chapter2
非线性方程求根
2.1引言
线性方程是方程式中仅包含未知量的一次方项和常数项的方程,除此之外的方程都是非线性方程(nonlinear equation)。
定义:对光滑函数
f
,若
2.2二分法
二分法的思想很简单,就是每次将有根区间一分为二,得到长度逐次减半的区间序列
算法:二分法
输入:a,b,函数 f(x) ;输出:x。
While (b-a)> ε do
x:=a+(b-a)/2;
If sign(f(x))=sign(f(a)) then
a:=x;
Else
b:=x;
End
End
x:=a+(b-a)/2.
假设二分法得到的有根区间序列为 {(ak,bk),k=0,1,⋯} ,若取解 xk=(ak+bk)/2 ,则误差
|xk−x∗|<(bk−ak)/2=(b0−a0)/2k+1,k=0,1,2,⋯.
二分法求解方程 f(x)=x2−2=0 :
%%二分法求解f(x)=x^2-2=0
M=2;a=1;b=2;k=0;
while b-a>eps %%MATLAB中的eps为两倍的机器精度
x=a+(b-a)/2;
if x^2>M
b=x
else
a=x
end
k=k+1;
end
该程序执行了52次便结束了,最终区间的两个端点已经是两个相邻的浮点数。
- 二分法是求解单变量方程 f(x)=0 的实根的一种可靠算法,一定能收敛
- 二分法解的误差不一定随迭代次数的增加一直减小,在实际的有限精度算术体系中,误差限存在最小值
- 二分法的缺点是又是不容易确定合适的初始有根区间(含两个初始值)、收敛较慢,且无法求解偶数重的根。因此,实际应用中常将二分法与其他方法结合起来。
2.3不动点迭代法
基本原理
通过某种变换,可将非线性方程 f(x)=0 改写为 x=φ(x) ,其中 φ(x) 为连续函数,给定初始值 x0 后,可构造迭代计算公式 xk+1=φ(xk),(k=0,1,⋯) ,从而得到近似解序列 {xk} 。
由于解 x∗ 满足 x∗=φ(x∗) ,称它为函数 φ(x) 的不动点(fixed point),此方法为求解非线性方程的不动点迭代法(fixed-point iterative method)。
算法:基于函数 φ(x) 的不动点迭代法
输入: x0 ,函数 f(x) , φ(x) ;输出:x
k:=0;
While |f(xk)|>ε1 或 |xk−xk−1|>ε2 do
xk+1 := φ(xk) ;
k:=k+1;
End
x=:xk .
全局收敛的充分条件
设 φ(x)∈C[a,b] ,若满足如下两个条件:
对任意 x∈[a,b] ,有 a≤φ(x)≤b ,
存在正常数 L∈(0,1) ,使对任意 x1,x2∈[a,b] ,
|φ(x1)−φ(x2)|≤L|x1−x2|
则 φ(x) 在 [a,b] 上存在不动点,且不动点唯一。
定理:设
φ(x)∈C[a,b]
满足以上两个条件,则对于任意初值
x0∈[a,b]
,由不动点迭代法得到的序列
{xk}
收敛到
φ(x)
的不动点
x∗
,并有误差估计:
定理:对于不动点迭代法 xk+1=φ(xk) ,若在所求根 x∗ 的邻域上函数 φ(x) 的 p 阶导数连续,
%%不动点迭代法求解f(x)=x^4-x-2=0,x_0=1.5
clear
clc
k=0;xk=1.5;
while abs(xk^4-xk-2)>10*eps
xk=(xk+2)^(1/4);
k=k+1;
end
x=xk;
x = 1.353209964199325
k =15
2.4牛顿迭代法
方法原理
设
r
是
算法:解单个非线性方程的牛顿迭代法
输入: x0 ,函数 f(x) ;输出: x
k:=0;
While
|f(xk)|>ε1 或 |xk−xk−1|>ε2 do xk+1:=xk−f(xk)f′(xk) ;
k:=k+1 ;
End
x:=xk .
牛顿法也是一种不动点迭代法,相应的公式中的函数 φ(x)=x−f(x)f′(x) 。
定理
设 x∗ 是方程 f(x)=0 的单根,且 f(x) 在 x∗ 附近有连续的2阶导数,则牛顿法产生的解序列至少是局部2阶收敛的。
%%牛顿迭代法求解f(x)=x^4-x-2=0,x_0=1.5
k=0;xk=1.5;
while abs(xk^4-xk-2)>5*eps
xk=(3*xk^4+2)/(4*xk^3-1)
k=k+1;
end
x=xk;
k =5
x = 1.353209964199325
判停准则
迭代过程的判停准则一般有两个:
- 残差判据,即要求 |f(xk)|≤ε1 ,其中 ε1 为某个阈值
- 误差判据,即要求 |xk+1−xk|≤ε2 ,其中 ε2 为某个阈值。
在实际应用时往往要将这两种判据组合起来使用,有时也需要根据问题的特点和经验额外设置条件。
牛顿法的不足
- 无法保证全局收敛性,也就是说,如果初始解 x0 不在局部收敛的范围内,迭代过程可能发散
- 对函数的连续性要求较高,需要 f(x) 在 x∗ 附近有连续的2阶导数
- 每步迭代都要计算1阶导数,其计算量可能较大
2.5割线法和抛物线法
割线法
平行弦法: xk+1=xk−f(xk)f′(x0) 。
缺点是收敛较差。
割线法:割线法的基本思路是用差商来近似导数,从而避免复杂的导数计算,利用相邻两次迭代的函数值做差商,得 f′(xk)≈f(xk)−f(xk−1)xk−xk−1
解单个非线性方程的割线法
输入: x0 , x1 ,函数 f(x) ;输出:x
k:=1 ;
While |f(xk)|>ε1 或 |xk−xk−1|>ε2 do
xk+1:=xk−f(xk)f(xk)−f(xk−1)(xk−xk−1) ;
k=k+1;
End
x:=xk .
抛物线法
实用的方程求根技术
阻尼牛顿法
当初始值 x0 偏离准确解 x∗ 较远时,牛顿法可能发散。为了防止这种情况,在得到牛顿法的下一步解后,可引入一个阻尼因子缩小解的该变量。然后通过单调性要求
|f(xk+1)|<|f(xk)|,k=0,1,2,⋯
判断新的解是否可接受。设阻尼因子为 λ1 ,则迭代新解为
xk+1=xk−λ1f(xk)f′(xk)
这个方法称为 阻尼牛顿法
算法:阻尼牛顿法
输入: x0 ,函数 f(x) ;输出: x
k:=0 ;While |f(xk)|>δ1 或 |xk−xk−1|>δ2 do
s:=f(xk)f′(xk) ;
xk+1:=xk−s ;
i:=0 ;
While |f(xk+1)|≥|f(xk)| do
xk+1:=xk−λis ;
i:=i+1 ;
End
k:=k+1 ;
End
x:=xk
算法使用了一个阻尼因子序列 {λi} ,其中每个值都在 (0,1) 之间,并按照递减顺序排列。当迭代解充分靠近准确解时,则不需要阻尼因子的调节。
通用求根算法zeroin
zeroin算法由Richard Brent 发表于1973年。该算法将二分法的稳定性和抛物线法、割线法的快速收敛性结合,是一种稳定、高效的通用求根算法。
zeroin算法一般用变量
b
表示当前迭代步的近似解,变量
- 选取初始值
a 和 b ,使得f(a) 和 f(b) 的正负号正好相反;- 将
a
的值赋给
c - 重复下面的步骤,直到
|f(b)|≤ε1
或
|a−b|≤ε2|b|
,
ε1、ε2
为误差控制阈值
- 若
f(b)
的正负号与
f(a)
的相同,将
c
赋值给
a ; - 若
|f(a)|<|f(b)|
,则将
b
的值赋给
c ,然后对调 a、b 的值; - 如果 c≠a ,利用 a、b、c 以及他们的函数作逆二次插值法的一次迭代,否则执行割线法中的一步
- 如果执行一步逆二次插值法或割线法得到的近似解“比较满意”,将他赋值给
b
,否则执行一步二分法得到
b ,然后将上一步的 b 赋值给c .
- 若
f(b)
的正负号与
f(a)
的相同,将
c
赋值给
zeroin 算法将方程的根困在不断缩小的区间中,很稳定,也兼顾了割线法、逆二次插值法收敛快的特点。它的主要优点如下:
- 本身不要求函数 f(x) 具有光滑性
- 不需要计算导数 f′(xk) ,只需要有办法算出任一 xk 对应的 f(xk)
- 初始解只是包含准确解的区间,不需要和准确解很接近
- 算法简单、稳定,每步迭代都使有根区间缩小
附上实现zeroin算法的MATLAB代码
- 将
a
的值赋给