cxj数值分析 第6章 非线性方程求根.pptVIP

6.6 解非线性方程组的牛顿迭代法 　　考察方程组 　　其中f1,?,fn均为(x1,?,xn)的多元函数. 若用向量记号记x=(x1,?,xn)T∈Rn, F=(f1,?,fn)T, (6.1)就可写成 F(x)=0. (6.2) 当n≥2，且 f1,?,fn 中至少有一个是自变量 x1,?,xn 的非线性函数，则称方程组(6.1)为非线性方程组. 非线性方程组求根问题是前面介绍的方程(即n=2)求根的直接推广，实际上只要把前面介绍的单变量函数f(x)看成向量函数F(x) ，则可得向量方程(6.2)的一个近似根x(k)=(x1(k),?,xn(k))T，将函数F(x)的分量fi(x)(i=1,?,n)在x(k)用多元函数泰勒展开，并取其线性部分，则可表示为. 令上式右端为零，得到线性方程组 其中 称为F(x)的雅可比(Jacobi)矩阵. 求解线性方程组(6.3)，并记解为x(k+1)，则得 这就是解非线性方程组(6.2)的牛顿迭代法. 　　例12 求解方程组 给定初值x(0)=(1.5, 1.0)T，用牛顿法求解. 　　解 先求Jacobi矩阵 用牛顿法(6.5)得 即 由x(0)=(1.5, 1.0)T逐次迭代得到 x(3)的每一位都是有效数字. 本章评注见书p289. 6.4 牛 顿 法 6.4.1 牛顿法及其收敛性 对于方程f(x)=0，如果f(x)是线性函数，则它的求根是容易的. 牛顿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x0，且在 x0附近f(x)可用一阶泰勒多项式近似，表示为 当f?(x0)≠0时，方程f(x)=0可用线性方程(切线) 近似代替，即 f(x0)+f?(x0)(x-x0)=0.　　　　 (4.1) 解此线性方程得 得迭代公式 此式称为牛顿(Newton)迭代公式. (4.2) (4.2) (#) (#) 牛顿迭代法的收敛性 设x*是f(x)的一个单根，即f(x*)=0，f?(x*)≠0, 一般有f?? (x*)≠0 　　牛顿迭代法的迭代函数为 根据迭代过程p阶收敛的定义知，Newton迭代法在根x*的邻近是平方收敛的。 　　由此得到，当x*为单根时，牛顿迭代法在根x*的邻近至少是二阶(平方)收敛的. 　　关于x*为重根时，牛顿迭代法在根x*的邻近的收敛性在后面讨论. 　　定理(局部收敛性) 设f?C2[a, b], 若x*为f(x)在[a, b]上的根，且f?(x*)?0，则存在x*的邻域U, 使得任取初值x0?U，牛顿法产生的序列{xk}收敛到x*，且满足 　　即有下面的局部收敛性定理. 　 解 将原方程化为x–e–x= 0，则 牛顿迭代公式为 取 x0=0.5，迭代得 x1=0.566311, x2=0.5671431, x3=0.5671433. 　　　 f(x)=x–e–x， f?(x)=1+e–x， 例7 用牛顿迭代法求方程x=e–x在x=0.5附近的根. 6.4.2 牛顿法应用举例 　　对于给定的正数C，应用牛顿法解二次方程 　我们现在证明，这种迭代公式对于任意初值x00都是收敛的. 可导出求开方值　 的计算程序 　对(4.5)式施行配方整理，易知 以上两式相除得 据此反复递推有 记 整理(4.6)式， 　　对任意初值x00，总有|q|1，故由上式推知，当k→∞时 ，即迭代过程恒收敛. 6.4.3 简化牛顿法与牛顿下山法 　　牛顿法的优点是收敛快，缺点①每步迭代要计算f(xk)及f?(xk)，计算量较大，且有时f?(xk)计算较困难；②初始近似值x0只在根x*附近才能保证收敛，如x0给的不合适可能不收敛. 为克服这两个缺点，通常可用下述方法. 　　(1) 简化牛顿法，也称平行弦法，其迭代公式为 迭代函数为 ?(x)=x-Cf(x). 　　若|??(xk)|=|1-Cf?(x)|1，即取0Cf?(x)2. 在根x*附近成立，则迭代法(4.7)局部收敛. 　　在(4.7)中取C=1/f?(x0)，则称为简化牛顿法，这类方法计算量省，但只有线性收敛，其几何意义是用平行弦与x轴交点作为x*的近似，见下图. y=f(x) x0 x1 x2 x* 　　(2) 牛顿下山法, 牛顿法收敛性依赖初值x0的选取, 如果x0偏离所求根x*较远, 则牛顿法可能发散. 注：Newton’s Me