matlab非线性数值解法,Matlab非线性方程数值解法（2）

实验目的

用Matlab实现非线性方程的Aitken加速法、牛顿法、简化牛顿法和牛顿下山法。

实验要求

给出Aitken加速法、牛顿法、简化牛顿法和牛顿下山法算法。

用Matlab实现Aitken加速法、牛顿法、简化牛顿法和牛顿下山法。

实验内容

实验步骤

(1)Aitken加速算法，

MATLAB编程，

1 %Aitken算法2 %迭代函数fun，初始值x，精度ep，最大迭代次数Nmax。3 %满足精度(或已达到最大迭代次数)的近似根root，迭代次数k。4 function [root,k]=Aitken(fun,x,ep,Nmax)5 %默认迭代次数和默认精度6 if nargin<4

7 Nmax=500;8 end9 if nargin<3

10 ep=1e-5;11 end12 %初始化13 k=0;14 r(1,1)=x;15 %迭代16 while abs(x-fun(x))>ep17 xk=x;18 x=fun(x);19 x1=x;20 x=fun(x);21 x2=x;22 x=x2-(x2-x1)^2/(x2-2*x1+xk);23 k=k+1;24 r(k+1,1)=x;25 end26 %root=x;27 root=r(:,1);28 if k==Nmax29 warning(‘已迭代上限次数‘);30 end31 end

Aitken.m

运行示例(为了减小篇幅，初始值的选取由下面的讨论得到)，

当初始值为10时，节选截图,

可见该算法迭代了3610次，这个结果的好坏需要与其他算法对比，使用上一个实验所编写的bisect3.m(改进的二分法)：

可见迭代20次，已经接近所要求的近似根了。

为了了解该算法的特点，本报告对算法进行修改：缩小区间，再使用Aitken算法迭代。分析：易知上述到Aitken算法的时间复杂度与精度有关(O(g(e))，e的变化受迭代函数影响)，初始值越接近所要求的近似根，运算的步骤越少。所以对初始值做处理是有必要的，这里如果使用20次2分法预报初值时，精度可以达到0.5^20，约1e-6。

1 %Aitken1算法2 %迭代函数fun，初始值x，精度ep，最大迭代次数Nmax。3 %满足精度(或已达到最大迭代次数)的近似根root，迭代次数k。4 function [root,k]=Aitken1(fun,n,ep,Nmax)5 %默认迭代次数和默认精度6 if nargin<4

7 Nmax=500;8 end9 if nargin<3

10 ep=1e-5;11 end12 [x,k]=bisect3(fun,0,n,1e-4);13 if abs(fun(x))ep22 xk=x;23 x=fun(x);24 x1=x;25 x=fun(x);26 x2=x;27 x=x2-(x2-x1)^2/(x2-2*x1+xk);28 k=k+1;29 r(k+1,1)=x;30 end31 %root=x;32 root=r(:,1);33 if k>=Nmax34 warning(‘已迭代上限次数‘);35 end36 end

Aitken1.m

1 %二分法改良2 %在一开始给定的区间中寻找更小的有根区间3 %输入：f(x)=0的f(x)，[a,b]的a,b，精度ep4 %输出：近似根root，迭代次数k5 %得到的根是优化区间里的最大根6 function [root,k]=bisect3(fun,a,b,ep)7 if nargin>3

8 elseif nargin<4

9 ep=1e-5;%默认精度10 else

11 error(‘输入参数不足‘);%输入参数必须包括f(x)和[a,b]12 end13 %定义划分区间的分数14 divQJ=1000;15 %等分区间16 tX=linspace(a,b,divQJ);17 %计算函数值18 tY=fun(tX);19 %找到函数值的正负变化的位置20 locM=find(tY<0);21 locP=find(tY>0);22 %定义新区间23 if tY(1)<0

24 a=tX(locM(end));25 b=tX(locP(1));26 else

27 a=tX(locP(end));28 b=tX(locM(1));29 end30 if fun(a)*fun(b)>0%输入的区间要求31 root=[fun(a),fun(b)];32 k=0;33 return;34 end35 k=1;36 while abs(b-a)/2>ep%精度要求37 mid=(a+b)/2;%中点38 if fun(a)*fun(mid)<0

39 b=mid;40 elseif fun(a)*fun(mid)>0

41 a=mid;42 else

43 a=mid;b=mid;44 end45 k=k+1;46 end47 root=(a+b)/2;48 end

bisect3.m

运行示例，

0的部分表示调用bisect3.m(精度要求1e-4)，在bisect3.m迭代的次数为7，在Aitken部分迭代的次数为5。总共迭代12次远比3610次小。

对【题目】的解答，为

　　 MATLAB编程，

1 %牛顿法2 %输入：迭代函数fun,迭代函数的导函数dfun，初始值x，精度ep，最大迭代值Nmax。3 %输出：近似根root，迭代次数k，迭代成功与否index。4 function [root,k]=Newton2(fun,dfun,x0,ep,Nmax)5 %默认迭代次数和默认精度6 if nargin<5

7 Nmax=500;8 end9 if nargin<4

10 ep=1e-5;11 end12 %初始化13 k=0;14 x=x0;x0=x+2*ep;15 %迭代16 while abs(x0-x)>ep17 k=k+1;18 x0=x;19 x=x0-fun(x0)/dfun(x0);20 end21 root=x;22 if k>=Nmax23 warning(‘已迭代上限次数‘);24 end25 end

Newton2

运行示例，

所以解得【题目】，

(与上述的改进二分法求得的结果相近)。

MATLAB程序，

1 %牛顿平行弦法2 %输入：迭代函数fname，迭代函数的一阶导函数dfname，初始值x0，精度ep，最大迭代值Nmax。3 %输出：近似根root，迭代次数k，迭代成功与否index。4 function [root,k,index]=newton4(fname,dfname,x0,ep,Nmax)5 %默认迭代次数和默认精度6 if nargin<5

7 Nmax=500;8 end9 if nargin<4

10 ep=1e-5;11 end12 %初始化13 index=0;k=1;c=1/dfname(x0);x=x0;14 while k

23 root=x;24 index=1;25 else

26 root=x;27 index=0;28 disp(‘不满足收敛条件‘);29 end30 if k==Nmax31 warning(‘已迭代上限次数‘);32 end33 end

newton4

运行示例，

所以解得【题目】，

(效果与牛顿法相近)。

MATLAB编程，

1 %牛顿下山法2 %输入：迭代函数fname，迭代函数的一阶导函数dfname，初始值x0，精度ep，最大迭代值Nmax。3 %输出：近似根root，迭代次数k，%此处不展示函数迭代值单调变化f。4 function [root,k]=newton3(fname,dfname,x0,ep,Nmax)5 %默认迭代次数和默认精度6 if nargin<5

7 Nmax=500;8 end9 if nargin<4

10 ep=1e-5;11 end12 %初始化13 k=0;x=x0-fname(x0)/dfname(x0);14 %f=abs(fname(x0));15 %迭代16 while abs(x0-x)>ep && kabs(fname(x0))20 r=r/2;21 x=x0-r*fname(x0)/dfname(x0);22 if abs(fname(x))

newton3

运行示例，

所以，解得【题目】，

(效果与牛顿法相差不大)。

总结解得的近似根，

,代入原式，1.4355526.

3.4.

,代入原式，-1.009655。总体来说，后面3种算法都比第1种算法更高效。

小结

在解第1题时，本报告对初始值的选取进行了一些讨论。使用二分法锁定耙子固然简单，但是二分法对区间也是有要求，起码是有根区间(在改进二分法中有根区间的限制可以放宽一点)，例如，上题我的修改是(0到n)作为瞄准的区间，如果该题的根在负轴上呢？总而言之，初始值的优选区间也是一个值得讨论的问题。第2个值得讨论的问题是，不同算法的混用能否获得更好的结果？

原文：https://www.cnblogs.com/jianle23/p/12883586.html