比较全数值分析编程汇总，内容包括： 线性方程组的直接法：Gauss消去法与矩阵三角分解法（Doolittle分解法相比Crout分解法更常用）及其选择列主元的改进方法、Doolittle分解法的延伸（实对称正定矩阵利用Cholesky分解得到的平方根法、三对角矩阵作为线性方程组系数矩阵的追赶法） 线性方程组的迭代法：Jacobi迭代法、Gauss-Seidel迭代法（利用前者每次迭代已得到的最新分量加速）、逐次超松弛（SOR，Successive Over-Relaxation）方法 函数拟合的插值法：拉格朗日（Lagrange）插值法与牛顿（Newton）插值法。 函数逼近方法：数值逼近中引入了函数范数和函数内积的概念。前者用来度量逼近函数与原函数在一个区间内的整体误差，后者广泛用于各种数值逼近方法的计算过程中。函数的∞-范数对应最佳一致逼近；函数的2-范数（Euclid-范数）对应最佳平方逼近。 数值积分算法与数值微分。 非线性方程及方程组的数值方法。 矩阵特征值的数值解法：乘幂法与反幂法。 常微分方程的数值解法：欧拉（Euler）方法，龙格-库塔法。

《计算方法》课件：Ch2_3 Newton法与割线法.ppt

该函数采用三个输入参数（函数和属于区间的两个初始猜测）。 迭代后，它返回函数的根。 第四个输入参数是更改循环的停止条件。

牛顿迭代、割线法、二分法算法实验报告.docx

在visual studio里写的程序，用c语言实现割线法，代码非常简单

该函数是一种改进的牛顿法，适用于离散数据，即以数值方式计算数据的导数。 任何一点的导数都被视为函数向右和向左斜率的平均值。 割线方法也在功能中编程，用户可以选择其中之一。 代码被大量注释以使其易于理解和修改。 还使用了许多变量验证、打印和绘图。

在matlab平台下，适当选择初始点，通过割线法，求解方程的根，不需要像牛顿法一样求导，对计算的要求降低

Newton-Raphson 算法要求每次迭代对两个函数（函数及其导数）进行评估。 如果它们是复杂的表达式，则需要花费大量精力进行手工​​计算或大量 CPU 时间进行机器计算。 因此，希望有一种收敛的方法清除所有液晶显示器tol=0.01; x0=1； x1 = 2; x=-3:0.1:3; y=x.^3-3*x+1; f=@(x)x^3-3*x+1; 情节（x，y） 网格开启z =secant(f,x0,x1,tol); 参考： https : //mat.iitm.ac.in/home/sryedida/public_html/caimna/transcendental/iteration methods/secant/secant.html

二分法、牛顿法、割线法、简易牛顿法、史蒂芬孙迭代法Matlab代码，经过本人调试已经完美运行，大家可以下载直接用，也可以自己增删内容，都是可以的。

secant_method 使用割线法计算单变量函数的根。 句法 root = secant_method(f,x0) root = secant_method(f,x0,TOL) root = secant_method(f,x0,[],imax) root = secant_method(f,x0,TOL,imax) root = secant_method(__,'all') 描述 root = secant_method(f,x0)返回函数的根 由函数句柄f指定，其中x0是根的初始猜测。 默认容差和最大迭代次数分别为TOL = 1e-12和imax = 1e6 。 root = secant_method(f,x0,TOL)返回函数的根 由函数句柄f指定，其中x0是根的初始猜测， TOL是容差。 默认的最大迭代次数为imax = 1e6 。 root