弦截法（Secant Method）迭代求根的python程序

最新推荐文章于 2023-03-24 14:39:47 发布
最新推荐文章于 2023-03-24 14:39:47 发布
阅读量9.6k 收藏 78
点赞数 12
分类专栏： 算法 文章标签： python 弦截迭代法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_48615832/article/details/109481202
版权

迭代法的作用

许多复杂的求解问题，都可以转换成方程f(x)=0的求解问题。这一系列的解叫做方程的根。对于非线性方程的求解，在自变量范围内往往有多个解，我们将此变化区域分为多个小的子区间，对每个区间进行分别求解。我们在求解过程中，选取一个近似值或者近似区间，然后运用迭代方法逐步逼近真实解。
方程求根的常用迭代法有：二分法、不动点迭代、牛顿法、弦截法。

弦截迭代法

弦截法又称弦位法、弦割法、弦法或割线法
牛顿迭代法的优点是收敛速度快，但其明显的缺点是每次迭代需要计算导数值f’(xk)，如果函数f(x)比较复杂，使用牛顿迭代法是不方便的。为了避开导数的计算，改用差商替换牛顿迭代法中的导数，这就是弦截法的基本思想。

单点弦法

在这里插入图片描述
这个公式的几何意义是过两个点作弦，这个弦与x轴的交点即是根的新的近似值，因为弦的一个端点（x0,f(x0)）始终不变，另一个端点变动，所以这种方法称为单点弦法。

单点弦法例题——有区间

求方程式：x3- 0.165x2 + 3.993×10-4 = 0在（0，0.11）的根

先看看不用迭代法计算的结果

from sympy import *
from sympy.abc import x

def func(x):
    return x**3 - 0.165*x**2 + 3.993*10**(-4)
result = solveset(func(x), x, Interval(0, 0.11))
print(result)

结果：

FiniteSet(0.0623775815137495)

约定一个误差，当误差小于某个数值的时候，迭代停止

代码：

x0 = 0  #区间下限
x1 = 0.11  #区间上限

x_list = [x1]
i = 0

def f(x):
    f = x**3 - 0.165*x**2 + 3.993*10**(-4)
    return f

while True:
    x2 = x1 - f(x1)*(x1-x0)/(f(x1)-f(x0))
    x1 = x2
    x_list.append(x2)
    if len(x_list) > 1:
        i += 1
        error = abs((x_list[-1] - x_list[-2]) / x_list[-1])
        if error < 10**(-6):
            print(f'迭代第{i}次后，误差小于10^-6')
            break
    else:
        pass

print(f'所求方程式的根为{x_list[-1]}')

结果：

迭代第14次后，误差小于10^-6
所求方程式的根为0.06237756428811298

迭代至电脑默认误差为0

代码：

x0 = 0  #区间下限
x1 = 0.11  #区间上限

x_list = [x1]
i = 0

def f(x):
    f = x**3 - 0.165*x**2 + 3.993*10**(-4)
    return f

while True:
    x2 = x1 - f(x1)*(x1-x0)/(f(x1)-f(x0))
    x1 = x2
    x_list.append(x2)
    if len(x_list) > 1:
        i += 1
        error = abs((x_list[-1] - x_list[-2]) / x_list[-1])
        if error == 0:
            print(f'迭代第{i}次后，误差为0')
            break
    else:
        pass

print(f'所求方程式的根为{x_list[-1]}')

结果：

迭代第39次后，误差为0
所求方程式的根为0.06237758151374951

画迭代图

代码：

import matplotlib.pyplot as plt
x0 = 0  #区间下限
x1 = 0.11  #区间上限

x_list = [x1]
i = 0
x_values = []
y_values = []

def f(x):
    f = x**3 - 0.165*x**2 + 3.993*10**(-4)
    return f

while True:
    x2 = x1 - f(x1)*(x1-x0)/(f(x1)-f(x0))
    x1 = x2
    x_list.append(x2)
    if len(x_list) > 1:
        i += 1
        error = abs((x_list[-1] - x_list[-2]) / x_list[-1])
        x_values.append(i)
        y_values.append(error)
        if error == 0:
            print(f'迭代第{i}次后，误差为0')
            break
    else:
        pass

print(f'所求方程式的根为{x_list[-1]}')

#设置绘图风格
plt.style.use('ggplot')
#处理中文乱码
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
#坐标轴负号的处理
plt.rcParams['axes.unicode_minus']=False
#横坐标是迭代次数
#纵坐标是误差值
plt.plot(x_values,
         y_values,
         color = 'steelblue', # 折线颜色
         marker = 'o', # 折线图中添加圆点
         markersize = 3, # 点的大小
         )
# 修改x轴和y轴标签
plt.xlabel('迭代次数')
plt.ylabel('误差值')
# 显示图形
plt.show()

结果：

迭代第39次后，误差为0
所求方程式的根为0.06237758151374951

在这里插入图片描述

单点弦法例题——单点

求方程式：x = exp(-x)在0.5附近的根
即求方程式xexp(x)-1=0在0.5附近的根
单点弦法是需要两个初始点，只是初始点x0在迭代过程中不变。所以另一个初始点可以取x0=0.5附近的值，这里我取x1=0.6。
代码：

from sympy import *
import matplotlib.pyplot as plt
x0 = 0.5
x1 = 0.6

x_list = [x1]
i = 0
x_values = []
y_values = []

def f(x):
    f = x * exp(x) - 1
    return f

while True:
    x2 = x1 - f(x1)*(x1-x0)/(f(x1)-f(x0))
    x1 = x2
    x_list.append(x2)
    if len(x_list) > 1:
        i += 1
        error = abs((x_list[-1] - x_list[-2]) / x_list[-1])
        x_values.append(i)
        y_values.append(error)
        if error == 0:
            print(f'迭代第{i}次后，误差为0')
            break
    else:
        pass

print(f'所求方程式的根为{x_list[-1]}')

#设置绘图风格
plt.style.use('ggplot')
#处理中文乱码
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
#坐标轴负号的处理
plt.rcParams['axes.unicode_minus']=False
#横坐标是迭代次数
#纵坐标是误差值
plt.plot(x_values,
         y_values,
         color = 'steelblue', # 折线颜色
         marker = 'o', # 折线图中添加圆点
         markersize = 3, # 点的大小
         )
# 修改x轴和y轴标签
plt.xlabel('迭代次数')
plt.ylabel('误差值')
# 显示图形
plt.show()

结果：

迭代第14次后，误差为0
所求方程式的根为0.567143290409784

在这里插入图片描述

双点弦法

为了加速收敛，改用两个端点都在变动的弦，即用商差(f(xk)-f(xk-1))/(xk-xk-1)替代牛顿公式中的导数f’(x)，而导出下图的弦截公式。这种迭代法称为双点弦法、快速弦法或离散牛顿法。
双点弦法的收敛速度比单点弦法快，仅稍慢于牛顿法，是超线性收敛的。
双点弦法在计算xk+1时要用到前面两点的值xk，xk+1，这种迭代法称为两步法，使用这类方法，在计算前必须先提供两个初始值。
在这里插入图片描述
在这里插入图片描述

双点弦法的例题——有区间

求方程式：x3- 0.165x2 + 3.993×10-4 = 0在（0，0.11）的根

约定一个误差，当误差小于某个数值的时候，迭代停止

代码：

x0 = 0  #区间下限
x1 = 0.11  #区间上限

x_list = [x1]
i = 0

def f(x):
    f = x**3 - 0.165*x**2 + 3.993*10**(-4)
    return f

while True:
    x2 = x1 - f(x1)*(x1-x0)/(f(x1)-f(x0))
    x0 = x1
    x1 = x2
    x_list.append(x2)
    if len(x_list) > 1:
        i += 1
        error = abs((x_list[-1] - x_list[-2]) / x_list[-1])
        if error < 10**(-6):
            print(f'迭代第{i}次后，误差小于10^-6')
            break
    else:
        pass

print(f'所求方程式的根为{x_list[-1]}')

结果：

迭代第6次后，误差小于10^-6
所求方程式的根为0.06237758151374951

迭代至电脑默认误差为0

代码：

from sympy import *

x = symbols('x')
x0 = 0  #区间下限
x1 = 0.11  #区间上限

x_list = [x1]
i = 0

def f(x):
    f = x**3 - 0.165*x**2 + 3.993*10**(-4)
    return f

while True:
    x2 = x1 - f(x1)*(x1-x0)/(f(x1)-f(x0))
    x0 = x1
    x1 = x2
    x_list.append(x2)
    if len(x_list) > 1:
        i += 1
        error = abs((x_list[-1] - x_list[-2]) / x_list[-1])
        if error == 0:
            print(f'迭代第{i}次后，误差为0')
            break
    else:
        pass

print(f'所求方程式的根为{x_list[-1]}')

结果：

迭代第7次后，误差为0
所求方程式的根为0.06237758151374951

画迭代图

代码：

import matplotlib.pyplot as plt

x0 = 0  #区间下限
x1 = 0.11  #区间上限

x_list = [x1]
i = 0
x_values = []
y_values = []

def f(x):
    f = x**3 - 0.165*x**2 + 3.993*10**(-4)
    return f

while True:
    x2 = x1 - f(x1)*(x1-x0)/(f(x1)-f(x0))
    x0 = x1
    x1 = x2
    x_list.append(x2)
    if len(x_list) > 1:
        i += 1
        error = abs((x_list[-1] - x_list[-2]) / x_list[-1])
        x_values.append(i)
        y_values.append(error)
        if error < 10**(-6):
            print(f'迭代第{i}次后，误差小于10^-6')
            break
    else:
        pass

print(f'所求方程式的根为{x_list[-1]}')

#设置绘图风格
plt.style.use('ggplot')
#处理中文乱码
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
#坐标轴负号的处理
plt.rcParams['axes.unicode_minus']=False
#横坐标是迭代次数
#纵坐标是误差值
plt.plot(x_values,
         y_values,
         color = 'steelblue', # 折线颜色
         marker = 'o', # 折线图中添加圆点
         markersize = 3, # 点的大小
         )
# 修改x轴和y轴标签
plt.xlabel('迭代次数')
plt.ylabel('误差值')
# 显示图形
plt.show()

结果：

迭代第6次后，误差小于10^-6
所求方程式的根为0.06237758151374951

在这里插入图片描述
可与牛顿迭代法进行比较：
牛顿迭代法（Newton’s Method）迭代求根的Python程序

双点弦法例题——单点

求方程式：x = exp(-x)在0.5附近的根
即求方程式xexp(x)-1=0在0.5附近的根
双点弦法需要两个初始点，所以另一个初始点可以取x0=0.5附近的值，这里我取x1=0.6。
代码：

from sympy import *
import matplotlib.pyplot as plt
x0 = 0.5
x1 = 0.6

x_list = [x1]
i = 0
x_values = []
y_values = []

def f(x):
    f = x * exp(x) - 1
    return f

while True:
    x2 = x1 - f(x1)*(x1-x0)/(f(x1)-f(x0))
    x0 = x1
    x1 = x2
    x_list.append(x2)
    if len(x_list) > 1:
        i += 1
        error = abs((x_list[-1] - x_list[-2]) / x_list[-1])
        x_values.append(i)
        y_values.append(error)
        if error == 0 :
            print(f'迭代第{i}次后，误差为0')
            break
    else:
        pass

print(f'所求方程式的根为{x_list[-1]}')

#设置绘图风格
plt.style.use('ggplot')
#处理中文乱码
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
#坐标轴负号的处理
plt.rcParams['axes.unicode_minus']=False
#横坐标是迭代次数
#纵坐标是误差值
plt.plot(x_values,
         y_values,
         color = 'steelblue', # 折线颜色
         marker = 'o', # 折线图中添加圆点
         markersize = 3, # 点的大小
         )
# 修改x轴和y轴标签
plt.xlabel('迭代次数')
plt.ylabel('误差值')
# 显示图形
plt.show()

结果：

迭代第6次后，误差为0
所求方程式的根为0.567143290409784

在这里插入图片描述

Fo*(Bi)
关注
  • 12
    点赞
  • 踩
  • 78
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
c++用迭代法求解泰勒公式cosx和弦截法求方程的根.docx
10-04
适合正在学习面向对象程序设计的学生学习，用迭代法解决级数问题（以余弦泰勒公式为例）。本资源提供两道样题和对应的C++代码实现。
利用弦截法求方程的根
qq_53250579的博客
03-21 279
利用弦截法求方程的根，画图详解。
弦截法及Python实现
Dfreedom.的博客
10-27 3456
介绍了弦截法的原理、实现步骤、几何解释以及Python实现
非线性方程求根——弦截法
jayloncheng的博客
05-12 1万+
Newton迭代法的改进——弦截法个人学习笔记！一、弦截法原理Newton法要计算函数的导数，当导数不方便计算时，可以利用导数的定义，由相近点处函数值的差来近似，这就得到弦截法公式： 求解时需要给出 x0，x1两个初始值。收敛性：超线性收敛，且收敛阶二、python程序实现例题：求函数在x=1附近的根。import numpy as np def f(x): return x**3...
弦截法的基本思路
thunderking1985的专栏
09-04 2858
1）. 对于一个曲线方程，任意的取2个点，A（a,f(a)).  B(b,f(b))  如果f(a)*f(b) 2）.求出连接A和B的直线方程，并可求出它与ｘ轴的交点，ｘ= a-f(a)*(b-a)/(f(b)-f(a))        如果f(x)与f(a)同号则使 A点成为（x,f(x));        如果f(x)与f(b)同号则使B点成为 （x,f(x)). 3)
Matlab方程求根法汇总,matlab方程求根函数,C,C++
09-10
7BenvliMIN 贝努利法求按模最小实根HalfInterval 用二分法求方程的一个根hj 用...迭代法求方程的一个根Secant 用一般弦截法求方程的一个根SinleSecant 用单点弦截法求方程的一个根DblSecant 用双点弦截法求方程的一个根...
C#，数值计算，用割线法（Secant Method）求方程根的算法与源代码
最新发布
04-25
C#，数值计算，用割线法（Secant Method）求方程根的算法与源代码 割线法 割线法用于求方程 f(x) = 0 的根。它是从根的两个不同估计 x1 和 x2 开始的。这是一个迭代过程，包括对根的线性插值。如果两个中间值之间的...
Files.zip_secant method _割线法
07-14
割线法 在数值分析中，割线法是一个求根算法，该方法用一系列割线的根来近似代替函数f的根。
Matlab 求根代码 包括Newton法、Secant法、Steffenson法、Aitken's法、不动点迭代法。
10-19
这个压缩包包含了几种经典的数值求根方法，它们分别是牛顿法（Newton法）、Secant法、Steffenson法、Aitken's法以及不动点迭代法。每种方法都有其独特的优点和适用场景，下面将详细阐述这些方法及其在Matlab中的实现...
CodeBlock :非线性方程求根(二分法、牛顿迭代、弦割法)
11-26
弦割法（Secant Method）是介于二分法和牛顿迭代法之间的一种方法，适用于f'(x)不易计算的情况。它利用前两次迭代的结果x_n和x_{n-1}来估计下一次迭代值x_{n+1}，迭代公式为：x_{n+1} = x_n - f(x_n) * (x_n - x_{n-...
100个python算法超详细讲解：牛顿迭代法求方程根
Lee达森的博客
05-13 6424
1．问题描述 编写用牛顿迭代法求方程根的函数。方程为ax 3 +bx 2 +cx+d=0，系数a、 b、c、d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。 2．问题分析 牛顿迭代法是取x 0 之后，在这个基础上找到比x 0 更接近的方程根，一步一 步迭代，从而找到更接近方程根的近似根。 设r是f(x)=0的根，选取x 0 作为r的初始近似值，过点(x 0 ,f(x 0 ))做曲线y=f(x) 的切线L，L的方程为y=f(x 0 )+f'(x 0 )(x-x 0 )，求出L与x轴交点
The Secant Method(正割法、弦截法) 附C语言代码
玮哥的博客
03-16 5727
弦截法是一种求方程根的基该方法，在计算机编程中常用。 他的思路是这样的：任取两个数x1、x2，求得对应的函数值f(x1）、f(x2）。如果两函数值同号，则重新取数，直到这两个函数值异号为止。 连接（x1,f(x1））与（x2,f(x2））这两点形成的直线与x轴相交于一点x，求得对应的f(x），判断其与f(x1）、f(x2）中的哪个值同号。如f(x）与f(x1）同号，则f(x）为新的f(
C语言实现：用弦截法求方程的根
weixin_49191101的博客
03-24 1707
C语言实现：用弦切法求方程的根
学习笔记5 弦截法
Erik_Ying的博客
03-12 1615
弦截法 在f(x)在区间a,b上连续，f(a)*f(b)<0，则将点(a,f(a))和点(b,f(b))连接为一条直线(弦)，直线AB交x轴于点x1，x1作垂线于f(x)上，则有直线A1B交x轴于点x2，循环往复，不断接近根的值μ 算法分析： step1对于任意的f(x) = 0，给定x1, x2, 假设x1 < x2, 且f(x1)和f(x2)的符号相反 step2过f(x1), ...
Python 简单迭代法/Newton迭代法/弦截法 求方程的根
weixin_45779228的博客
10-27 6436
Python 简单迭代法/Newton迭代法/弦截法 求方程的根模块导入直接上代码 模块导入 import math 直接上代码 """ 迭代方程为：e^x-x^2+3*x-2=0 构建函数方程 fun = math.exp(x)-x**2+3*x-2 方程导数 fun_dc = math.exp(x)-2*x+3 迭代初值 x = 0 """ import math """简单迭代法""" def easy_iteration(x): x_next = (x ** 2 - math.exp(
python:实现Secant method割线法算法(附完整源码)
希望我的博客，能帮上你解决学习中工作中所遇到的问题
07-18 679
python:实现Secant method割线法算法
非线性方程求解——单点弦截法
weixin_46880633的博客
03-30 2665
单点弦截法是双电弦截法的特殊情况，迭代的情况可能在有根区间的两个端点之间变换。如果迭代的结果始终在一侧的端点，这个端点会收敛于精确根，而有根区间另一个端点固定不变，那么双点弦截法变为单点弦截法。 单点弦截法的公式仍为X=b-f(b)（b-a）/(fb-fa），迭代过程中不需要判断根是哪一侧的端点。（这里的x将会用b来表示） 若f(x)在[a,b]上连续，且存在二阶导数，且满足下列以下条件： 1.f(a)*f(b)<0 //保证有奇数个根 2.f’’(x)不变号且f’’(x)!=0 //保证f(..
【弦割法】多项式方程求解的迭代程序
姚巨龙的博客
06-24 1434
【弦割法】多项式方程求解的迭代程序 用弦割法求解方程式：f (x)= x^3-3x-1 取x0=2，x1=2.1 #include <cmath> #include <iostream> #include <iomanip> double fx(double x) { double f = x*x*x-3*x-1;//原函数 return f; //f(x) = 0中的f(x)函数形式 } void main() { using namespace std;
牛顿迭代法（Newton’s Method）迭代求根的Python程序
热门推荐
Fo*(Bi)的博客
10-26 4万+
参考链接： 用python算微积分及牛顿迭代求解高阶方程 不用迭代，直接得到高次方程的解： from sympy import * from sympy.abc import x def func(x): return x**3 - 0.165*x**2 + 3.993*10**(-4) result = solve(func(x),x) print(result) 结果： [-0.0437370862084818 + 0.e-24*I, 0.0623775815137495 + 0.e-22*
弦截法 matlab
10-18
弦截法（Secant Method）是一种数值计算方法，用于求解非线性方程的近似解。它是在牛顿迭代法的基础上发展起来的，与牛顿迭代法相比，弦截法不需要求解函数的导数，因此更加简单易用。在 MATLAB 中，可以使用 fzero 函数来实现弦截法。 具体来说，fzero 函数的语法如下： x = fzero(fun,x0) 其中，fun 是一个函数句柄，表示要求解的非线性方程；x0 是一个初始点，表示从哪个点开始搜索近似解。fzero 函数会返回一个近似解 x，使得 fun(x) 的值尽可能接近 0。 下面是一个使用弦截法求解非线性方程的例子： 假设要求解方程 x^3 - 2*x - 5 = 0 的近似解，可以定义一个匿名函数： fun = @(x) x^3 - 2*x - 5; 然后，使用 fzero 函数求解： x0 = 1; % 初始点 x = fzero(fun,x0) 输出结果为： x = 2.0946 这个结果表示，方程 x^3 - 2*x - 5 = 0 的一个近似解为 x ≈ 2.0946。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值