Broyden方法解非线性方程组
用Broyden 方法求解非线性方程
沈欢
北京大学工学院，北京100871
2011年10月26日
摘要
用Broyden 方法求解给定的非线性方程组。
1问题描述
用Broyden 方法计算非线性方程组(x 1+3)(x 32?7)+18=0
(1)sin (x 2e x 1?1)=0(2)
的解，取初始猜测为?→x 0
=(?0.5,1.4)T 。2问题分析
通过观察不难看出(0,1)点是方程的一个精确解。取初始猜测?→x 0=(?0.5,1.4)T 在精确解附近，可以用Broyden 方法求解。设：??????→F (x 1,x 2)=F 1(x 1,x 2)?→i +F 2(x 1,x 2)?→j 其中F 1(x 1,x 2)=
(x 1+3)(x 32?7)+18;F 2(x 1,x 2)=sin (x 2e
x 1?1)。3Broyden 算法
Broyden 算法类似于牛顿方法，它通过在已知的雅可比矩阵上加上一个修正项得到新的雅可比矩阵，从而避免了牛顿方法计算雅可比矩阵的复杂度。Broyden 算法如图一所示。Broyden 算法说明：a )初始迭代点取?→x 0
=(?0.5,1.4)T ;初始的雅可比矩阵的近似矩阵取为真实的雅可比矩阵，即：A =?F (?→x )= x 32?73(x 1+3)x 22cos (x 2e x 1?1)?x 2?e x 1cos (x 2e x 1?1)?e x 1
(3)1
图1:Broyden方法的算法简图
A0=?F(?→x)=
?4.256014.7000
0.83950.5996
(4)
取精度为10?8。并计算得到?→x1=[?0.0553,1.0281]T。
b)在每步迭代中用?→
x k和??→
x k?1来估计新的雅可比近似矩阵。
A k=A k?1+g k?A k?1.y k
y
k
.y k
?y T k(5)
其中：g k=F(??→
x k?1)?F(?→
x k),y k=??→
x k?1??→
x k。
c)解线性方程
A k??→s=?F(?→
x k)(6)得到位移向量?→
x k,从而计算出新的迭代点；
??→
x k+1=?→
x k+?→s(7) 4计算结果
调用所编写的函数[roots,flag]=Broyden,得到结果roots=[0.0000,1.0000]T,flag=6。说明，当初值取?→x0=(?0.5,1.4)T时，经过6次迭代得到该非线性方程组满足精度要求的解x1=0.0000,x2=1.0000。与理论解比较，Broyden方法给出的结果非常准确，且迭代次数较少，收敛速度很高。
2
参考文献
[1]汤华中，《数值方法：原理、算法和应用》讲义.
3
推荐-Broyden方法求解非线性方程组的Matlab实现 精品
Broyden方法求解非线性方程组的Matlab实现 注：matlab代码来自网络，仅供学习参考。 1.把以下代码复制在一个.m文件上 function [sol, it_hist, ierr] = brsola(x,f,tol, parms) % Broyden's Method solver, globally convergent % solver for f(x) = 0, Armijo rule, one vector storage % % This code es with no guarantee or warranty of any kind. % % function [sol, it_hist, ierr] = brsola(x,f,tol,parms) % % inputs: % initial iterate = x % function = f % tol = [atol, rtol] relative/absolute % error tolerances for the nonlinear iteration % parms = [maxit, maxdim] % maxit = maxmium number of nonlinear iterations % default = 40 % maxdim = maximum number of Broyden iterations % before restart, so maxdim-1 vectors are % stored % default = 40 % % output: % sol = solution % it_hist(maxit,3) = scaled l2 norms of nonlinear residuals % for the iteration, number function evaluations, % and number of steplength reductions % ierr = 0 upon successful termination % ierr = 1 if after maxit iterations % the termination criterion is not satsified. % ierr = 2 failure in the line search. The iteration % is terminated if too many steplength reductions % are taken. % % % internal parameter: % debug = turns on/off iteration statistics display as % the iteration progresses
Matlab求解线性方程组非线性方程组
求解线性方程组 solve，linsolve 例： A=[5 0 4 2;1 -1 2 1;4 1 2 0;1 1 1 1]; %矩阵的行之间用分号隔开，元素之间用逗号或空格 B=[3;1;1;0] X=zeros(4,1);%建立一个4元列向量 X=linsolve(A,B) diff（fun，var，n）：对表达式fun中的变量var求n阶导数。 例如：F=sym（'u(x,y)*v(x,y)'）; %sym（）用来定义一个符号表达式 diff(F); %matlab区分大小写 pretty(ans) %pretty（）：用习惯书写方式显示变量；ans是答案表达式 非线性方程求解 fsolve(fun,x0,options) 为待解方程或方程组的文件名；fun其中 x0位求解方程的初始向量或矩阵； option为设置命令参数 建立文件fun.m： function y=fun(x) y=[x(1)-0.5*sin(x(1))-0.3*cos(x(2)), ... x(2) - 0.5*cos(x(1))+0.3*sin(x(2))]; >>clear;x0=[0.1,0.1];fsolve(@fun,x0,optimset('fsolve')) 注： ...为续行符 m文件必须以function为文件头，调用符为@；文件名必须与定义的函数名相同；fsolve（）主要求解复杂非线性方程和方程组，求解过程是一个逼近过程。Matlab求解线性方程组 AX=B或XA=B 在MATLAB中，求解线性方程组时，主要采用前面章节介绍的除法运算符“/”和“\”。如： X=A\B表示求矩阵方程AX＝B的解； 的解。XA=B表示矩阵方程B/A＝X． 对方程组X＝A\B，要求A和B用相同的行数，X和B有相同的列数，它的行数等于矩阵A的列数，方程X＝B/A同理。 如果矩阵A不是方阵，其维数是m×n，则有： m＝n 恰定方程，求解精确解； m>n 超定方程，寻求最小二乘解； m 学科前沿讲座论文 班级：工程力学13-1班姓名：陆树飞 学号：02130827 牛顿法求非线性方程的根 一 实验目的 （1）用牛顿迭代法求解方程的根 （2）了解迭代法的原理，了解迭代速度跟什么有关 题目：用Newton 法计算下列方程 （1） 013=--x x ， 初值分别为10=x ，7.00=x ，5.00=x ； （2） 32943892940x x x +-+= 其三个根分别为1,3,98-。当选择初值02x =时 给出结果并分析现象,当6510ε-=?，迭代停止。 二 数学原理 对于方程f(x)=0，如果f(x)是线性函数，则它的求根是很容易的。牛顿迭代法实质上是一种线性化方法，其基本思想是将非线性方程f(x)=0逐步归结为某种线性方程来求解。 设已知方程f(x)=0有近似根x k (假定k f'(x )0≠) ，将函数f(x)在点x k 进行泰勒展开，有 k k k f(x)f(x )+f'(x )(x-x )+≈??? 于是方程f(x)=0可近似的表示为 k k k f(x )+f'(x )(x-x )=0 这是个线性方程，记其根为x k+1，则x k+1的计算公式为 k+1k ()x =x -'() k k f x f x ，k=0,1,2,… 这就是牛顿迭代法。 三 程序设计 （1）对于310x x --=，按照上述数学原理，编制的程序如下 program newton implicit none real :: x(0:50),fx(0:50),f1x(0:50)!分别为自变量x ，函数f(x)和一阶导数f1(x) integer :: k write(*,*) "x(0)=" read(*,*) x(0) !输入变量：初始值x(0) open(10,file='1.txt') do k=1,50,1 fx(k)=x(k-1)**3-x(k-1)-1 f1x(k)=3*x(k-1)**2-1 x(k)=x(k-1)-fx(k)/f1x(k) !牛顿法 write(*,'(I3,1x,f11.6)') k,x(k) !输出变量：迭代次数k 及x 的值 write(10,'(I3,1x,f11.6)') k,x(k) if(abs(x(k)-x(k-1))<1e-6) exit !终止迭代条件 end do stop end （2）对于32943892940x x x +-+=，按照上述数学原理，编制的程序如下 program newton implicit none 《MATLAB 程序设计实践》课程考核 ---第37-38页 题１ ： 编程实现以下科学计算算法，并举一例应用之。（参考书籍《精 通ＭＡT ＬＡＢ科学计算》，王正林等著，电子工业出版社，２００９ 年） “牛顿法非线性方程求解” 弦截法本质是一种割线法，它从两端向中间逐渐逼近方程的根；牛顿法本质上是一种切线法，它从一端向一个方向逼近方程的根，其递推公式为： - =+n n x x 1) ()(' n n x f x f 初始值可以取)('a f 和)('b f 的较大者，这样可以加快收敛速度。 和牛顿法有关的还有简化牛顿法和牛顿下山法。 在MATLAB 中编程实现的牛顿法的函数为：NewtonRoot 。 功能：用牛顿法求函数在某个区间上的一个零点。 调用格式：root=NewtonRoot )(```eps b a f 其中，f 为函数名； a 为区间左端点； b 为区间右端点 eps 为根的精度； root 为求出的函数零点。 ， 牛顿法的matlab程序代码如下： function root=NewtonRoot(f,a,b,eps) %牛顿法求函数f在区间[a,b]上的一个零点%函数名:f %区间左端点:a %区间右端点:b %根的精度:eps %求出的函数零点:root if(nargin==3) eps=1.0e-4; end f1=subs(sym(f),findsym(sym(f)),a); f2=subs(sym(f),findsym(sym(f)),b); if (f1==0) root=a; end if (f2==0) root=b; end if (f1*f2>0) disp('两端点函数值乘积大于0 ！'); return; else tol=1; fun=diff(sym(f)); %求导数 fa=subs(sym(f),findsym(sym(f)),a); fb=subs(sym(f),findsym(sym(f)),b); dfa=subs(sym(fun),findsym(sym(fun)),a); dfb=subs(sym(fun),findsym(sym(fun)),b); if(dfa>dfb) %初始值取两端点导数较大者 root=a-fa/dfa; else root=b-fb/dfb; end while(tol>eps) r1=root; fx=subs(sym(f),findsym(sym(f)),r1); dfx=subs(sym(fun),findsym(sym(fun)),r1); %求该点的导数值 root=r1-fx/dfx; %迭代的核心公式 tol=abs(root-r1); end end 例：求方程3x^2－exp（x）＝0的一根 解：在MATLAB命令窗口输入： >> r=NewtonRoot('3*x^2-exp(x)',3,4) 输出结果： X=3.7331 用割线法解非线性方程组 自动化学院1011203050 陈晓祺拟牛顿法解下列方程组 sin 1.0 cos 5.00 ) cos( 1.0 sin 5.0 2 2 11 2 1 1 = - -= -+ x x x x x x x 先将拟牛顿法的程序代码如下 Function[r,m]=mulVlineF,x0,A, eps) Format long; If nargin=3 Eps=1e-4; End X0=transpose(x0); X1=tanspose(x1); N=length(x0); Fx=subs(F,findsym(F),x0); Fx1=subs(F,findsym(F),x1); H=x0-x1; J=zeros(n,n); Xt=x1; Xt(1)=x0(1); J(:,1)=(subs(F,findsym(F),xt)-sbus(F,findsym(F),x1))/h(1); For i=2:n Xt=x1; Xt(1:i)=x0(1:i); Xt_m=xl; Xt_m(1:i-1)=x0(1:i-1); J(:,i)=(subs(F,findsym(F),xt)-sbus(F,findsym(F),xt_m))/h(1); End R=x1-inv(J)*fx1; M=1; Tol=1; While tol>eps X0=x1; X1=r; Fx=subs(F,findsym(F),x0); Fx1=subs(F,findsym(F),x1); H=x0-x1; J=zeros(n,n); Xt=x1; Xt(1)=x0(1); J(:,1)=(subs(F,findsym(F),xt)-subs(F,findsym(F),x1))/h(1); For i=2:n Xt=x1; Xt(1:i)=x0(1:i); Xt_m=x1; Xt_m(1:i-1)x0(1:i-1); J(:,1)=(subs(F,findsym(F),xt)-subs(F,findsym(F),xt_m))/h(1); End R=x1-inv(J)*fx1; Tol=norm(r-x1); M=m+1; If(m>100000) Disp('fail'); Return; End End 然后直接调用该方法 Syms x y Z=[x^2+y^2-5;2*x-y-3]; [r,m]=mulline(z,[0 1],[4,3]) [r,m]=mulline(z,[-3 1],[4,3]) 得到解为（2,1）（0.4，-2.2） 非线性方程组数值解法 n个变量n个方程(n >1)的方程组表示为 (1) 式中?i(x1,x2,…,x n)是定义在n维欧氏空间R n的开域D上的实函数。若?i中至少有一个非 线性函数，则称(1)为非线性方程组。在R n中记?＝ 则(1)简写为?(尣)=0。若存在尣*∈D，使?(尣*)＝0，则称尣*为非线性方程组的解。方程组(1)可能有一个解或多个解，也可能有无穷多解或无解。对非线性方程组解的存在性的研究远不如线性方程组那样成熟，现有的解法也不象线性方程组那样有效。除极特殊的方程外，一般不能用直接方法求得精确解，目前主要采用迭代法求近似解。根据不同思想构造收敛于解尣*的迭代序列{尣k}(k=0，1，…)，即可得到求解非线性方程组的各种迭代法，其中最著名的是牛顿法。 牛顿法及其变形牛顿法基本思想是将非线性问题逐步线性化而形成如下迭代程序： (2) 式中 是?(尣k)的雅可比矩阵,尣0是方程(1)的解尣*的初始近似。 这个程序至少具有2阶收敛速度。由尣k算到尣k+的步骤为:①由尣k算出?(尣k)及 ;②用直接法求线性方程组的解Δ尣k；③求 。 由此看到迭代一次需计算n个分量函数值和n2个分量偏导数值，并求解一次n阶线性方程组。 为了评价非线性方程组不同迭代法的优劣，通常用效率作为衡量标准,其中P 为迭代法的收敛阶,W为每迭代步计算函数值?i及偏导数值的总个数（每迭代步中求一次逆的工作量相同,均不算在W内）。效率e越大表示此迭代法花费代价越小,根据效率定 义，牛顿法(2)的效率为。 牛顿法有很多变形,如当奇异或严重病态时，可引进阻尼因子λk，得到阻尼牛顿法，即 中南大学MATLAB程序设计实践学长有爱奉献，下载填上信息即可上交，没有下载券的自行百度。所需m文件照本文档做即可，即新建（FILE）→脚本（NEW-Sscript）→复制本文档代码→运行（会跳出保存界面，文件名默认不要修改，保存）→结果。第一题需要把数据文本文档和m文件放在一起。全部测试无误，放心使用。本文档针对做牛顿法求非线性函数题目的同学，当然第一题都一样，所有人都可以用。←记得删掉这段话 班级： ？ 学号： 姓名： 一、《MATLAB程序设计实践》Matlab基础 表示多晶体材料织构的三维取向分布函数（f＝f（φ1，φ，φ2））是一个非常复杂的函数，难以精确的用解析函数表达，通常采用离散 空间函数值来表示取向分布函数，是三维取向分布函数的一个实例。 由于数据量非常大，不便于分析，需要借助图形来分析。请你编写一 个matlab程序画出如下的几种图形来分析其取向分布特征： （1）用Slice函数给出其整体分布特征； " ~ （2）用pcolor或contour函数分别给出(φ2＝0, 5, 10, 15, 20, 25, 30, 35 … 90)切面上f分布情况(需要用到subplot函数)； (3) 用plot函数给出沿α取向线(φ1=0~90，φ＝45，φ2＝0)的f分布情况。 ( 备注：数据格式说明 解： （1）（ （2）将文件内的数据按照要求读取到矩阵f(phi1,phi,phi2)中，代码如 下： fid=fopen(''); for i=1:18 tline=fgetl(fid); end phi1=1;phi=1;phi2=1;line=0; f=zeros(19,19,19); [ while ~feof(fid) tline=fgetl(fid); data=str2num(tline); line=line+1;数据说明部分，与 作图无关此方向表示f随着 φ1从0,5,10,15, 20 …到90的变化而 变化 此方向表示f随着φ 从0,5,10,15, 20 … 到90的变化而变化 表示以下数据为φ2＝0的数据，即f（φ1，φ，0） M a a b求解线性方程组非 线性方程组 The latest revision on November 22, 2020 求解线性方程组solve，linsolve例：A=[5 0 4 2;1 -1 2 1;4 1 2 0;1 1 1 1];%矩阵的行之间用分号隔开，元素之间用逗号或空格B=[3;1;1;0]X=zeros(4,1);%建立一个4元列向量 X=linsolve(A,B)diff（fun，var，n）：对表达式fun中的变量var求n阶导数。 例如：F=sym（'u(x,y)*v(x,y)'）; %sym（）用来定义一个符号表达式diff(F); %matlab区分大小写pretty(ans) %pretty（）：用习惯书写方式显示变量；ans是答案表达式 非线性方程求解 fsolve(fun,x0,options) 其中fun为待解方程或方程组的文件名； x0位求解方程的初始向量或矩阵； option为设置命令参数 建立文件： function y=fun(x) y=[x(1)*sin(x(1))*cos(x(2)), ... x(2) - *cos(x(1))+*sin(x(2))]; >>clear;x0=[,];fsolve(@fun,x0,optimset('fsolve'))注：...为续行符m文件必须以function 为文件头，调用符为@；文件名必须与定义的函数名相同；fsolve（）主要求解复杂非线性方程和方程组，求解过程是一个逼近过程。 Matlab求解线性方程组AX=B或XA=B在MATLAB中，求解线性方程组时，主要采用前面章节介绍的除法运算符“/”和“\”。如：X=A\B表示求矩阵方程AX＝B的解；X＝B/A表示矩阵方程XA=B 的解。对方程组X＝A\B，要求A和B用相同的行数，X和B有相同的列数，它的行数等于矩阵A 的列数，方程X＝B/A同理。 如果矩阵A不是方阵，其维数是m×n，则有：m＝n 恰定方程，求解精确解；m>n 超定方程，寻求最小二乘解；m Matlab线性方程组求解 1. Gauss消元法： function x=DelGauss(a,b) % Gauss消去法 [n,m]=size(a); nb=length(b); det=1; %存储行列式值 x=zeros(n,1); for k=1:n-1 for i=k+1:n if a(k,k)==0 return end m=a(i,k)/a(k,k); for j=k+1:n a(i,j)=a(i,j)-m*a(k,j); end b(i)=b(i)-m*b(k); end det=det*a(k,k); %计算行列式 end det=det*a(n,n); for k=n:-1:1 %回代求解 for j=k+1:n b(k)=b(k)-a(k,j)*x(j); end x(k)=b(k)/a(k,k); end Example: >> A=[1.0170 -0.0092 0.0095;-0.0092 0.9903 0.0136;0.0095 0.0136 0.9898]; >> b=[1 0 1]'; >> x=DelGauss(A,b) x = 0.9739 -0.0047 1.0010 2. 列主元Gauss消去法： function x=detGauss(a,b) % Gauss列主元消去法 [n,m]=size(a); nb=length(b); det=1; %存储行列式值 x=zeros(n,1); for k=1:n-1 amax=0; %选主元 for i=k:n if abs(a(i,k))>amax amax=abs(a(i,k));r=i; end end if amax<1e-10 return; end if r>k %交换两行 for j=k:n 非线性方程组的求解 摘要：非线性方程组求解是数学教学中，数值分析课程的一个重要组成部分，作为一门学科，其研究对象是非线性方程组。求解非线性方程组主要有两种方法：一种是传统的数学方法，如牛顿法、梯度法、共轭方向法、混沌法、BFGS 法、单纯形法等。传统数值方法的优点是计算精度高，缺点是对初始迭代值具有敏感性，同时传统数值方法还会遇到计算函数的导数和矩阵求逆的问题，对于某些导数不存在或是导数难求的方程，传统数值方法具有一定局限性。另一种方法是进化算法，如遗传算法、粒子群算法、人工鱼群算法、差分进化算法等。进化算法的优点是对函数本身没有要求，不需求导，计算速度快，但是精度不高。 关键字：非线性方程组、牛顿法、BFGS 法、记忆梯度法、Memetic 算法 1： 三种牛顿法：Newton 法、简化Newton 法、修改的Newton 法【1-3】 求解非线性方程组的Newton 法是一个最基本而且十分重要的方法, 目前使用的很多有效的迭代法都是以Newton 法为基础, 或由它派生而来。 n 个变量n 个方程的非线性方程组, 其一般形式如下: ???????===0),...,(... 0),...,(0),...,(21212211n n n n x x x f x x x f x x x f （1） 式(1)中,),...,(21n i x x x f ( i=1, ?, n) 是定义在n 维Euclid 空间Rn 中开域 D 上 的实值函数。若用向量记号，令： ????????????=n x x x ...X 21,????????????=??????????????====)(...)()(0),...,(...0),..,(0)...,()(2121212,211X f X f X f x x x f x x x f x x x f X F n n n n n (1)二分法求解非线性方程： #include 线性方程组的解法 1 引言 在科学研究和大型工程设计中出现了越来越多的数学问题，而这些问题往往需要求数值解。在进行数值求解时，经离散后，常常归结为求解形如Ax= b的大型线性方程组。而如插值公式，拟合公式等的建立，微分方程差分格式的构造等，均可归结为求解线性方程组的问题．在工程技术的科学计算中，线性方程组的求解也是最基本的工作之一．因此，线性方程组的解法一直是科学和工程计算中研究最为普遍的问题，它在数值分析中占有极其重要的地位。20世纪50年代至70年代，由于电子计算机的发展，人们开始考虑和研究在计算机上用迭代法求线性方程组Ax =b的近似解，用某种极限过程去逐渐逼近精确解，并发展了许多非常有效的迭代方法，迭代法具有需要计算机存储单元少、程序设计简单、原始系数矩阵在计算过程中始终不变等优点。例如Jacobi方法、Gauss—Seidel 方法、SOR方法、SSOR 方法，这几种迭代方法是最常用的一阶线性定常迭代法。 2 主要算法 20世纪50年代至70年代，人们开始考虑和研究用迭代法求解线性方程组。 Ax = b (1) 的近似解，发展了许多有效的方法，其中有Jacobi方法、Gauss—Seidel方法，SOR方法、SSOR方法，这几种迭代方法均属一阶线性定常迭代法，即若系数矩阵A的一个分裂：A =M-N ；M 为可逆矩阵，线性方程组(1)化为： (M－N)X =b； →M X = NX + b； →X= M -1NX+ M-1b 得到迭代方法的一般公式： X（k+1）=HX（k）+d （2） 其中：H =MN-1，d=M-1b，对任意初始向量X（0） 一阶定常迭代法收敛的充分必要条件是: 迭代矩H的谱半径小于1，即ρ(H) < 1；又因为对于任何矩阵范数恒有ρ(H)≤‖H‖，故又可得到收敛的一个充分条件为：‖H‖< 1。 2.1 Jacobi迭代法 若D为A的对角素构成的对角矩阵，且对角线元素全不为零。系数矩阵A的一个分解：A = 牛顿迭代法求解非线性方程组 非线性方程组如下： 221122121210801080 x x x x x x x ?-++=??+-+=?? 给定初值()00.0T x =，要求求解精度达到0.00001 1.首先建立函数()F X ,方程编程如下，将F.m 保存到工作路径中： function f=F(x) f(1)=x(1)^2-10*x(1)+x(2)^2+8; f(2)=x(1)*x(2)^2+x(1)-10*x(2)+8; f=[f(1),f(2)] ; 2.建立函数()DF X ,用于求方程的jacobi 矩阵,将DF.m 保存到工作路径中： function df=DF(x) df=[2*x(1)-10,2*x(2);x(2)^2+1,2*x(1)*x(2)-10]; %jacobi 矩阵是一阶偏导数以一定方式排列成的矩阵。 3.编程牛顿迭代法解非线性方程组，将newton.m 保存在工作路径中： clear,clc; x=[0,0]'; f=F(x); df=DF(x); fprintf('%d %.7f %.7f\n',0,x(1),x(2)); N=4; for i=1:N y=df\f'; x=x-y; f=F(x); df=DF(x); fprintf('%d %.7f %.7f\n',i,x(1),x(2)); if norm(y)<0.0000001 break; else end end ezplot('x^2-10*x+y^2+8',[-6,6,-6,6]); hold on ezplot('x*y^2+x-10*y+8',[-6,6,-6,6]); 运行结果如下： 0 0.0000000 0.0000000 1 0.8000000 0.8800000 2 0.9917872 0.9917117 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 解线性方程组的直接解法 一、实验目的及要求 关于线性方程组的数值解法一般分为两大类：直接法与迭代法。直接法是在没有舍入误差的情况下，通过有限步运算来求方程组解的方法。通过本次试验的学习，应该掌握各种直接法，如：高斯列主元消去法，LU分解法和平方根法等算法的基本思想和原理，了解它们各自的优缺点及适用范围。 二、相关理论知识 求解线性方程组的直接方法有以下几种： 1、利用左除运算符直接求解 线性方程组为b x\ =即可。 A Ax=，则输入b 2、列主元的高斯消元法 程序流程图： 输入系数矩阵A，向量b，输出线性方程组的解x。 根据矩阵的秩判断是否有解，若无解停止；否则，顺序进行； 对于1 p :1- =n 选择第p列中最大元，并且交换行； 消元计算； 回代求解。（此部分可以参看课本第150页相关算法） 3、利用矩阵的分解求解线性方程组 （1）LU分解 调用matlab中的函数lu即可，调用格式如下： [L,U]=lu（A） 注意：L往往不是一个下三角，但是可以经过行的变换化为单位下三角。 （2）平方根法 调用matlab 中的函数chol 即可，调用格式如下： R=chol （A ） 输出的是一个上三角矩阵R ，使得R R A T =。 三、研究、解答以下问题 问题1、先将矩阵A 进行楚列斯基分解，然后解方程组b Ax =(即利用平方根法求解线性方程组，直接调用函数)： ??????? ??--------=19631699723723312312A ，?????? ? ??-=71636b 解答： 程序： A=[12 -3 2 1;-3 23 -7 -3;2 -7 99 -6;1 -3 -6 19]; R=chol(A) b=[6 3 -16 7]'; y=inv(R')*b %y=R'\b x=inv(R)*y %x=R\y 结果： R =3.4641 -0.8660 0.5774 0.2887 0 4.7170 -1.3780 -0.5830 0 0 9.8371 -0.7085 0 0 0 4.2514 y =1.7321 0.9540 -1.5945 1.3940 x =0.5463 0.2023 -0.1385 0.3279 问题 2、先将矩阵A 进行LU 分解，然后解方程组b Ax =（直接调用函数）： ?????????? ??----=8162517623158765211331056897031354376231A ，????????? ? ??-=715513252b 线性方程组的解法及其应用 The solution of linear equation and its application 专业：测控技术与仪器 班级： 2010-1班 作者：刘颖 学号： 20100310110105 摘要 线性方程组是线性代数的一个重要组成部分，也在现实生产生活中有着广泛的运用，在电子工程、软件开发、人员管理、交通运输等领域都起着重要的作用。在一些学科领域的研究中，线性方程组也有着不可撼动的辅助性作用，在实验和调查后期利用线性方程组对大量的数据进行处理是很方便简捷的选择。本文主要围绕如何解线性方程组来进行讲解，对于不同类型的线性方程组的不同方法，并简述线性方程组的一些实际应用。 关键词： 齐次线性方程组，非齐次线性方程组，克莱姆法则，消元法，矩阵，矩阵的秩，特解，通解。 Abstract Linear equations linear algebra is one of the important component parts, and in real life has extensive production use，and it plays an important role in electronic engineering, software development, personnel management, transportation, etc. In some discipline study, it also has the reigns of linear equations of the auxiliary function.In experiment and survey using the linear equations of the late on the data processing is very convenient simple choice. This article, focusing on how to solve linear equations to explain, for different types of linear equations of different methods, and briefly introduces some of the practical application of linear equations. Keywords: Homogeneous linear equations, Non homogeneous linear equation,Clem’s law,Elimination method,Matrix,Rank of matrix,Special solution,General solution. 牛顿迭代法c++程序设计 求解{0=x*x-2*x-y+0.5; 0=x*x+4*y*y-4; }的方程 #include 基于Matlab 实现牛顿迭代法解非线性方程组 已知非线性方程组如下 2211221212 10801080x x x x x x x ?-++=??+-+=?? 给定初值0(0,0)T x =，要求求解精度达到0.00001 首先建立函数F(x)，方程组编程如下，将F.m 保存到工作路径中： function f=F(x) f(1)=x(1)^2-10*x(1)+x(2)^2+8; f(2)=x(1)*x(2)^2+x(1)-10*x(2)+8; f=[f(1) f(2)]; 建立函数DF(x),用于求方程组的Jacobi 矩阵，将DF.m 保存到工作路径中： function df=DF(x) df=[2*x(1)-10,2*x(2);x(2)^2+1,2*x(1)*x(2)-10]; 编程牛顿迭代法解非线性方程组，将newton.m 保存到工作路径中： clear; clc x=[0,0]'; f=F(x); df=DF(x); fprintf('%d %.7f %.7f\n',0,x(1),x(2)); N=4; for i=1:N y=df\f'; x=x-y; f=F(x); df=DF(x); fprintf('%d %.7f %.7f\n',i,x(1),x(2)); if norm(y)<0.0000001 break ; else end end 运行结果如下： 0 0.0000000 0.0000000 1 0.8000000 0.8800000 2 0.9917872 0.9917117 3 0.9999752 0.9999685 4 1.0000000 1.0000000 第2章线性方程组的直接解法 2.1实验目的 理解线性方程组计算机解法中的直接解法的求解过程和特点，学习科学计算的方法和简单的编程技术。 2.2概念与结论 1. n阶线性方程组 如果未知量的个数为 n ,而且关于这些未知量x1,x2, …,x n的幂次都是一次的(线性的)那末, n 个方程 a11x1+a12x2+ … +a1n x n=b1 ┆┆┆ (1) a n1x1+a n2x2+ … +a nn x n= b n 构成一个含n个未知量的线性方程组,称为n阶线性方程组。其中,系数a11,…,a1n,a21, …,a2n, …,a n1, …,a nn 和b1, …,b n都是给定的常数。 方程组(1)也常用矩阵的形式表示,写为 Ax=b 其中,A是由系数按次序排列构成的一个n阶矩阵,称为方程组的系数矩阵,x和b都是n维向量,b称为方程组的右端向量。 2. n阶线性方程组的解 使方程组(1)中每一个方程都成立的一组数x1*,x2*, …,x n*称为式(1)的解,把它记为向量的形式,称为解向量. 3.一些特殊的线性方程组 1) 上三角方程组 2) 三对角方程组 ? ? ? ? ? ? ? ? ? ? ? ? = ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? - - - - - n n nn n n n n n n n n b b b x x x a a a a a a a a a a a a 2 1 2 1 1 1 1 2 1 2 23 22 1 1 1 13 12 11 4.矩阵的Doolittle 分解 5.Doolittle 分解的紧凑格式 6．矩阵的Crout 分解 ????????? ? ??=?????????? ???????????? ? ?--n n n n n n d d d x x x b a c b c b a c b a c b 21 2111333 22211???? ?? ? ? ???????? ??=??????? ??nn n n n n nn n n n n u u u u u u l l l a a a a a a a a a 222 11211 2 1 21 2 1 2222111211111 ???? ?? ? ? ???????? ??=??????? ??11 1 21122 1 2221 11 2 1 2222111211 n n nn n n nn n n n n u u u l l l l l l a a a a a a a a a ????? ?? ? ??nn n n n n n n u l l l u u l l u u u l u u u u 3 2 1 333323122322211131211牛顿法求非线性方程的根
牛顿法非线性方程求解
用割线法解非线性方程组
非线性方程组数值解法
matlab程序设计实践-牛顿法解非线性方程
Maab求解线性方程组非线性方程组
Matlab线性方程组求解(Gauss消去法)
非线性方程组的求解
二分法和牛顿法求解非线性方程(C语言)
线性方程组的解法
牛顿迭代法求解非线性方程组的代码
C++实现 牛顿迭代 解非线性方程组
解线性方程组的直接解法
线性方程组的解法及其应用
c++求解非线性方程组的牛顿顿迭代法
基于Matlab的牛顿迭代法解非线性方程组
线性方程组的直接解法
- 用牛顿迭代法求解非线性方程组
- 非线性方程组的解
- 非线性方程(组)的解法
- 非线性方程组求解及matlab实现
- Broyden方法解非线性方程组
- 解非线性方程组的迭代法
- 非线性方程组求解及matlab实现讲解
- 解非线性方程组的迭代法
- Matlab求解线性方程组非线性方程组
- 42 非线性方程组的迭代解法讲解
- 解非线性方程组的迭代法
- 用牛顿法解非线性方程组
- 推荐-Broyden方法求解非线性方程组的Matlab实现 精品
- 非线性方程及非线性方程组解法
- 非线性代数方程组的解法
- 解非线性方程组的牛顿迭代法
- 第十章非线性方程及非线性方程组解法
- 用matlab求解非线性方程组的几种方法之程序
- Maab求解线性方程组非线性方程组
- c++求解非线性方程组的牛顿顿迭代法