迭代算法

一、 非线性方程的二分法
例：求方程x^3-3x-1=0在[1,2]内的根，使精度达到两位有效数字。

function x= nabisect(fname,a,b,e)
%UNTITLED4 此处显示有关此函数的摘要
%   此处显示详细说明
if nargin<4,e=1e-4;end
fa=feval(fname,a);fb=feval(fname,b);
if fa*fb>0,error('函数在两端点值必须异号');end
x=(a+b)/2
while (b-a)>(2*e),
    fx=feval(fname,x);
    if fa*fx<0,b=x;fb=fx;else a=x,fa=fx;end
    x=(a+b)/2
end
>> fun=inline('x^3-3*x-1');
>> x=nabisect(fun,1,2,0.05)

x =

    1.5000


a =

    1.5000


x =

    1.7500


a =

    1.7500


x =

    1.8750


a =

    1.8750


x =

    1.9375


x =

    1.9063


x =

    1.9063

二、Newton迭代法
例：取x0=1.5,用牛顿迭代法求解x^3-x-1=0,使计算结果有四位有效数字。

function x=nanewton(fname,dfname,x0,e,N)
if nargin<5,N=500;end
if nargin<4,e=1e-4;end
x=x0;x0=x+2*e;k=0;
while abs(x0-x)>e&k<N,
    k=k+1;
    x0=x;x=x0-feval(fname,x0)/feval(dfname,x0);
    disp(x)
end
if k==N,warning('已达迭代次数上线');end
fun=inline('x^3-x-1');dfun=inline('3*x^2-1');
>> nanewton(fun,dfun,1.5,0.5e-3)
    1.3478

    1.3252

    1.3247


ans =

    1.3247