牛顿法及牛顿下山法求零点

本文详细介绍了牛顿法及其改进版牛顿下山法在寻找函数零点上的原理和步骤。通过迭代过程,这两种方法能有效逼近目标零点,尤其在处理非线性问题时展现出高效性。文章还将探讨它们的适用条件和收敛性分析。
摘要由CSDN通过智能技术生成
牛顿法
difffun该函数的导函数
a在a附近求零点
ep容忍误差
k迭代次数

function [x_star,k]=MyNewton(fun,difffun,a,ep)


k=1
x_k=a
f_xk=feval(fun,x_k)
fdiff_xk=feval(difffun,x_k)
x_k1=x_k-f_xk/fdiff_xk

    while abs(x_k-x_k1)>ep
        k=k+1
        x_k=x_k1
        f_xk=feval(fun,x_k)
        fdiff_xk=feval(difffun,x_k)
        x_k1=x_k-f_xk/fdiff_xk
    end
    x_star=x_k1

end
牛顿下山法

function [x_star,k]=MyNewton_xiashan(fun,difffun,a,ep)


k=1
x_k=a
f_xk=feval(fun,x_k)
fdiff_xk&
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值