方程f(x)=x 3+4x 2-10=0在区间[1,2]内唯一实根x *，并分别用上述迭代法求满足于精度要求︱X k+1-X k ︱≤10-5的近似根。

解：证明：{先用迭代法求f(x)=x 3+4x 2-10=0的根。

（a ）对x 3+4x 2-10=0变形有：4x 2=10-x 3所以：X=21310X - 则相应的迭代公式为：X k+1=21k X 310- 取：X 0=1.5，根据计算可以看出看，我们认为得到的迭代序列是收敛的。

}（此行可忽略）{ 由 f(x)=x 3+4x 2-10=0得迭代方程：X=21310X -=g （x ） 先证明在区间【1,2】上x=g （x ）有实根。

由于[1,2]上g ‘（x ）存在，所以g （x ）连续。

作Q （x ）=x-g(x),则Q(x)在[1,2]上也连续。

由定理1条件2有：Q （1）=1-g （1）≤0，Q （,2）=1-g （2）≥0故存在x *∈[1,2]使Q *（x ）=0，即x *= Q *（x ）又因为，x *是方程f(x)=x 3+4x 2-10=0在区间[1,2]内的唯一实根，（由定理一条件2）对任意的x 0∈[1,2]时，X k ∈[1,2]（k=0,1,2,3…）因为：x *- X k+1=g （x *）-g （X k ）=g ‘（h k ）（x *- X k ）故由条件1知：︱X *-X k+1︱≤L ︱X *-X k ︱（k=0,1,2,3…）于是有：0≤︱X *-X k ︱≤L k ︱X *-X 0︱,0＜L ＜1，立即可知：lim （k 趋于无穷）︱X *-X k ︱=0,从而lim （k 趋于无穷）X k= X *。

所以当X 0=1.5时，迭代法X k+1=Xk +410和X k+1=21k X 310-都是由迭代法X k+1=g （X k ）产生的迭代序列{ X k }收敛于方程f(x)=x 3+4x 2-10=0在区间[1,2]内唯一实根x *。

班级： 学号： 姓名： 成绩：实验2 非线性方程的数值解法实验1实验目的1）进一步熟练掌握求解非线性方程的牛顿迭代法和弦截法。

2）根据牛顿迭代法和弦截法的原理，编写程序求解非线性方程，提高编程解决问题的能力。

2 实验内容（1）用牛顿法和割线法求下列方程的根x^2-e^x=0;x*e^x-1=0;（23实验原理（1）牛顿迭代公式：1()/'()k k k k x x f x f x +=- 双点弦法公式：111()()()()k k k k k k k f x x x x x f x f x +--=--- （2）令2()f x x A =-，再用牛顿法求根。

4实验步骤1)根据牛顿迭代法，双点弦法的算法编写相应的求根函数；2)用牛顿迭代法和双点弦法分别对方程进行求解；5 程序设计牛顿迭代法x0=1.0;N=100;k=0;eps=5e-6;delta=1e-6;while(1)x1=x0-fc1(x0)/fc2(x0);k=k+1;if k>Ndisp('Newton method failed')breakendif(abs(x1-x0)<delta || abs(fc1(x1))<delta) break;endx0=x1;endfprintf('%f',x0)fprintf('%f',abs(fc1(x1)))双点弦法function cutline(x0,x1)N=100;k=0;delta=5e-8;while(1)(abs(x1-x0)>=delta)c=x1;x1=cutnext(x0,x1);x0=c;k=k+1;if k>Ndisp('Cutline method failed')break;endif(abs(x1-x0)<delta || abs(fc1(x1))<delta) break;endendfprintf('%10f\n',x1);function y=cutnext(a,b)y=b-fc(b)/(fc(b)-fc(a))*(b-a);1）原函数function fc1=fc1(x)fc1=x^2-exp(x);end导函数function fc2=fc2(x)fc2=2*x-exp(x);end2）原函数导函数3）原函数导函数6实验结果及分析注：牛顿迭代法由于设置delta=1e-6，所以算出的误差e<1.0*10^-6;割线法由于设置delta=5e-8，所以误差e<5.0*10^-8.7总结。