题目:
1. 二分法迭代数列的误差限是如何估计的?
设
x
∗
x^{*}
x∗是方程f(x)=0的准确解,
x
k
x_k
xk是二分法产生的第k次迭代的近似解,
[a,b]是二分法开始时的隔根区间,则有
∣
x
k
−
x
∗
∣
≤
b
−
a
2
n
+
1
\left|x_{k}-x^{*}\right| \leq \frac{b-a}{2^{n+1}}
∣xk−x∗∣≤2n+1b−a
2. 二分法区间序列[an,bn]中,两相邻区间中点距离为多少?
∣ x n − x n − 1 ∣ = ∣ 1 2 ( a n + b n ) − 1 2 ( a n − 1 + b n − 1 ) ∣ \left|x_{n}-x_{n-1}\right|=\left|\frac{1}{2}\left(a_{n}+b_{n}\right)-\frac{1}{2}\left(a_{n-1}+b_{n-1}\right)\right| ∣xn−xn−1∣=∣∣∣∣21(an+bn)−21(an−1+bn−1)∣∣∣∣
3. 写出方程 e − x − sin x = 0 e^{-x}-\sin x=0 e−x−sinx=0正根的隔根区间。
令 f ( x ) = e − x − sin x f ( 0 ) = 1 > 0 f ( 1 ) = 1 e − sin 1 < 0 ⇒ f ( 0 ) ⋅ f ( 1 ) < 0 f ′ ( x ) = − e − x − cos x < 0 , 0 < x < 1 所以函数在 [0, 1]有唯一零点,故 [ 0 , 1 ] 是隔根区间 \begin{aligned} &\begin{aligned} \text { 令 } f(x)=e^{-x}-\sin x \quad f(0)=1>0 \\ f(1)=\frac{1}{e}-\sin 1<0 \Rightarrow f(0) \cdot f(1)<0 \\ f^{\prime}(x)=-e^{-x}-\cos x<0,0<x<1 \end{aligned}\\ &\text { 所以函数在 [0, 1]有唯一零点,故 }[0,1] \text { 是隔根区间 } \end{aligned} 令 f(x)=e−x−sinxf(0)=1>0f(1)=e1−sin1<0⇒f(0)⋅f(1)<0f′(x)=−e−x−cosx<0,0<x<1 所以函数在 [0, 1]有唯一零点,故 [0,1] 是隔根区间
4. 何谓不动点迭代?不动点与方程的根有何区别?
- 设方程
f
(
x
)
=
0
\mathrm{f}(\mathrm{x})=0
f(x)=0 可以转化为等价的形式
x
=
g
(
x
)
\mathrm{x}=\mathrm{g}(\mathrm{x})
x=g(x), 从某个初值
x
0
x_{0}
x0 出发。
令 x k + 1 = g ( x k ) , k = 0 , 1 , 2 , 3 , … ( ∗ ) x_{k+1}=g\left(x_{k}\right), k=0,1,2,3, \ldots \quad(*) xk+1=g(xk),k=0,1,2,3,…(∗)
得到序列 { x k } \left\{x_{k}\right\} {xk}, 当 g ( x ) \mathrm{g}(\mathrm{x}) g(x) 连续,且 { x k } \left\{x_{k}\right\} {xk} 收敛于 α \alpha α 时有,
lim k → ∞ x k + 1 = lim k → ∞ g ( x k ) = g ( lim k → ∞ x k ) \lim _{k \rightarrow \infty} x_{k+1}=\lim _{k \rightarrow \infty} g\left(x_{k}\right)=\mathrm{g}\left(\lim _{k \rightarrow \infty} x_{k}\right) limk→∞xk+1=limk→∞g(xk)=g(limk→∞xk), 即有 α = g ( α ) \alpha=g(\alpha) α=g(α), 所以 α \alpha α 是方程 f ( x ) = 0 \mathrm{f}(\mathrm{x})=0 f(x)=0 的根,称上述函数 g ( x ) \mathrm{g}(\mathrm{x}) g(x) 为迭代函数,称 α \alpha α 是它的一个不动点,构造迭代公式 ( ∗ ) (*) (∗) 的方法称为不动点迭代法。 - 方程的根是孤立的,彼此没有联系,而不动点之间可以迭代产生,彼此
有联系。
5. 不动点迭代收敛速度的阶是什么意思?
设
lim
n
→
∞
x
n
=
x
∗
\lim _{n \rightarrow \infty} x_{n}=x^{*}
limn→∞xn=x∗, 若存在
a
>
0
,
r
>
0
\mathrm{a}>0, \mathrm{r}>0
a>0,r>0 使得
lim
n
→
∞
∣
x
n
+
1
−
x
∗
∣
∣
x
n
−
x
∗
∣
r
=
a
\lim _{n \rightarrow \infty} \frac{\left|x_{n+1}-x^{*}\right|}{\left|x_{n}-x^{*}\right|^{r}}=a
limn→∞∣xn−x∗∣r∣xn+1−x∗∣=a, 则称数列
{
x
n
}
r
\{\mathrm{xn}\} \mathrm{r}
{xn}r阶收敛
特别地 :
(1)收敛阶
r
=
1
r=1
r=1 时, 称为线性收敛;
(2) 收敛阶
r
>
1
r>1
r>1 时, 称为超收敛;
(3) 收敛阶
r
=
2
r=2
r=2 时, 称为平方收敛;
收敛阶数越高, 收敛速度越快
6.牛顿迭代法的2阶收敛速度如何解释?
设
f
(
x
)
\mathrm{f}(\mathrm{x})
f(x) 在点
x
\mathrm{x}
x *的某邻域内具有二阶连续导数, 且设
f
(
x
∗
)
=
0
\mathrm{f}(\mathrm{x} *)=0
f(x∗)=0,
f
′
(
x
∗
)
≠
0
f^{\prime}\left(x^{*}\right) \neq 0
f′(x∗)=0, 则对充分靠近点
x
∗
x^{*}
x∗ 的初值
x
0
x 0
x0, 牛顿迭代法至少平方收敛
x
n
+
1
=
x
n
−
f
(
x
n
)
f
′
(
x
n
)
x_{n+1}=x_{n}-\frac{f\left(x_{n}\right)}{f^{\prime}\left(x_{n}\right)}
xn+1=xn−f′(xn)f(xn)
φ
(
x
)
=
x
n
−
f
(
x
n
)
f
′
(
x
n
)
φ
′
(
x
)
=
f
(
x
∗
)
f
′
′
(
x
∗
)
[
f
′
(
x
)
]
2
=
0
\varphi(x)=x_{n}-\frac{f\left(x_{n}\right)}{f^{\prime}\left(x_{n}\right)} \quad \varphi^{\prime}(x)=\frac{f\left(x^{*}\right) f^{\prime \prime}\left(x^{*}\right)}{\left[f^{\prime}(x)\right]^{2}}=0
φ(x)=xn−f′(xn)f(xn)φ′(x)=[f′(x)]2f(x∗)f′′(x∗)=0
φ
′
′
(
x
∗
)
=
f
′
′
(
x
∗
)
f
′
(
x
∗
)
\varphi^{\prime \prime}\left(x^{*}\right)=\frac{f^{\prime \prime}\left(x^{*}\right)}{f^{\prime}\left(x^{*}\right)}
φ′′(x∗)=f′(x∗)f′′(x∗)
所以,牛顿迭代法至少二阶收敛。
7. 牛顿迭代法和割线法有何区别?
牛顿迭代法是单步迭代,产生一个数列逐次逼近位于初值附近的方程的根,每一次迭代要涉及到一个函数值和一个导数值的计算,它的几何背景是用曲线上的某一点处的切线与X轴交点的坐标值产生下一个根的近似值。牛顿迭代法收敛速度快,具有二阶收敛速度( 一种直观解释是迭代一次,有效数位数增加一倍),但它是一种局部收敛的方法。理论基础是如下的泰勒中值定理
f
(
x
)
=
f
(
x
n
)
+
(
x
−
x
n
)
f
′
(
x
n
)
+
1
2
(
x
−
x
n
)
2
f
′
′
(
ξ
n
)
\mathrm{f}(\mathrm{x})=\mathrm{f}(\mathrm{xn})+(\mathrm{x}-\mathrm{xn}) f^{\prime}(x n)+\frac{1}{2}(x-x n)^{2} f^{\prime \prime}(\xi n)
f(x)=f(xn)+(x−xn)f′(xn)+21(x−xn)2f′′(ξn)
割线法不是单点迭代,在每一次迭代中要用前两个根的近似值计算产生第三个近似根。迭代过程中不用计算函数的导数,只需计算函数值。它的几何背景是用曲线上两个不同点联结的割线与X轴交点的坐标值产生新的根的近似值,也是一种局部收敛方法,收敛速度不如牛顿迭代法快,具有1.618阶的收敛速度(
p
2
−
p
−
1
=
0
p^{2}-\mathrm{p}-1=0
p2−p−1=0的正根),理论基础是如下的牛顿插值公式
f
(
x
)
=
f
(
x
n
)
+
(
x
−
x
n
)
f
[
x
n
,
x
n
−
1
]
+
f
′
′
(
ξ
n
)
2
(
x
−
x
n
)
(
x
−
x
n
−
1
)
\mathrm{f}(\mathrm{x})=\mathrm{f}(\mathrm{xn})+(\mathrm{x}-\mathrm{xn}) f\left[x n, x_{n-1}\right]+\frac{f^{\prime \prime}(\xi n)}{2}(x-x n)\left(x-x_{n-1}\right)
f(x)=f(xn)+(x−xn)f[xn,xn−1]+2f′′(ξn)(x−xn)(x−xn−1)
8. 叙述水中浮球问题,并写出数学模型。
水中浮球问题可以看做一个木质球体漂浮在水中,假设木质球体半径R =10 cm,密度 ρ=0.638. 求浸入水中的深度d 是多少?
V
=
∫
0
d
π
(
R
2
−
(
R
−
x
)
2
)
d
x
=
1
3
π
d
2
(
3
R
−
d
)
\mathrm{V}=\int_{0}^{d} \pi\left(R^{2}-(R-x)^{2}\right) \mathrm{dx}=\frac{1}{3} \pi d^{2}(3 R-d)
V=∫0dπ(R2−(R−x)2)dx=31πd2(3R−d)
根据阿基米德原理——浮力大小等于排开水的重量
4
3
π
R
3
ρ
=
1
3
π
d
2
(
3
R
−
d
)
d
3
−
3
R
d
2
+
4
R
3
ρ
=
0
\frac{4}{3} \pi R^{3} \rho=\frac{1}{3} \pi d^{2}(3 R-d) \quad d^{3}-3 R d^{2}+4 R^{3} \rho=0
34πR3ρ=31πd2(3R−d)d3−3Rd2+4R3ρ=0
代入d和ρ即可求得d