非线性方程的法解22.docVIP

§2.6 非线性方程组的简单迭代法 非线性方程组的简单迭代法与一元非线性方程 的迭代法有相似之处。 为简单起见，以二元方程组为例。 已知二元非线性方程组： (2-17) 将式(2-17)改写为 (2-18) 式(2-18)可以简记为 (2-19) 其中： 将(2-19)写成迭代格式： (2-20) 在求解区间内任取初值，按式(2-20)迭代，如果 迭代序列最终收敛到，满足， 则即为原方程的解。而如果迭代序列不收敛， 则不能说明原方程无解，仅说明该迭代法失败。 在给出收敛性定理之前，首先定义 雅可比(Jacobi)矩阵： 简记： (2-21) 定理2-2：设是的解，在 内连续可微，且 ，则对任何在R中的初始向量， 迭代产生的序列都收敛于， 且有误差估计： (2-22) 定理2-2可以看作是定理2-1对于非线性方程组 的推广。 [例题2-4] 用简单迭代法求如下方程组的根。 解：改写原方程组为 容易验证：当时，。 实际上，当时，有 ， 根据、表达式，就有 ， 即，以后各次迭代均在此区域内。 再考察雅可比矩阵： 按上面确定的取值区间，计算该矩阵的行和范数： 根据定理2-2，取初值、，则迭代 收敛，计算结果如下： §2.7 非线性方程组的牛顿法 解非线性方程组的牛顿法，属于线性化的方法， 它是将非线性方程组以一线性方程组来近似，由此 构造一种迭代格式，用以逐次逼近最终的解。 考虑如下非线性方程组 (2-23) 设已知式(2-23)解的一组近似值，在 此近似值附近将非线性函数、做级数展开， 仅保留线性项： (2-24) 令： ， (2-25) 将式(2-24)、(2-25)代入到式(2-23)，得到一个关于 、的线性方程组 (2-26) 如果式(2-26)的系数行列式不等于零，即 (2-27) 那么，就可从式(2-26)解线性方程组求得、， 再由式(2-25)得到原非线性方程组的一组新近似值： (2-28) 以代替，重复以上过程，直至满足 条件： (2-29) 为止。最后得到的近似值即为所求解。这里的是 给定的允许误差。 可以证明，在式(2-27)条件下，当初值充分接 近原方程的解时，牛顿迭代过程收敛速度很快。但 如果初值不好，很有可能发散。 §2.8 非线性方程组的最速下降法 最速下降法属于求函数极小值的方法，它是由 已知非线性函数构造一个模函数，然后求出模函数 的极小值点，而此极小值点就是非线性方程组的一 组解。 一、计算方法 设已知非线性方程组 (2-30) 构造模函数 (2-31) 显然，方程组(2-30)的解是模函数的零极小 值点，反之亦然。因此，可以通过求的零 极小值点来得到方程组(2-30)的解。 模函数在几何上是一个空间曲面，它 与平面相切的点即是它的零极小值点。 见图2-8(a)。 图2-8 最速下降法 如果从求解区间内的某点出发，沿着 使值下降的方向行进，一直降到它的零极小值点， 那么就可以得到所求问题的解。 在一点处等高线的法向是函数的梯度方向 (2-32) 是使值上升最快的方向，因此其反方向就是 下降最快的方向。最速下降法就是沿着这样的方 向来逐步下降值从而求解的，因此得名。 具体做法如下：设是解的一个近似值， 计算在此点的梯度 (2-33) 其中 角标“0”表示括号内的函数在点取值。 从点出发，沿该点负梯度方向 跨出一适当步长，得到一组新的近似值 (2-34) 参数用来调整步长，其值应使新点是 在此方向上的相对极小值点，即 (2-35) 为了求得恰当的值，将在 附近作级数展开，并略去及高次项，得到的 近似式 (2-36) 为使取极小，令 (2-37) 由此解得 (2-38) 将值代入到式(2