zoukankan      html  css  js  c++  java
  • 3.牛顿迭代法求解方程的根

    牛顿迭代法求解方程的根

    引题:用牛顿迭代法求下列方程在值等于x附近的根:2x34x2+3x6=02x^3-4x^2+3x-6=0
    输入:输入x。
    输出:方程在值等于x附近的根,占1行。
    输入示例:1.5
    输出实例:2

    1. 牛顿迭代公式推导

    设多项式f(x)f(x),设r是f(x)f(x)的根。
    选取x0x_0作为r的初始近似值。
    过点(x0,f(x0))(x_0,f(x_0))做曲线y=f(x)y=f(x)的切线L。得L:y=f(x0)+f(x0)(xx0)y=f(x_0)+f'(x_0)(x-x_0)
    则L与x轴交点的横坐标为 x1=x0f(x0)f(x0)x_1=x_0-frac{f(x_0)}{f'(x_0)},那么称x1x_1为r的一次近似值。
    过点(x1,f(x1))(x_1,f(x_1))做曲线y=f(x)y=f(x)的切线,并求该切线与x轴交点的横坐标x2=x1f(x1)f(x1)x_2=x_1-frac{f(x_1)}{f'(x_1)},称x2x_2为r的二次近似值。
    重复以上过程,得r的近似值序列。
    其中,xn+1=xnf(xn)f(xn)x_{n+1}=x_n-frac{f(x_n)}{f'(x_n)}称为r的n+1次近似值。
    所以,xn+1=xnf(xn)f(xn)x_{n+1}=x_n-frac{f(x_n)}{f'(x_n)}即为牛顿迭代公式

    2. 牛顿迭代公式核心思想

    核心思想:使用泰勒级数的线性项近似计算函数f(x)=0f(x)=0的根。把f(x)f(x)在点x0x_0的某领域内展开成泰勒级数,取其线性部分(即泰勒展开的前两项),并令其等于0。
    泰勒级数展开式:
    f(x)=f(x0)+f(x0)(xx0)+f(x0)(xx0)22!++f(n)(x0)(xx0)nn!+Rn(x)f(x)=f(x_0)+f'(x_0)(x-x_0)+frac{f''(x_0)(x-x_0)^2}{2!}+…+frac{f^{(n)}(x_0)(x-x_0)^n}{n!}+R_n(x)
    线性部分:
    f(x)=f(x0)+f(x0)(xx0)f(x)=f(x_0)+f'(x_0)(x-x_0)
    令其为0,并以此作为非线性方程f(x)=0f(x)=0的近似方程,即切线方程,得到公式:x=x0f(x)f(x)x=x_0-frac{f(x)}{f'(x)}
    将其推广,即可以得到牛顿迭代公式:xn+1=xnf(xn)f(xn)x_{n+1}=x_n-frac{f(x_n)}{f'(x_n)}

    #include <iostream>
    #include <cmath>
    using namespace std;
    
    double f(double x)//函数
    {
        return 2*pow(x,3)-4*pow(x,2)+3*x-6;
    }
    
    double f1(double x)//导函数
    {
        return 6*pow(x,2)-8*x+3;
    }
    
    int main()
    {
    	float x;
    	cin >> x;
    	do
    	{
    		x = x - f(x)/f1(x);
    	}while( f(x)>1e-5 || f(x)<-(1e+5) );//控制精度,逼近处理
    
    	cout << x << endl;
    }
    
  • 相关阅读:
    Bower 使用
    为什么是static?
    多重继承 -Javascript中的apply与call详解
    留用 未验证 js适配根字体大小
    Js作用域与作用域链详解
    理解AngularJS中的依赖注入
    渐进增强 优雅降级
    前后台数据交换的几种方式:
    then()方法是异步执行
    HTML怎么让img 等比例缩放
  • 原文地址:https://www.cnblogs.com/yuzilan/p/10626074.html
Copyright © 2011-2022 走看看