方程求根
- 代数方程:$f(x)=\sum_{i=0}^n a_{n-i}x^{i}$
- 非线性方程
- 搜索法求有根区间
- 二分法
不动点迭代法
- 不动点迭代法:求 $f(x)=0$ 转换为求 $ x=\varphi(x)$ 的不动点
- 迭代法:$x_{k+1}=\varphi(x_k)$
- 收敛:$\lim_{k\rightarrow\infty} x_k$ 存在
- 定理:$\varphi(x)\in C[a,b]$ 满足以下条件则在 $[a,b]$ 上存在唯一的不动点
- $\forall x\in[a,b],a\leq \varphi(x)\leq b$
- $\exists L\in (0,1),\forall x,y\in C[a,b],|\varphi(x)-\varphi(y)|\leq L|x-y|$ (或 $|\varphi’(x)|\leq L<1$)
- 收敛充分条件:满足以上条件的函数,$\forall x_0\in[a,b]$,由 $x_{k+1}=\varphi(x_k)$ 得到的迭代序列 ${x_k}$ 收敛到不动点,且 $|x_k-x^*|\leq\frac{L^k}{1-L}|x_1-x_0|$
- 迭代误差 $\epsilon_k=x_k-x^*$
- $p$ 阶收敛:$\frac{\epsilon_{k+1}}{\epsilon_k^p}\rightarrow C\neq 0$
- 若 $x_{k+1}=\varphi(x_k),\varphi^{(p)}(x)$ 在 $x^$ 附件连续,且 $\varphi’(x^)=\varphi’’(x^)=\cdots=\varphi^{(p-1)}(x^)=0,\varphi^{(p)}(x^)\neq 0$,则迭代过程在 $x^$ 附件 $p$ 阶收敛
- 局部收敛
- 全局收敛
牛顿法
- 基本思想:将非线性方程逐步线性化形成迭代公式
- 取 $x_0\approx x^*$,$f(x)$ 在 $x_0$ 处做一阶 Taylor 展开:$f(x)=f(x_0)+f’(x_0)(x-x_0)+\frac{f’’(\xi)}{2}(x-x_0)^2$
- $x^*\approx x_0-\frac{f(x_0)}{f’(x_0)}$
- 牛顿法:$x_{k+1}=x_k-\frac{f(x_k)}{f’(x_k)}$
- 牛顿法收敛的充分条件:若 $f\in C^2[a,b]$
- $f(a)f(b)<0$
- $[a,b]$ 上 $f’’$ 不变号且 $f’(x)\neq 0$
- $\forall x_0\in[a,b],f(x_0)f’’(x_0)>0$
- 局部收敛性:$f\in C^2[a,b],x^$ 为 $f(x)$ 在 $[a,b]$ 上的根且 $f’(x)\neq 0$,则存在 $x^$ 的邻域,使任意邻域上的初值产生的序列收敛到 $x^$,且 $\lim_{k\rightarrow\infty}\frac{x^-x_{k+1}}{(x^-x_k)^2}=-\frac{f’’(x^)}{2f’(x^*)}$
- 割线法:$x_{k+1}=x_k-\frac{f(x_k)(x_k-x_{k_1})}{f(x_k)-f(x_{k-1})}$
- 下山法:若 $x_{k+1}$ 处的值不比原有的小,则在 $(x_k,x_{k+1})$ 间找一个更好的点使值变小:$\overline{x_{k+1}}=x_k-\lambda\frac{f(x_k)}{f’(x_k)}$
- 特殊情况
- 重根:线性收敛
- $f’(x^*)\neq 0$ 至少平方收敛
迭代过程加速方法
- 埃特金加速收敛方法(Aitken):$x_{k+1}=x_k-\frac{(\tilde{x}{k+1}-x_k)^2}{\overline{x}{k+1}-2\tilde{x}_{k+1}+x_k}$
- 超线性收敛:$\lim_{k\rightarrow\infty}\frac{|e_{k+1}|}{|e_k|}=0$