python牛顿法解非线性方程组_牛顿迭代法解非线性方程组（MATLAB版）

牛顿迭代法，又名切线法，这里不详细介绍，简单说明每一次牛顿迭代的运算：首先将各个方程式在一个根的估计值处线性化(泰勒展开式忽略高阶余项)，然后求解线性化后的方程组，最后再更新根的估计值。下面以求解最简单的非线性二元方程组为例(平面二维定位最基本原理)，贴出源代码：

1、新建函数fun.m，定义方程组

function f=fun(x);

%定义非线性方程组如下

%变量x1 x2

%函数f1 f2

syms x1 x2

f1 = sqrt((x1-4)^2 + x2^2)-sqrt(17);

f2 = sqrt(x1^2 + (x2-4)^2)-5;

f=[f1 f2];

2、新建dfun.m，求出一阶微分方程

function df=dfun(x);

f=fun(x);

df=[diff(f,'x1');diff(f,'x2')]; %雅克比矩阵

3、建立newton.m，执行牛顿迭代过程

clear;clc

format;

x0=[0 0]; % 迭代初始值

eps = 0.00001; % 定位精度要求

for i = 1:10

f = double(subs(fun(x0),{'x1' 'x2'},{x0(1) x0(2)}));

df = double(subs(dfun(x0),{'x1' 'x2'},{x0(1) x0(2)})); % 得到雅克比矩阵

x = x0 - f/df;

if(abs(x-x0) < eps)

break;

end

x0 = x; % 更新迭代结果

end

disp('定位坐标：');

x

disp('迭代次数：');

i

结果如下：

定位坐标： x =     0.0000   -1.0000 迭代次数： i =      4