python迭代法求解方程_迭代法求解方程（组）的根

首先，迭代法解方程的实质是按照下列步骤构造一个序列x0,x1,…,xn,来逐步逼近方程f(x)=0的解:

1）选取适当的初值x0；

2）确定迭代格式，即建立迭代关系，需要将方程f(x)=0改写为x=φ(x)的等价形式；

3) 构造序列x0，x1，……，xn，即先求得x1=φ(x0)，再求x2=φ(x1)，……如此反复迭代，就得到一个数列x0， x1，……，xn，若这个数列收敛，即存在极值，且函数 φ(x)连续，则很容易得到这个极限值

,x*就是方程f(x)=0的根。

举个例子：

求解方程： f(x) =x^3-x-1=0 在区间 （1，1.5）内的根。

首先我们将方程写成这种形式：

用初始根x0=1.5带入右端，可以得到

这时，x0和x1的值相差比较大，所以我们要继续迭代求解，将x1再带入公式得

直到我们我们得到的解的序列收敛，即存在极值的时候，迭代结束。

下面是这个方程迭代的次数以及每次xi的解（i=0,1,2....）

我们发现当k=7和8的时候，方程的解已经不再发生变化了，这时候我们就得到了此方程的近似解。

1 #define eps 1e-8

2 intmain()3 {4 x0=初始近似根；5 do{6 x1=x0;7 x0=g(x1); //按特定的方程计算新的近似根

8 }while(fabs(x0-x1)>eps);9 printf("方程的近似根是%f\n",x0);10 }

注意：如果方程无解，算法求出的近似根序列就不会收敛，那么迭代过程就会变成死循环。因此，在使用迭代算法前应先考察方程是否有解，并在算法中对迭代次数给予限制。

下面再写一个求解方程组的例子加深一下理解：

算法说明：

方程组解的初值X=（x0，x1，…，xn-1）,迭代关系方程组为：xi=gi(X)(i=0,1,…,n-1),w为解的精度,maxn为迭代次数。

算法如下：

算法核心：

1 intmain()2 {3 for (i=0; i

6 {7 k=k+1;8 for(i=0; i

12 c=0;13 for(i=0; i

15 }while(c>eps and k

选取初始向量

精确度为1e-8，迭代次数为100

求解代码如下：

1 #include

2 #include

3 #include

4 #include

5 #define eps 1e-8

6 using namespacestd;7 const int maxn=100;8 double x[10],y[10];9 intmain()10 {11 for(int i=1;i<=4;i++)12 x[i]=0;13 int cnt=0;14 double c=0;15 do{16 for(int i=1;i<=4;i++)17 y[i]=x[i];18 for(int i=1;i<=4;i++)19 {20 x[1]=(6+x[2]-2*x[3])/10;21 x[2]=(25+x[1]+x[3]-3*x[4])/11;22 x[3]=(-11-2*x[1]+x[2]+x[4])/10;23 x[4]=(15-3*x[2]+x[3])/8;24 }25 c=0;26 for(int i=1;i<=4;i++)27 c+=(fabs(y[i]-x[i]));28 }while(c>eps&&cnt

运行结果如下：

迭代法求解方程的过程是多样化的，比如二分逼近法求解，牛顿迭代法等。

下面就是效率比较高且比较常用的牛顿迭代法：

牛顿迭代法又称为切线法，它比一般的迭代法有更高的收敛速度，如下图所示。

首先, 选择一个接近函数f(x)零点的x0, 计算相应的f(x0)和切线斜率f'(x0)（这里f ' 表示函数f的导数）。然后我们计算穿过点 (x0,f (x0))且斜率为f '(x0)的直线方程

和x轴的交点的x的坐标，也就是求如下方程的解

将新求得交点的x坐标命名为x1。如图4所示，通常x1会比x0更接近方程f(x) = 0的解。接下来用x1开始下一轮迭代 .

迭代公式可化简为：

上式就是有名的牛顿迭代公式。已经证明, 如果f' 是连续的, 并且待求的零点x是孤立的, 那么在零点x周围存在一个区域, 只要初始值x0位于这个邻近区域内, 那么牛顿法必定收敛。

求形如ax^3+bx^2+cx+d=0方程根的算法，系数a、b、c、d的值依次为1、2、3、4，由主函数输入。求x在1附近的一个实根。求出根后由主函数输出。

由以上的公式可得到代码：

1 #include

2 #include

3 #include

4 #include

5 #define eps 1e-8

6 using namespacestd;7 intmain()8 {9 doublea,b,c,d;10 cin>>a>>b>>c>>d;11 double x1=1,x,f,fx;12 do{13 x=x1;14 f=((a*x+b)*x+c)*x+d;15 fx=(3*a*x+2*b)*x+c;16 x1=x-f/fx;17 }while(fabs(x1-x)>=eps);18 printf("%.2lf",x1);19 }

结果如下：

接下来说一下二分逼近法

用二分法求解方程f(x)=0根的前提条件是：f(x)在求解的区间[a,b]上是连续的，且已知f(a)与f(b)异号，即 f(a)*f(b)<0。

令[a0,b0]=[a,b]，c0=(a0+b0)/2，若f(c0)=0，则c0为方程f(x)=0的根；否则，若f(a0)与f(c0)异号，即

f(a0)*f(c0)<0，则令[a1,b1]=[a0,c0]；若f(b0)与f(c0)异号，即

f(b0)*f(c0)<0，则令[a1,b1]=[c0,b0]。

依此做下去，当发现f(cn)=0时，或区间[an,bn]足够小，比如| an-bn |<0.0001时，就认为找到了方程的根。

例：

用二分法求一元非线性方程f(x)= x^3/2+2x^2-8=0（其中^表示幂运算）在区间[0，2]上的近似实根r，精确到0.0001.

算法如下：

1 intmain( )2 {3 double x,x1=0,x2=2,f1,f2,f;4 print(“input a,b (f(a)*f(b)<0)”);5 input(a,b);6 f1=x1*x1*x1/2+2*x1*x1-8;7 f2=x2*x2*x2/2+2*x2*x2-8;8 if(f1*f2>0)9 {10 printf("No root");11 return;12 }13 do{14 x=(x1+x2)/2;15 f=x*x*x/2+2*x*x-8;16 if(f=0)17 break;18 if(f1*f>0.0)19 {20 x1=x;21 f1=x1*x1*x1/2+2*x1*x1-8;22 }23 else

24 x2=x;25 }26 while(fabs(f)>=1e-4);27 print("root=",x);28 }