一般迭代法及Python实现

Dfreedom.

已于 2023-09-14 09:23:22 修改

阅读量4.3k

点赞数 7

分类专栏：非线性方程求解文章标签：算法一般迭代法非线性方程求解 python

于 2022-10-26 23:32:42 首次发布

本文链接：https://blog.csdn.net/dongke1991/article/details/127514801

版权

非线性方程求解专栏收录该内容

5 篇文章

订阅专栏

本文介绍非线性方程求解的一般迭代法和Steffensen加速收敛方法。阐述了一般迭代法的求解步骤与几何解释，Steffensen法是对其改良。通过案例对比，用Python实现求解方程根，结果显示Steffensen法迭代速度更快，达到相同精度所需迭代次数远少于一般迭代法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

3.1 Steffensen加速收敛方法实现步骤

3.2 Steffensen加速收敛方法的迭代公式

3.3 Steffensen加速收敛方法几何解释

4 案例&Python实现

1 原理

设方程为 $f(x)=0$ ,为求解它的实根，将其改成等价的形式：

$x=\varphi (x)$

也就是说x*是方程 $f(x)=0$ 的一个根，当且仅当 $x*=\varphi (x*)$ 。取方程根的初值x0进行迭代，迭代公式如下：

$x_{n+1}=\varphi (x_n)$

如果通过上述公式得到的序列{ ${x_n}$ }收敛，即 $\lim_{n\rightarrow \infty }x_n=x*$ ，则x*为方程 $f(x)=0$ 的根。由于 $x*=\varphi (x*)$ ，所以常称x*为迭代函数 $\varphi (x*)$ 的一个不动点。

2 一般迭代法求解

2.1 一般迭代法求解步骤

① 构造迭代函数，迭代函数必须是收敛的（可用压缩映像原理判断是否收敛）。迭代函数的选择没有固定的方法，具有一定的经验性，而迭代函数选择是否恰当，对迭代过程的收敛性有很大影响。
② 根据迭代函数得到迭代公式；
③ 确定迭代初值，根据经验确定接近真实解的初值；
④ 确定迭代终止条件。根据精度要求确定迭代停止条件，也就是跳出循环的判断条件。

2.2 一般迭代法的几何解释

以 $\varphi '(x)>0$ ，即迭代函数单调递增为例来描述迭代过程：

以横坐标为 $x_0$ ，在迭代函数 $\varphi (x)$ 上取一点 $(x_0,\varphi(x_0) )$ ;
以纵坐标为 $y_1=\varphi (x_0)$ ，在直线y=x上取一点 $(x_1,y_1)$ ，其中 $x_1=y_1=\varphi (x_0)$ ;
以横坐标为 $x_1$ , 在迭代函数 $\varphi (x)$ 上取一点 $(x_1,\varphi (x_1))$ ;
以纵坐标为 $y_2=\varphi (x_1)$ ，在直线y=x上取一点 $(x_2,y_2)$ ，其中 $x_2=y_2=\varphi (x_1)$ ;
......
如此循环， $x_n$ 逐渐逼近真实解 $x*$ 。

3 Steffensen加速收敛方法介绍

Steffensen加速收敛方法是对一般迭代法的改良，可以提高算法的运行效率。

3.1 Steffensen加速收敛方法实现步骤

Steffensen加速收敛法的实现步骤和一般迭代法一样，只是两者的迭代公式不同而已。

3.2 Steffensen加速收敛方法的迭代公式

Steffensen迭代格式为：

$\left\{\begin{matrix} y_n=\varphi (x_n)\\ z_n=\varphi (y_n) \\ x_{n+1}=x_n-\frac{(y_n-x_n)^2}{z_n-2y_n+x_n} \end{matrix}\right.n=0,1,2......$

这种方式求得的 $x_{n+1}$ 更接近于真实解 $x*$ ，所以可以加快迭代速度。可以证明得到：以Steffensen迭代格式确定的序列{ $x_n$ }最少以平方收敛于 $x*$ 。

3.3 Steffensen加速收敛方法几何解释

迭代过程如下：

$\varphi (x)$ 曲线上点P $(x_n,y_n)$ 为迭代起始点；
在 $\varphi (x)$ 的曲线上取一点Q $(y_n,z_n)$ ，连接PQ两个点；
这两个点的连线和直线y=x的交点R即为 $(x_{n+1},x_{n+1})$ ，这个交点的横坐标更接近于真实解 $x*$ ；
在 $\varphi (x)$ 再取一点 $(x_{n+1},y_{n+1})$ 为迭代起始点
......
如此循环，交点R的横坐标会无限接近于真实解 $x*$ 。

4 案例&Python实现

求解方程 $f(x)=x^3-x-1=0$ 在区间[1,2]的根。

误差要求 $\varepsilon =10^{-9}$ 。

分别采用一般迭代法和Steffensen加速收敛法计算方程的根，并比较两者的迭代速度。

方程可变形为：

$x=\sqrt[3]{x+1}=\varphi (x)$

所以可得迭代函数为：

$\varphi (x)=\sqrt[3]{x+1}$

已知迭代函数就能得到迭代公式。

Python代码如下：

#一般迭代法
import numpy as np
def f(x):
    y=(x+1)**(1/3) #迭代函数
    return y
def main():
    #-----一般迭代法-----#
    x0=1.5 #一般迭代法迭代初始值
    e=10**(-9) #误差要求
    m=0
    while abs((f(x0)-x0))>e: #采用残差来判断
        x1=f(x0) #迭代公式
        x0=x1
        m=m+1 #统计迭代次数
    print(f"x0={x0}")
    print(f"m={m}")
    #-----Steffensen加速收敛法-----#
    x0=1.5  # 迭代初始值
    n=0
    while abs((f(x0)-x0)) > e:  # 采用残差来判断
        y0=f(x0)
        z0=f(y0)
        x1=x0-(y0-x0)**2/(z0-2*y0+x0) #迭代公式
        x0=x1
        n=n+1 #统计迭代次数
    print(f"x0={x0}")
    print(f"n={n}")
if __name__ == '__main__':
   main()

运行结果如下：

x0=1.3247179576199157
m=12
x0=1.3247179574544752
n=2

达到相同的结果精度，一般迭代法需要12次，而Steffensen加速收敛法只需要两次。