误差增长
有一个初始误差
E
0
E_0
E0,它经过n次操作后有误差
E
n
E_n
En
E
n
≈
C
n
E
0
E_n≈CnE_0
En≈CnE0这是线性误差增长
E
n
≈
C
n
E
0
E_n≈C^nE_0
En≈CnE0这是指数误差增长
收敛速率
lim
h
−
>
0
G
(
h
)
=
0
\lim_{h->0} G(h)=0
limh−>0G(h)=0并且
F
(
h
)
=
L
F(h)=L
F(h)=L,如果有一个常数
K
K
K满足
∣
F
(
h
)
−
L
∣
<
=
K
∣
G
(
h
)
∣
|F(h)-L|<=K|G(h)|
∣F(h)−L∣<=K∣G(h)∣,对于一个极小的h
那么记作
F
(
h
)
=
L
+
O
(
G
(
h
)
)
F(h)=L+O(G(h))
F(h)=L+O(G(h))
二分法求函数近似解
连续函数如果f(a)和f(b)符号相反,他们之间一定有个根是f(x)=0,可以用二分法迭代缩小区间求近似解
简单迭代法
求解
f
(
x
)
=
0
f(x)=0
f(x)=0,可以把方程转换成
x
=
g
(
x
)
x=g(x)
x=g(x)的形式,然后给定一个初始x,代入g(x)更新,反复迭代到g(x)和x差异很小,这个方法收敛与否取决于g(x)的选取
x
3
−
3
x
−
1
=
0
x^3-3x-1=0
x3−3x−1=0可以转成
x
=
3
x
+
1
3
x=\sqrt[3]{3x+1}
x=33x+1,收敛
x
=
1
3
(
x
3
−
1
)
x=\frac{1}{3}(x^3-1)
x=31(x3−1),不收敛
牛顿法求近似解
先随便找个 x 0 x_0 x0, 泰勒展开到一次项,然后解出一个 x 1 x_1 x1作为新的 x 0 x_0 x0,然后反复迭代
f ( x ) = f ( x 0 ) + f ′ ( x 0 ) ( x − x 0 ) f(x)=f(x_0)+f'(x_0)(x-x_0) f(x)=f(x0)+f′(x0)(x−x0)
x 1 = x 0 − f ( x 0 ) f ′ ( x 0 ) x_1=x_0-\frac{f(x_0)}{f'(x_0)} x1=x0−f′(x0)f(x0)
简化牛顿法
x k + 1 = x k − f ( x k ) f ′ ( x 0 ) x_{k+1}=x_k-\frac{f(x_k)}{f'(x_0)} xk+1=xk−f′(x0)f(xk)
割线法和斯蒂芬森法用其他东西近似替代导数