用牛顿迭代法求解非线性方程组

1. 下面非线性方程组

2.牛顿迭代法公式

3.几何说明

4.用Python编程

4.1定义函数包

# -*-coding：UTF-S -*-
"""
@author:
@file_name:nonlinear_functions.py
@time:2024-01-08 19:31
@IDE:PyCharm
@copyright:automatic
"""

import sympy  # 导入包，符号运算需要
import math  #  导入包，数值运算需要

# 数值运算 定义函数

def numeric_function(x):
    """
    采用数值求解下面非线性函数
    2*exp(-x)*sin(x)+2*cos(x)+0.25
    :param x:
    :return:返回一个所需求解的函数
    """
    return 2 * math.exp(-x) * math.sin(x) + 2 * math.cos(x) + 0.25

def numeric_diff_function(x):
    """
    newton 法：求非线性方程需要求非线性方程的微分
    :param x:
    :return:
    """
    # u'v+uv',返回一个对非线性函数的一阶导数
    return 2 * math.exp(-x) * (- math.cos(x) - math.sin(x)) - 2 * math.sin(x)

# 符号运算，定义函数
def symbolic_ope_function():
    """
    需要定义符号，符号运算是x是一个符号，不是一个值
    :return:
    """
    # 定义符号
    x = sympy.Symbol("x")  # 定义符号变量x
    return 2 * sympy.exp(-x) * (- sympy.cos(x) - sympy.sin(x)) - 2 * sympy.sin(x)


def diff_symbolic_ope_function():
    """
    符号运算可以直接求导数
    :return:
    """
    return symbolic_ope_function().diff()
    # 是对上个函数symbolic_operation_function()直接求微分

4.2 求解

# -*-coding：UTF-S -*-
"""
@author:
@file_name:nonlinear_equation_newton_iteration.py
@time:2024-01-08 19:30
@IDE:PyCharm
@copyright:automatic
"""

# 输入包
import math  # 输入数学包
import sympy  # 输入符号包

# 从另一个包中导入函数
from data.nonlinear_functions import numeric_function, numeric_diff_function, symbolic_ope_function, diff_symbolic_ope_function


# 数值运算
def numerical_newton_iteration(x0, eps=1e-10, max_iter=100):
    # 定义函数，输入三个参数，分别是初始值，精度，迭代次数
    """
    用数值方法求解非线性方程
    :param x0: 初始值
    :param eps: 精度
    :param max_iter:最大迭代次数
    :return:
    """


    print("%5s, %21s, %21s" % ("iter", "ApproximateRoot", "ErrorPrecision"))
    # 定义初值
    x_next = x0
    for iter in range(max_iter):
        # 循环次数[0,max_iter-1]
        x_before = x_next  # 近似解不断更替，直至收敛
        x_next = x_before - numeric_function(x_before) / numeric_diff_function(x_before)

        # 算精度
        tol = abs(x_next - x_before)

        # 输出
        print("%3d, %20.15f, %20.15e" % (iter + 1, x_next, tol))

        # 如果精度满足要求，跳出
        if tol <= eps:
            break


# 符号运算
def symbolic_newton_iteration(x0, eps=1e-10, max_iter=100):
    """
    用符号运算求解非线性方程
    :param x0: 初始值
    :param eps: 精度
    :param max_iter:最大迭代次数
    :return: 近似解
    """

    fh,dfh = symbolic_ope_function(),diff_symbolic_ope_function()
    # 把两个函数给fh和dfh
    x = fh.free_symbols.pop()  # 返回集合{x,y,z}中的x
    x_next = x0  # 初始化
    for iter in range(max_iter):
        x_before = x_next  # 近似解不断更替
        fx = fh.evalf(subs=({x: x_before}))  # 用evalf函数求解fh函数
        dfx = dfh.evalf(subs=({x: x_before}))
        # 核心公式
        x_next = x_before - fx / dfx

        # 算精度
        tol = abs(x_next - x_before)
        print("%3d, %20.15f, %20.15e" % (iter + 1, x_next, tol))

        # 如果满足精度跳出
        if tol <= eps:
            break

if __name__ == '__main__':
    x0 = float(input("1.请输入初始值x0:"))
    eps = float(input("2.请输入精度eps:"))
    max_iter = int(input("3.请输入最大迭代次数max_iter:"))
    numerical_newton_iteration(x0=x0, eps=eps, max_iter=max_iter)  # 运行函数
    print("=" * 50)
    symbolic_newton_iteration(x0=x0, eps=eps, max_iter=max_iter)