112.求解非线性方程

简介: 112.求解非线性方程
#include "math.h"
#include "stdio.h"
int BinSearchRoot(a,b,h,eps,x,m) /*用二法计算非线性方程的实根*/
int m;
/*参数意义:
a    要求的根的下界
b    要求的根的上界,即:所求的根落在区间 [a,b]之内
h    递进的步长
eps  精度
x    根的值
m    预计的根的个数*/
double a,b,h,eps,x[];
{ 
  extern double Equation(); /*要求解的非线性方程*/
    int n,js;
    double z,y,z1,y1,z0,y0;
    n=0; z=a; y=Equation(z);
    while ((z<=b+h/2.0)&&(n!=m)) /*对给定步长的子区间进行搜索*/
  { 
    if (fabs(y)<eps)  /*当前的判定点是方程的根*/
    { 
      n=n+1; 
      x[n-1]=z;
            z=z+h/2.0; 
            y=Equation(z);
    }
        else /*当前点不是方程的根*/
    { 
      z1=z+h; 
      y1=Equation(z1);
      if (fabs(y1)<eps) /*下一个点是方程的根*/
      { 
        n=n+1;
        x[n-1]=z1;
        z=z1+h/2.0;
        y=Equation(z);
      }
      else if (y*y1>0.0) /*该区间内无根*/
      { y=y1; z=z1;}
      else   /*该区间内有根*/
      { 
        js=0;/*标志,0表示未找到根,1表示已经确定了根*/
        while (js==0)
        { 
          if (fabs(z1-z)<eps) /*区间的长度小于给定的精度,可以当作已经找到了根*/
          { 
            n=n+1;  
            x[n-1]=(z1+z)/2.0; /*把区间的中位值作为根*/
            z=z1+h/2.0; /*把寻找的位置放到下一个区间内*/
            y=Equation(z);
            js=1; /*在当前区间内已经找到了根*/
          }
          else /*区间比给定的精度大,则进行二分*/
          { 
            z0=(z1+z)/2.0;  /*区间二分*/ 
            y0=Equation(z0);
            if (fabs(y0)<eps) /*z0位置为根*/
            { 
              x[n]=z0; 
              n=n+1; 
              js=1;
              z=z0+h/2.0; 
              y=Equation(z);
            }
            else if ((y*y0)<0.0) /*[z,z0]内有根*/
            { z1=z0; y1=y0;} 
            else { z=z0; y=y0;}
          }
        }
      }
    }
  }
    return(n); /*返回根的个数*/
}
main()
{
  int i,n;
    static int m=6;
    static double x[6];
    clrscr();
    puts("This is a program to solve Nonlinear function\n   by Binary Divisive Procedure.");
    puts("\n The Nonlinear function is:");
    puts("\n f(x)=(((((x-5.0)*x+3.0)*x+1.0)*x-7.0)*x+7.0)*x-20.0\n");
    n=BinSearchRoot(-2.0,5.0,0.2,0.000001,x,m);
    puts("\n >> Solve successfully!\n >> The results are:");
    printf(" >> The function has %d roots, they are:\n",n);/*输出根的个数*/
    for (i=0; i<=n-1; i++)
    printf(" >> x(%d)=%13.7e\n",i,x[i]);
    printf("\n Press any key to quit...\n");
    getch();
}
double Equation(x)
double x;
{
  double z;
  z=(((((x-5.0)*x+3.0)*x+1.0)*x-7.0)*x+7.0)*x-20.0;
  return(z);
}
相关文章
|
决策智能
ortools求解非线性问题
ortools求解非线性问题
651 0
ortools求解非线性问题
|
Linux API iOS开发
|
人工智能 移动开发 算法
初等变换法求解线性方程组
初等变换法求解线性方程组
|
算法
F#实现Runge–Kutta算法求解常微分方程
不少工程问题中涉及的微分方程,我们很难求出方程的解析解,或者说根本不存在精确的解析解。此时,我们需要利用电脑,结合数值分析的方法来近似求出微分方程的相关解,并研究其性质。通过求出多个自变量的值,并求出对应的解,那么可以绘制出图形来辅助研究方程的特征。本文将介绍F#实现Runge–Kutta算法求解微分方程。
853 0
F#实现Runge–Kutta算法求解常微分方程
|
机器学习/深度学习 Windows
【组合数学】递推方程 ( 常系数线性齐次递推方程 | 常系数、线性、齐次 概念说明 | 常系数线性齐次递推方程公式解法 | 特征根 | 通解 | 特解 )
【组合数学】递推方程 ( 常系数线性齐次递推方程 | 常系数、线性、齐次 概念说明 | 常系数线性齐次递推方程公式解法 | 特征根 | 通解 | 特解 )
418 0
|
人工智能 算法 Python
最小二乘法多项式曲线拟合原理与实现
概念 最小二乘法多项式曲线拟合,根据给定的m个点,并不要求这条曲线精确地经过这些点,而是曲线y=f(x)的近似曲线y= φ(x)。   原理 [原理部分由个人根据互联网上的资料进行总结,希望对大家能有用]          给定数据点pi(xi,yi),其中i=1,2,…,m。
2462 1
|
算法 Python 机器学习/深度学习
02 回归算法 - 线性回归求解 θ(最大似然估计求解)
回顾线性回归的公式:θ是系数,X是特征,h(x) 是预测值。 h(x) = θ0 + θ1x1 + θ2x2 + … + θnxn h(x) = Σ θixi( i=0~n ) h(x) = θTX = [θ1,θ2,θ3,…,θn] * [x1,x2,x3,…,xn]T 最终要求是计算出θ的值,并选择最优的θ值构成算法公式,使预测值能够尽可能接近真实值。
1917 0