目录
关于什么?
主要是牛顿法和拟牛顿法求解非线性方程组的算法步骤以及MATLAB代码实现。编程的思路是主要的,CV大法虽然快,但是重要的还是仔细研究算法步骤以及实现过程。
以二变量的二次非线性方程组求解为例,进行示例。有问题在评论区留下,我来解答。
推荐参考书籍:
[1] 薛毅. 数值分析与科学计算[M]. 科学出版社, 2011.
1、牛顿法
开门见山,原理性的东西不做解释,可以查阅书本,直接3,2,1,上算法步骤!
参考书例5.2:
MATLAB 编程实现(初次接触建议细看,当然编程方式不唯一):
%% 非线性方程组 - Newton 解法
% Create Time : 2022 04 17
% Finish Time : 2022 04 17
% Author : Xu Y. B. (CSDN ID:在路上,正出发)
% Ref :[1] 薛毅. 数值分析与科学计算[M]. 科学出版社, 2011. 5.2节
%% CLEAR
clc;
clearvars;
close all;
%% 符号及方程组定义
syms x1 x2;
f1(x1,x2) = x1^2+x2^2-5;
f2(x1,x2) = (x1+1)*x2-(3*x1+1);
F(x1,x2) = [f1;f2];
f1_x1_Pd(x1,x2) = diff(f1,x1);% f1 对 x1 求偏导
f1_x2_Pd(x1,x2) = diff(f1,x2);% f1 对 x2 求偏导
f2_x1_Pd(x1,x2) = diff(f2,x1);% f2 对 x1 求偏导
f2_x2_Pd(x1,x2) = diff(f2,x2);% f2 对 x2 求偏导
J(x1,x2)=[f1_x1_Pd,f1_x2_Pd;...
f2_x1_Pd,f2_x2_Pd];% F(x)的 Jacobi 矩阵
%% 迭代求解
% 参数设置
N = 100;% 设置最大迭代次数
epsilon = 1e-3;% 设置迭代的精度
x_start = [1;1];% 迭代初始点
x_k_solve = zeros(2,N+1);% 存放每次迭代结果,以便分析,第一列为初值
x_k_solve(:,1) = x_start;
dk = zeros(2,N);% 存放每次迭代的 dk
for i = 1:N
dk(:,i) = J(x_k_solve(1,i),x_k_solve(2,i))\(-F(x_k_solve(1,i),x_k_solve(2,i)));
if(sqrt(sum(dk(:,i).^2)) < epsilon)
x_k_solve(:,i+1) = x_k_solve(:,i) + dk(:,i);
break;
else
x_k_solve(:,i+1) = x_k_solve(:,i) + dk(:,i);
end
end
计算结果:
课本结果:
二者完全一致,验证了程序的正确性。
2、拟牛顿法
算法步骤:
参考书的例题5.3
MATLAB代码:
%% 非线性方程组 - 拟 Newton 解法
% Create Time : 2022 04 17
% Finish Time : 2022 04 17
% Author : Xu Y. B. (CSDN ID:在路上,正出发)
% Ref :[1] 薛毅. 数值分析与科学计算[M]. 科学出版社, 2011. 5.2节
%% CLEAR
clc;
clearvars;
close all;
%% 符号及方程组定义
syms x1 x2;
f1(x1,x2) = x1^2+x2^2-5;
f2(x1,x2) = (x1+1)*x2-(3*x1+1);
F(x1,x2) = [f1;f2];
%% 迭代求解
% 参数设置
N = 100;% 设置最大迭代次数
A0 = [1,0;0,1];% 初始矩阵
epsilon = 1e-3;% 设置迭代的精度
x_start = [1;1];% 迭代初始点
x_k_solve = zeros(2,N+1);% 存放每次迭代结果,以便分析,第一列为初值
x_k_solve(:,1) = x_start;
sk = zeros(2,N);% 存放每次迭代的 sk
Ak = A0;% 迭代矩阵初始化
y = zeros(2,N);% 矩阵y初始化
for i = 1:N
sk(:,i) = Ak\(-F(x_k_solve(1,i),x_k_solve(2,i)));
if(sqrt(sum(sk(:,i).^2)) < epsilon)
x_k_solve(:,i+1) = x_k_solve(:,i) + sk(:,i);
break;
else
x_k_solve(:,i+1) = x_k_solve(:,i) + sk(:,i);
y(:,i) = F(x_k_solve(1,i+1),x_k_solve(2,i+1))-F(x_k_solve(1,i),x_k_solve(2,i));
Ak = Ak+((y(:,i)-Ak*sk(:,i))*(sk(:,i).'))/((sk(:,i).')*sk(:,i));
end
end
运算结果:
课本结果:
由结果可以明显看出,二者计算结果一致,证明程序的准确性。