非線性方程組研究畢業(yè)論文(編輯修改稿)
2024-07-24 16:46 本頁面
【文章內容簡介】 for(i=0。imatrixNum。i++) { for(j=0。jmatrixNum。j++) cout*(matrixF1+i*matrixNum+j) 。 coutendl。 } //求矩陣F的雅可比矩陣的逆 t=*matrixF1。 for(i=0,j=0。jmatrixNum。j++) { *(matrixF1+i*matrixNum+j)/=t。 *(matrixF2+i*matrixNum+j)/=t。 } t=*(matrixF1+1*matrixNum)。 for(i=1,j=0。jmatrixNum。j++) { *(matrixF1+i*matrixNum+j)=*(matrixF1+j)*t。 *(matrixF2+i*matrixNum+j)=*(matrixF2+j)*t。 } t=*(matrixF1+1*matrixNum+1)。 for(i=1,j=0。jmatrixNum。j++) { *(matrixF1+i*matrixNum+j)/=t。 *(matrixF2+i*matrixNum+j)/=t。 } t=*(matrixF1+1)。 for(i=i,j=0。jmatrixNum。j++) { *(matrixF1+j)=*(matrixF1+i*matrixNum+j)*t。 *(matrixF2+j)=*(matrixF2+i*matrixNum+j)*t。 } for(i=0。imatrixNum。i++) { for(j=0。jmatrixNum。j++) cout*(matrixF1+i*matrixNum+j) 。 coutendl。 } for(i=0。imatrixNum。i++) { for(j=0。jmatrixNum。j++) cout*(matrixF2+i*matrixNum+j) 。 coutendl。 } cout第y次迭代結果為*x39。,39。*(x+1)endl。 getch()。 return matrixF2。 delete [] matrixF1。 delete [] matrixF2。}最后總結：我們可以從上面的實例可以得到，牛頓法是求解非線性方程組最簡單的一種線性方法，它的構想是通過非線性方程組以線性方程組轉化，從而來形成一種迭代形式然后迭代達到迭代次數來逼近，最終來求解。牛頓法的迭代方式通常都是最少2次迭代以上，并且收斂速度快。因此可以說是最常用的求解非線性方程組的方法。第三章、求解非線性方程組的擬牛頓法上面我們詳細介紹了牛頓法求解非線性方程組數值，我們仔細留一下，我們會發(fā)現牛頓法雖然有很好的收斂性，你有沒有發(fā)現牛頓法對它的初值要求的什么嚴格，每步迭代都要計算，是個偏導數值建立的矩陣，我們不可能遇到的都是簡單的數據，假如我們遇到每個數值都很復雜，這個時候我們將無法進行計算。例如n數值很大時，我們不僅要浪費時間，同時每步迭代都要求解線性方程組，計算工作量太大。同時還有其它問題，假如迭代過程中有一步處有奇異，那么這個時候牛頓法將無法計算。為了克服以上缺點我們下面來介紹擬牛頓法。 聽到擬牛頓法就知道是對牛頓法的改進，例如我們用矩陣來近似的轉換代
范文總結相關推薦
鄂ICP備17016276號-1