方程(组)求解方法在微分观点下的统一.docVIP

方程(组)求解方法在微分观点下的统一 　　【摘 要】本文在对常见的关于方程（组）求解方法分析的基础上，分别从算法形式和几何意义两方面讨论了这些方法的特点及彼此间的区别和联系，并利用导数的概念和几何意义将这些方法统一了起来。 　　【关键词】导数 牛顿迭代法 共轭梯度法 　　【中图分类号】O241.6 【文献标识码】A 【文章编号】1006－9682（2011）01－0021－03 　　 　　一、引 言 　　方程（组）的求解是计算方法中的重要内容，也是当今高性能计算的重要方面。［1］由于方程（组）的特殊性，目前已经发展了许多依赖于导数这一概念的有效方法。［2～4］然而，由于这些方法在形式上具有多样性以及导数在表达方面的特殊性和多样性，让学生在学习的过程中经常感到茫然――即学完这些方法后，对方程（组）的求解显得还是力不从心，理不清楚这些方法之间到底有没有关系，以及如何高效利用这些方法来解决实际问题。 　　在关于求解方程（组）的教学中我们发现，虽然在讲述牛顿法、弦切法、最速下降法、梯度法、双共轭梯度法等方法的基本原理时，学生是能够顺利理解的，但由于这些方法计算形式差异较大，使得很多同学在理解过程中很难将他们统一到同一个概念下来――虽然我们知道这些方法都基于同一个重要的概念――导数。 　　下面本文就从导数的定义出发，利用导数的基本含义来论述常见的牛顿法、弦切法、最速下降法、共轭梯度法、双共轭梯度法等迭代法之间的区别和联系；并试图利用导数的概念将这些方法窜联起来，使老师更容易进行教学，让学生也更容易理解这些方法的精要。 　　为方便叙述，首先引入导数的概念。导数是微积分中的重要概念，其直观含义就是应变量关于自变量的变化率，在一般不太严格的场合可以直接叫变化率。数学中导数定义为：当自变量的增量趋于零时，因变量的增量与自变量的增量之商的极限。其几何意义就是曲线（面）在一点切线（面）的斜率［注1］。 　　二、迭代法 　　1．牛顿迭代法 　　首先回顾求解单个方程的牛顿迭代法。牛顿迭代法又称为牛顿－拉夫逊方法（Newton－Raphson method），它是牛顿在17世纪提出的一种在实数域和复数域上近似求解方程的方法。牛顿迭代法是求方程根的重要方法之一，其最大优点在于在方程f（x）＝0的单根附近具有平方收敛，而且该法还可以用来求方程的重根、复根以及非线性方程的解。另外，由于该方法简单高效，因而广泛用于工程计算中。 　　牛顿迭代法基本思想：牛顿迭代法是借助于对函数f（x）＝0作泰勒展开而构造的一种迭代格式。将f（x）＝0在初始值x0作泰勒展开： 　　f（x）＝f（x0）＋f （x0）（x－x0）＋ （x－x0）2＋…。 　　取展开式的线性部分作为f （x）＝0的近似值，则有： 　　f（x0）＋f （x0）（x－x0）≈0 　　在f （x）≠0的情况下可得下面的迭代函数 ， 　　利用此迭代格式可由一个初始值计算得到一个新的近似值： 　　 （1） 　　在迭代法收敛的情况下，由于x1计算的几何含义为在根的附近用x0处的切线 　　y－f（x0）＝f （x0）（x－x0） 　　代替原曲线求根――此切线与x轴的交点x1，故其近似程度比x0要好；再作f（x）在（x1，f（x1））处的切线，得交点x2，其近似程度又比x1要好。不断将此过程进行下去，则可逐步逼近方程的根x*。于是有如下的牛顿迭代格式： 　　 ，k＝1，2…（2） 　　从上面分析不难看出牛顿迭代法的核心思想：在区域［x0，x0＋h］局部“以直代曲”。当f（x）为线性函数时，函数的切线和函数本身在图形上是重合的，此时切线的根自然也是原方程的根，因此只需一步就可以得到其真实根。利用由导数所决定的线型函数（切线方程）在局部对连续函数逼近的有效性，我们不难看出：若牛顿法是收敛的，则其是一个非常高效的方法。 　　2．牛顿法的改进 　　在实际应用中，常常根据具体情况对牛顿迭代法作适当的修改而得到修正算法。 　　第一，当x*为f（x）的m重根时，取下面迭代格式： 　　 ，k＝1，2… （3） 　　第二，初值选取有困难时，可改用如下迭代格式，以扩大初值选取范围： 　　 ，k＝1，2…（4） 　　其中p称为下山因子，p选取应当满足单调性条件：即xk＋1所对应的函数的绝对值应小于xk所对应的函数的绝对值。这样将下山法与牛顿法结合起来使用的方法，称为牛顿下山法。 　　由于上面这两种方法直接来源于标准的牛顿迭代法（2），他们的思想和原理基本一致，此处不在重述（方法的详细介绍请参见［4～6］）。 　　第三，弦截法。 　　为了避免计算导数，在牛顿迭代格式（2）中：用差商f［xk 　　－L，xk］＝ 代替导数f （xk），并在给定两个初始值x0和x1的条件下，那么