牛顿-拉夫逊法分析算法原理.docxVIP

二、牛顿－拉夫逊法潮流计算 2.1牛顿－拉夫逊法原理 牛顿拉夫逊法是目前求解非线性方程最好的一种方法。这种方法的要点就是把对非线 性方程的求解过程变为反复对相应的线性方程求解的过程，通常称为逐次线性化过程，这是牛顿拉夫逊法的核心。为容易理解牛顿－拉夫逊法的解算方法，这里从一维非线性方程式的解来阐明它的意义和推导过程，而后推广到n维变量的一般情况。 1. 牛顿－拉夫逊法的意义和推导过程 设一维非线性方程为 fx=0 对于它的解x，假设其初始值为x(0)，这和真解之间的误差为?x(0)，如果能找到这样的? x=??(0)x(0)-?x(0) 式中：x——真解； x(0)—— ?x(0)——解的修正 若将?x(0)代入式( fx=f 把fx按泰勒级数在x f 如果选择的初始值x(0)很接近于真解，即误差值?x(0)很小时， 项和更高次项都可以略去不计。因此上式可简化为 fx0-fx 这是对于修正量?x0的线型方程式，又称为 后的简化方程式，因而按修正方程所解出的?x(0)是近似值。从式(2-3 ?x 于是，非线性方程的解为 x 这是一次迭代后的值， 显然是近似解， 但它已向真解逼近了一步。 再以x1作为初始值，代入式(2-3 ?x 进而又可得第二次迭代后的值x2 x 更近于真解。这样继续迭代下去，直至满足?xk≤ε(精度)时 2. 牛顿拉夫逊法的特点 1）牛顿拉夫逊法是迭代法，是逐渐逼近的方法。 2）修正方程是线性化方程，它的线性化过程体现在把非线性方程在x0按泰勒 开，并略去高阶小量。 3）用牛顿-拉夫逊法解题时，其初始值要求严格（较接近真解），否则迭代不收敛。 3.多变量非线性方程的解 设有n维非线性方程式组如下： f1x1,x2 假设各变量的初始值为x1(0)，x2(0)，···，xn(0)，并另?x1(0)，?x2(0)，···，?xn(0)分别为各变量的修正量，对以上n个方程式在初始值[ (2-6) 写成矩阵的形式 (2-7) 这是修正量?x1(0)，?x2(0)，···，?x (2-8) 再将式（4-28) 所得出的第一次迭代结果x1(1)，x2(1) (2-9) 缩写为 (2-10) 式(4-10)中，J称为雅可比矩阵。 同样，式(4-8)对应第K次迭代后也可缩写为 (2-11) 这样反复求解式(4-10)、式(4-11)，就可以使xk+1逐步逼近于真解，直至满足?X(k)≤ε(精度)，即对应的X