计算方法第六章(迭代法).ppt

第六章 迭代法 第一节 非线性方程求根 （ ） 1、二分法 利用连续函 数的性质进 行对分。 计算框图为： 压缩映射： 集合 A 上的映射 ， A 上两个点 之间的距离记为 ，如映射满足下面条件，称为压缩映射 例：设函数 满足： ，则该函数为压缩映射 2、简单迭代： 对于形如的方程 ，可以通过迭代求解。 定理： 满足下面条件时，为压缩映射： （1）当 时， （2）存在正数 L 1，使得 则方程在区间上有唯一解 ，且解可以用下面迭代得到 例：在区间[1，?）上求解方程 可用迭代法求解，迭代序列 误差估计：第k步迭代计算值与精确值误差为 使用迭代法求解方程值得注意的事项： 1、将要求解的方程化成 的形式。 2、该迭代法第一个条件不易验证。因此，实际使用时，总在根的附近区间内进行迭代计算，以保证每次迭代的值都在迭代区间内。 3、L很小时迭代收敛非常快，但如果L与1很接近，则收敛相当慢。 收敛阶： 定义：设 ，如果存在实数 p 和非零常数 c，使： 则称序列 p 阶收敛，特别，p＝1时，称为线性收敛，p 1 时， 称为超线性收敛，p＝2时称为平方收敛。 p 越大，序列收敛越快。如果是线性收敛，则 0 c 1 加速收敛技术： 1、松弛法 选择适当的常数? （松弛因子），令 例子：求方程 的根 迭代格式： 取? ＝1.15， 计算结果要求准确到小数后8位数字 Aitken加速法（适用于线性收敛情况） 3、插值加速法 由线性插值公式： 斯特芬森迭代（迭代两次后用Aitken加速）： 3. 对于一般的函数方程 f (x) = 0 的求解，解决方案为：构造等价的方程 x =? (x) ，利用迭代法求解。 牛顿迭代法的几何意义： 一个例子： 牛顿迭代法是局部收敛。因此，只有初值选得靠近精确解时，才能保证迭代序列收敛。 定理：设函数 f(x) 在区间[a,b]上二阶导数存在，且： 则牛顿迭代序列收敛于f(x) ＝0 在区间[a,b]上的唯一根。 利用泰勒展开容易证明， 牛顿迭代法具有二阶收 敛性，即平方收敛。收 敛速度快这是牛顿迭代 法的主要优点。 计算步骤（框图）： 设函数方程 f (x) = 0 的根为 ?，将 f (?) 泰勒展开 改进牛顿迭代 或 柯西迭代 设函数 y = f (x) 的反函数为 x = ? (y)， f (x) = 0 的根 为 ? 牛顿迭代法的收敛性： 牛顿迭代法二阶收敛，两种改进牛顿迭代法三阶收敛 简化牛顿法： 目的：避免计算迭代格式中的导数 方法：将牛顿迭代中导数取为某个定点的值，如 ，按如下格式 迭代 几何意义 如图 进一步，取任意常数 c 代替迭代公式中的导数值，迭代公式为 迭代函数为 ，为使迭代序列收敛， c 应满足 这称为简化牛顿法，显然，当 c 与导数同号且满足上面式子时，迭代收敛。 本例中， c 与导数异号，迭代发散 弦割法：用过 两个点的直线的斜率代替函数在点 处函数的导数，进行迭代。 迭代公式： 同样，此法具有局部 收敛性。其收敛是超 线性收敛，收敛阶为 1.618 单点弦割法：用固定点 代替 可以证明，单点法 也是局部收敛的， 且收敛阶为线性收 敛，即 1 阶收敛。 牛顿下山法： 目的是解决初值的选取范围太小这以困难。 构造迭代格式为： 其中的参数满足： 这个方法称为牛顿下山法。其中的参数称为下山因子， 通常取 ，然后逐步减半。 牛顿下山法当 时，只有线性收敛速度，但对初值的选取却放的相当宽。 第二节 线性代数方程组迭代解法 求解代数方程组 方法：将方程组改造为一个等价的方程组 构造迭代格式： 2.1 雅可比迭代与高斯－赛德尔迭代 考虑n阶方程组，设系数阵非奇异，且对角元非零 将方程组变形为： 任意取一组初值