二分法和牛顿法求解非线性方程(C语言)

合集下载

二分法和牛顿迭代法求解方程的比较

二分法和牛顿迭代法求解方程的比较

二分法和牛顿迭代法求解方程的比较200822401018 徐小良一、问题叙述求解1232cos 0x x -+=的解;通过编写matlab 程序分别用分析二分法和牛顿迭代法求解方程,通过两种方法的比较,分析二者求解方程的快慢程度。

二、问题分析由matlab 画图命令,容易得到此方程解的范围为(2,4);两种迭代方法,在使用相同的误差(0.00001)的情况下,得出matlab 迭代次数,通过次数的比较得出二者求解速度快慢比较。

三、实验程序及注释(1)、二分法程序:clear; %清除所有内存数据; f=inline('12-3*x+2*cos(x)');format long %数据显示格式设为长型; a=2;b=4; %求解区间; er=b-a;ya=f(a);k=0;er0=0.00001; %误差分析; while er>er0 x0=.5*(a+b); y0=f(x0); if ya*y0<0b=x0; %二分法求解程序; elsea=x0; ya=y0; enddisp([a,b]);er=b-a;k=k+1 %显示各个区间值和求解次数; enddisp([a,b]); %显示最后一个区间值; (2)、牛顿迭代法程序:clear; %清除所有内存数据; f=inline('12-3*x+2*cos(x)');format long %数据显示格式设为长型; b=3;a=4;k=0; %求解区间; y0=f(b);y=f(a);while abs(b-a)>0.00001 t=a-y*(a-b)/(y-y0);b=a;y0=y; %牛顿迭代法求解程序; a=t;y=f(a); k=k+1;disp([b,a]);k %显示各个区间值和求解次数; enddisp([b,a]); %显示最后一个区间值;四、实验数据结果及分析表2:牛顿迭代法程序结果五、实验结论通过表1可知,在二分法下,程序迭代了17次后和第18次的结果一致,即程序迭代了17次达到要求的试验误差;通过表2可知,在牛顿迭代法下,程序迭代了4次后和第5次的结果一致,即程序迭代了4次达到要求的试验误差;二者比较明显可以看出牛顿迭代法的求解效率要远远优于二分法。

C语言常用算法归纳

C语言常用算法归纳

C语言常用算法归纳应当掌握的一般算法一、基本算法:交换、累加、累乘二、非数值计算常用经典算法:穷举、排序(冒泡,选择)、查找(顺序即线性)三、数值计算常用经典算法:级数计算(直接、简接即递推)、一元非线性方程求根(牛顿迭代法、二分法)、定积分计算(矩形法、梯形法)四、其他:迭代、进制转换、矩阵转置、字符处理(统计、数字串、字母大小写转换、加密等)、整数各数位上数字的获取、辗转相除法求最大公约数(最小公倍数)、求最值、判断素数(各种变形)、数组元素的插入(删除)、二维数组的其他典型问题(方阵的特点、杨辉三角形)详细讲解一、基本算法1.交换(两量交换借助第三者)例1、任意读入两个整数,将二者的值交换后输出。

main(){ int a,b,t;scanf("%d%d",&a,&b);printf("%d,%d\n",a,b);t=a; a=b; b=t;printf("%d,%d\n",a,b);}【解析】程序中加粗部分为算法的核心,如同交换两个杯子里的饮料,必须借助第三个空杯子。

假设输入的值分别为3、7,则第一行输出为3,7;第二行输出为7,3。

其中t为中间变量,起到“空杯子”的作用。

注意:三句赋值语句赋值号左右的各量之间的关系!【应用】例2、任意读入三个整数,然后按从小到大的顺序输出。

main(){ int a,b,c,t;scanf("%d%d%d",&a,&b,&c);/*以下两个if语句使得a中存放的数最小*/if(a>b){ t=a; a=b; b=t; }if(a>c){ t=a; a=c; c=t; }/*以下if语句使得b中存放的数次小*/if(b>c) { t=b; b=c; c=t; }printf("%d,%d,%d\n",a,b,c);}2.累加累加算法的要领是形如“s=s+A”的累加式,此式必须出现在循环中才能被反复执行,从而实现累加功能。

非线性方程求解

非线性方程求解

⾮线性⽅程求解基于MATLAB的⾮线性⽅程的五种解法探讨摘要:本⽂利⽤matlab软件对⾮线性⽅程解法中的⼆分法、简单迭代法、⽜顿法、割线法以及Steffensen法的数值分析⽅法的算法原理及实现⽅法进⾏了探讨。

对f x x x=+-()2ln2的零点问题,分别运⽤以上五种不同的⽅法进⾏数值实验,⽐较⼏种解法的优缺点并进⾏初步分析评价。

关键词:⼆分法、简单迭代法、⽜顿法、割线法、Steffensen法1、引⾔在很多实际问题中,经常需要求⾮线性⽅程f(x) =0的根。

⽅程f(x) =0的根叫做函数f(x)的零点。

由连续函数的特性知:若f(x)在闭区间[a,b ]上连续,且()()0f a f b<.则f(x) =0在开区间(a,b)内⾄少有⼀个实根。

这时称[a,b]为⽅程f(x) =0的根的存在区间。

本⽂主要对⾮线性⽅程的数值解法进⾏分析,并介绍了⾮线性⽅程数值解法的五种⽅法。

并设=+-.f x x x()2ln2f x在[1,2]上的图形,如图1:. 显然,函数在[1,2]之间有⼀个零点。

⾸先画出()2、计算机配置操作系统Windows 7 旗舰版内存2GB处理器AMD 4核 A6-3400M APU 1.4GHz图.13、⼆分法⼆分法的基本思想是将⽅程根的区间平分为两个⼩区间,把有根的⼩区间再平分为两个更⼩的区间,进⼀步考察根在哪个更⼩的区间内。

如此继续下去,直到求出满⾜精度要求的近似值。

设函数()f x 在区间[a,b ]上连续,且f(a)·f(b) <0,则[a,b ]是⽅程f(x) =0的根的存在区间,设其内有⼀实根,记为x*。

取区间[a,b ]的中点()2k a b x +=并计算1()f x ,则必有下列三种情况之⼀成⽴: (1) 1()f x =0,x1就是⽅程的根x*;(2)()f a .1()f x <0,⽅程的根x*位于区间[a, 1x ]之中,此时令111,a a b x ==; (3)1()f x .()f b <0,⽅程的根x*位于区间[1x ,b ]之中,此时令11a x =,1b b =。

数值分析求解非线性方程根的二分法简单迭代法和牛顿迭代法

数值分析求解非线性方程根的二分法简单迭代法和牛顿迭代法

实验报告一:实验题目一、 实验目的掌握求解非线性方程根的二分法、简单迭代法和牛顿迭代法,并通过数值实验比较两种方法的收敛速度。

二、 实验内容1、编写二分法、并使用这两个程序计算02)(=-+=x e x x f 在[0, 1]区间的解,要求误差小于 410- ,比较两种方法收敛速度。

2、在利率问题中,若贷款额为20万元,月还款额为2160元,还期为10年,则年利率为多少?请使用牛顿迭代法求解。

3、由中子迁移理论,燃料棒的临界长度为下面方程的根,用牛顿迭代法求这个方程的最小正根。

4、用牛顿法求方程的根,精确至8位有效数字。

比较牛顿迭代法算单根和重根的收敛速度,并用改进的牛顿迭代法计算重根。

第1题:02)(=-+=x e x x f 区间[0,1] 函数画图可得函数零点约为0.5。

画图函数:function Test1()% f(x) 示意图, f(x) = x + exp(x) - 2; f(x) = 0r = 0:0.01:1;y = r + exp(r) - 2plot(r, y);grid on 二分法程序:计算调用函数:[c,num]=bisect(0,1,1e-4)function [c,num]=bisect(a,b,delta)%Input –a,b 是取值区间范围% -delta 是允许误差%Output -c 牛顿迭代法最后计算所得零点值% -num 是迭代次数ya = a + exp(a) - 2;yb = b + exp(b) - 2;if ya * yb>0return;endfor k=1:100c=(a+b)/2;yc= c + exp(c) - 2;if abs(yc)<=deltaa=c;b=c;elseif yb*yc>0b=c;yb=yc;elsea=c;ya=yc;endif abs(b-a)<deltanum=k; %num为迭代次数break;endendc=(a+b)/2;err=abs(b-a);yc = c + exp(c) - 2;牛顿迭代法程序:计算调用函数:[c,num]=newton(@func1,0.5,1e-4) 调用函数:function [y] = func1(x)y = x + exp(x) - 2;end迭代算法:function[c,num]=newton(func,p0,delta)%Input -func是运算公式% -p0是零点值% -delta是允许误差%Output -c牛顿迭代法最后计算所得零点值% -num是迭代次数num=-1;for k=1:1000y0=func(p0);dy0=diff(func([p0 p0+1e-8]))/1e-8;p1=p0-y0/dy0;err=abs(p1-p0);p0=p1;if(err<delta)num=k;%num为迭代次数break;endendc=p0;第2题:由题意得到算式:计算调用函数:[c,num]=newton(@func2,0.02,1e-8)程序:先用画图法估计出大概零点位置在0.02附近。

解非线性方程的牛顿迭代法及其应用

解非线性方程的牛顿迭代法及其应用

解非线性方程的牛顿迭代法及其应用一、本文概述非线性方程是数学领域中的一个重要研究对象,其在实际应用中广泛存在,如物理学、工程学、经济学等领域。

求解非线性方程是一个具有挑战性的问题,因为这类方程往往没有简单的解析解,需要通过数值方法进行求解。

牛顿迭代法作为一种古老而有效的数值求解方法,对于求解非线性方程具有重要的应用价值。

本文旨在介绍牛顿迭代法的基本原理、实现步骤以及在实际问题中的应用。

我们将详细阐述牛顿迭代法的基本思想,包括其历史背景、数学原理以及收敛性分析。

我们将通过具体实例,展示牛顿迭代法的计算步骤和实际操作过程,以便读者能够更好地理解和掌握该方法。

我们将探讨牛顿迭代法在各个领域中的实际应用,包括其在物理学、工程学、经济学等领域中的典型应用案例,以及在实际应用中可能遇到的问题和解决方法。

通过本文的介绍,读者可以深入了解牛顿迭代法的基本原理和应用技巧,掌握其在求解非线性方程中的实际应用方法,为进一步的研究和应用提供有力支持。

二、牛顿迭代法的基本原理牛顿迭代法,又称为牛顿-拉夫森方法,是一种在实数或复数域上近似求解方程的方法。

其基本原理是利用泰勒级数的前几项来寻找方程的根。

如果函数f(x)在x0点的导数f'(x0)不为零,那么函数f(x)在x0点附近可以用一阶泰勒级数来近似表示,即:这就是牛顿迭代法的基本迭代公式。

给定一个初始值x0,我们可以通过不断迭代这个公式来逼近f(x)的根。

每次迭代,我们都用当前的近似值x0来更新x0,即:这个过程一直持续到满足某个停止条件,例如迭代次数达到预设的上限,或者连续两次迭代的结果之间的差小于某个预设的阈值。

牛顿迭代法的收敛速度通常比线性搜索方法快,因为它利用了函数的导数信息。

然而,这种方法也有其局限性。

它要求函数在其迭代点处可导,且导数不为零。

牛顿迭代法可能不收敛,如果初始点选择不当,或者函数有多个根,或者根是重根。

因此,在使用牛顿迭代法时,需要谨慎选择初始点,并对迭代过程进行适当的监控和调整。

熟悉用二分法,迭代法,牛顿法和弦截法求解非线性方程。(常用版)

熟悉用二分法,迭代法,牛顿法和弦截法求解非线性方程。(常用版)

熟悉用二分法,迭代法,牛顿法和弦截法求解非线性方程。

(常用版)(可以直接使用,可编辑完整版资料,欢迎下载)实验报告学院(系)名称:计算机与通信工程姓名赵云鹏学号20211931 专业计算机科学与技术班级09-1 实验项目实验一方程求根课程名称数值计算方法课程代码实验时间2011年5月26日实验地点#7-215批改意见:实验目的:熟悉用二分法,迭代法,牛顿法和弦截法求解成绩非线性方程。

实验环境:硬件环境:IBM-PC或兼容机软件环境:Windows操作系统编程语言:C语言实验内容:1、用二分法求方程x2-x-1=0的正根,要求准确到小数点后第一位2用迭代法和牛顿法求解方程x=e-x在x=0.5附近的一个根,要求精确到小数点后三位3用双点弦截法求方程x3+3x2-x-9=0在区间[1,2]内的一个实根,精确到五位有效数字。

教师签字:实验步骤:二分法:迭代法:牛顿法:双点弦截法:用二分法求方程x2-x-1=0的正根,要求准确到小数点后第一位#include <stdio.h>#include <math.h>#define ADJUST1 0.01#define ADJUST2 0.001#define EX 0.000001#define INF 999999999.99double func1(double x)//二分法求的方程{return (x*x-x-1);}double func2_1(double x)//迭代法的方程{return exp(-x);}double res1(double a,double b,double (*fun1)(double x))//二分法{double fa=fun1(a);double fb=fun1(b);double fmid=fun1((a+b)/2);while(fabs(b-a)>=ADJUST1){if(fabs(fmid-0a)<EX)return fmid;else if(fmid*fa<0){b=(a+b)/2;fa=fun1(a);fb=fun1(b);fmid=fun1((a+b)/2);}else if(fmid*fb<0){a=(a+b)/2;fa=fun1(a);fb=fun1(b);fmid=fun1((a+b)/2);}}return (a+b)/2;}int main(){printf("%.2f\n",res1(0,100,func1));printf("%.2f\n",func2_1(-1));return 0;}用迭代法和牛顿法求解方程x=e-x在x=0.5附近的一个根,要求精确到小数点后三位#include <stdio.h>#include <math.h>#define ADJUST1 0.01#define ADJUST2 0.001#define EX 0.000001#define INF 999999999.99double func2_1(double x)//迭代法的方程{return exp(-x);}double res2(double x0,double e,int n,double (*fun)(double x))//迭代法,迭代失败标志,输出Fail!,并返回INF{int k=1;double x1;x1=fun(x0);while(k!=n){if(fabs(x1-x0)<e)return x1;x0=x1;x1=fun(x0);k++;}if(k==n)printf("Fail!\n");return INF;}int main(){printf("%.3f\n",res2(0.5,0.001,100,func2_1));//q2.1printf("%.3f\n",func2_1(0.567));//for testreturn 0;}用双点弦截法求方程x3+3x2-x-9=0在区间[1,2]内的一个实根,精确到五位有效数字#include <stdio.h>#include <math.h>#define ADJUST1 0.01#define ADJUST2 0.001#define EX 0.000001#define INF 999999999.99double dfunc2_2(double x)//牛顿法方程导数{return (0-exp(-x)-1);}double func2_2(double x)//牛顿法方程{return exp(-x)-x;}double res3(double x0,double e,int n,double (*fun)(double x),double (*dfun)(double x)) //牛顿迭代法,奇异标志为返回INF,失败标志为返回INF,并输出Fail!{int k=1;double x1;if(fabs(dfun(x0)-0)<EX)return INF;x1=x0-fun(x0)/dfun(x0);while(k!=n){if(fabs(x1-x0)<e)return x1;x0=x1;x1=x0-fun(x0)/dfun(x0);}if(k==n)printf("Fail!\n");return INF;}int main(){printf("%.3f\n",res3(0.5,0.001,100,func2_2,dfunc2_2));return 0;}微分算子法求解二阶常系数非齐次线性微分方程的特解李绍刚 段复建 徐安农(桂林电子科技大学,计算科学与数学系,广西桂林,541004)摘要:本文主要介绍了二阶微分算子的性质及其它在一些求解二阶常系数非齐次线性微分方程的常见运算公式,并对其中的大部分重要公式给出了详细的较为简单的证明,并通过具体而翔实的例子加以说明它在解题中的具体应用,大大简化了二阶常系数非齐次线性微分方程的特解的求法。

C++实现 牛顿迭代 解非线性方程组

C++实现 牛顿迭代 解非线性方程组

C++实现牛顿迭代解非线性方程组(二元二次为例)求解{0=x*x-2*x-y+0.5;0=x*x+4*y*y-4;}的方程#include<iostream>#include<cmath>#define N 2 // 非线性方程组中方程个数、未知量个数#define Epsilon 0.0001 // 差向量1范数的上限#define Max 100 // 最大迭代次数using namespace std;const int N2=2*N;int main(){void ff(float xx[N],float yy[N]); //计算向量函数的因变量向量yy[N]void ffjacobian(float xx[N],float yy[N][N]); //计算雅克比矩阵yy[N][N]void inv_jacobian(float yy[N][N],float inv[N][N]); //计算雅克比矩阵的逆矩阵invvoid newdundiedai(float x0[N], float inv[N][N],float y0[N],float x1[N]);//由近似解向量x0 计算近似解向量x1float x0[N]={2.0,0.25},y0[N],jacobian[N][N],invjacobian[N][N],x1[N],errornorm;int i,j,iter=0;//如果取消对x0的初始化,撤销下面两行的注释符,就可以由键盘x读入初始近似解向量for( i=0;i<N;i++)cin>>x0[i];cout<<"初始近似解向量:"<<endl;for (i=0;i<N;i++)cout<<x0[i]<<" ";cout<<endl;cout<<endl;do{iter=iter+1;cout<<"第"<<iter<<" 次迭代开始"<<endl; //计算向量函数的因变量向量y0ff(x0,y0); //计算雅克比矩阵jacobianffjacobian(x0,jacobian); //计算雅克比矩阵的逆矩阵invjacobian inv_jacobian(jacobian,invjacobian); //由近似解向量x0 计算近似解向量x1 newdundiedai(x0, invjacobian,y0,x1); //计算差向量的1范数errornormerrornorm=0;for (i=0;i<N;i++)errornorm=errornorm+fabs(x1[i]-x0[i]);if (errornorm<Epsilon) break;for (i=0;i<N;i++)x0[i]=x1[i];} while (iter<Max);return 0;}void ff(float xx[N],float yy[N]) //调用函数{float x,y;int i;x=xx[0];y=xx[1];yy[0]=x*x-2*x-y+0.5;yy[1]=x*x+4*y*y-4; //计算初值位置的值cout<<"向量函数的因变量向量是:"<<endl;for( i=0;i<N;i++)cout<<yy[i]<<" ";cout<<endl;cout<<endl;}void ffjacobian(float xx[N],float yy[N][N]){float x,y;int i,j;x=xx[0];y=xx[1];//jacobian have n*n element //计算函数雅克比的值yy[0][0]=2*x-2;yy[0][1]=-1;yy[1][0]=2*x;yy[1][1]=8*y;cout<<"雅克比矩阵是:"<<endl;for( i=0;i<N;i++){for(j=0;j<N;j++)cout<<yy[i][j]<<" ";cout<<endl;}cout<<endl;}void inv_jacobian(float yy[N][N],float inv[N][N]) {float aug[N][N2],L;int i,j,k;cout<<"开始计算雅克比矩阵的逆矩阵:"<<endl; for (i=0;i<N;i++){ for(j=0;j<N;j++)aug[i][j]=yy[i][j];for(j=N;j<N2;j++)if(j==i+N) aug[i][j]=1;else aug[i][j]=0;}for (i=0;i<N;i++){ for(j=0;j<N2;j++)cout<<aug[i][j]<<" ";cout<<endl;}cout<<endl;for (i=0;i<N;i++){for (k=i+1;k<N;k++){L=-aug[k][i]/aug[i][i];for(j=i;j<N2;j++)aug[k][j]=aug[k][j]+L*aug[i][j];}}for (i=0;i<N;i++){ for(j=0;j<N2;j++)cout<<aug[i][j]<<" ";cout<<endl;cout<<endl;for (i=N-1;i>0;i--){for (k=i-1;k>=0;k--){L=-aug[k][i]/aug[i][i];for(j=N2-1;j>=0;j--)aug[k][j]=aug[k][j]+L*aug[i][j];}}for (i=0;i<N;i++){ for(j=0;j<N2;j++)cout<<aug[i][j]<<" ";cout<<endl;}cout<<endl;for (i=N-1;i>=0;i--)for(j=N2-1;j>=0;j--)aug[i][j]=aug[i][j]/aug[i][i];for (i=0;i<N;i++){ for(j=0;j<N2;j++)cout<<aug[i][j]<<" ";cout<<endl;for(j=N;j<N2;j++)inv[i][j-N]=aug[i][j];}cout<<endl;cout<<"雅克比矩阵的逆矩阵:"<<endl; for (i=0;i<N;i++){ for(j=0;j<N;j++)cout<<inv[i][j]<<" ";cout<<endl;cout<<endl;}void newdundiedai(float x0[N], float inv[N][N],float y0[N],float x1[N]) {int i,j;float sum=0;for(i=0;i<N;i++){ sum=0;for(j=0;j<N;j++)sum=sum+inv[i][j]*y0[j];x1[i]=x0[i]-sum;}cout<<"近似解向量:"<<endl;for (i=0;i<N;i++)cout<<x1[i]<<" ";cout<<endl;cout<<endl;}。

C语言编程 牛顿迭代法求方程1

C语言编程 牛顿迭代法求方程1

牛顿迭代公式设r 是f(x) = 0的根,选取x0作为r 初始近似值,过点(x0,f(x0))的切线L ,L 的方程为y = f(x0)+f'(x0)(x-x0),求出L 与x 轴交点的横坐标 x1 = x0-f(x0)/f'(x0),称x1为r 的一次近似值。

过点(x1,f(x1))做曲线y = f(x)的切线,并求该切线与x 轴交点的横坐标 x2 = x1-f(x1)/f'(x1),称x2为r 的二次近似值。

重复以上过程,得r 的近似值序列,其中x(n+1)=x(n)-f(x(n))/f'(x(n)),称为r 的n+1次近似值,上式称为牛顿迭代公式。

解非线性方程f(x)=0似方法。

把f(x)在x0 f(x) = f(x0)+(x -x0)f'(x0)+(x -x0)^2*f''(x0)/2! +… 取其线性部分,作为非线性方程f(x) = 0的近似方程,即泰勒展开的前两项,则有f(x0)+f'(x0)(x -x0)-f(x)=0 设f'(x0)≠0则其解为x1=x0-f(x0)/f'(x0) 这样,得到牛顿法的一个迭代序列:x(n+1)=x(n)-f(x(n))/f'(x(n))。

牛顿迭代法又称牛顿切线法,它采用以下方法求根:先任意设定一个与真实的根接近的值x 0作为第一个近似根,由x 0求出f(x 0),过(x 0,f(x 0))点做f(x)的切线,交x 轴于x 1,把它作为第二次近似根,再由x 1求出f(x 1),再过(x 1,f(x 1))点做f(x)的切线,交x 轴于x 2,再求出f(x 2),再作切线……如此继续下去,直到足够接近真正的x *为止。

)()()()(0'0010100'x f x f x x x x x f x f -=-=因此, 就是牛顿迭代公式。

例1 用牛顿迭代法求方程2x 3-4x 2+3x-6=0在1.5附近的根。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

(1)二分法求解非线性方程:
#include<stdio.h>
#include<math.h>
#define f(x)((x*x-1)*x-1)
void main()
{float a,b,x,eps;
int k=0;
printf("intput eps\n");/*容许误差*/
scanf("%f",&eps);
printf("a,b=\n");
for(;;)
{scanf("%f,%f",&a,&b);
if(f(a)*f(b)>=0)/*判断是否符合二分法使用的条件*/
printf("二分法不可使用,请重新输入:\n");
else break;
}
do
{x=(a+b)/2;
k++;
if(f(a)*f(x)<0)/*如果f(a)*f(x)<0,则根在区间的左半部分*/
b=x;
else if(f(a)*f(x)>0)/*否则根在区间的右半部分*/
a=x;
else break;
}while(fabs(b-a)>eps);/*判断是否达到精度要求,若没有达到,继续循环*/
x=(a+b)/2;/*取最后的小区间中点作为根的近似值*/
printf("\n The root is x=%f,k=%d\n",x,k);
}
运行结果:
intput eps
0.00001
a,b=
2,-5
The root is x=1.324721,k=20
Press any key to continue
总结:本题关键在于两个端点的取值和误差的判断,此程序较容易。

二分法收敛速度较快,但缺点是只能求解单根。

(2)牛顿法求解非线性方程:
#include<stdio.h>
#include<math.h>
float f(float x)/*定义函数f(x)*/
{return((-3*x+4)*x-5)*x+6;}
float f1(float x)/*定义函数f(x)的导数*/
{return(-9*x+8)*x-5;}
void main()
{float eps,x0,x1=1.0;
printf("input eps:\n");
scanf("%f",&eps);/*输入容许误差*/
do
{x0=x1;/*准备下一次迭代的初值*/
x1=x0-f(x0)/f1(x0);/*牛顿迭代*/
}while(fabs(x1-x0)>eps);/*当满足精度,输出近似根*/
printf("x=%f\n",x1);
}
程序运行结果:
x=1.265328
总结:关键是牛顿迭代的应用,程序中最大缺点是函数及其导数已唯一给出确定不可求的随意函数的根,牛顿法比二分法收敛快,可以求重根。

相关文档
最新文档