牛顿迭代法

"牛顿迭代法" 牛顿迭代法，也称为牛顿-拉夫森（Newton-Raphson）迭代法，是数值分析中最重要的方法之一。它不仅适用于方程或方程组的求解，还常用于微分方程和积分方程的求解。 牛顿迭代法的基本思想是将非线性方程逐步归结为某种线性方程来求解。迭代格式的来源可以有多种方式，例如： 1. 设 $x_0 \in [a, b]$ 对于 $f(x)$ 在点 $x_0$ 作泰勒展开： $$f(x) = f(x_0) + f'(x_0)(x-x_0) + \frac{f''(x_0)}{2!}(x-x_0)^2 + \cdots$$ 略去二次项，得到 $f(x)$ 的线性近似式： $$f(x) \approx f(x_0) + f'(x_0)(x-x_0)$$ 由此得到方程 $f(x) = 0$ 的近似根（假定 $f'(x_0) \neq 0$）： $$x = x_0 - \frac{f(x_0)}{f'(x_0)}$$ 即可构造出迭代格式（假定 $f'(x_0) \neq 0$）： $$x_{k+1} = x_k - \frac{f(x_k)}{f'(x_k)}$$ 这就是牛顿迭代公式，若得到的序列 $\{x_k\}$ 收敛于 $\alpha$，则 $\alpha$ 就是非线性方程的根。 牛顿迭代法也称为牛顿切线法，这是由于 $f(x)$ 的线性化近似函数 $f(x) \approx f(x_0) + f'(x_0)(x-x_0)$ 是曲线 $y = f(x)$ 过点 $(x_0, f(x_0))$ 的切线，而牛顿迭代法就是求 $f(x)$ 的零点代之以求 $f'(x_0)$ 的零点，即切线 $f'(x_0)$ 与 $x$ 轴的交点的横坐标。 为了保证迭代法收敛，不管非线性方程 $f(x) = 0$ 的形式如何，总可以构造： $$x_{k+1} = x_k - \frac{f(x_k)}{f'(x_k)}$$ 作为方程求解的迭代函数。因为： $$f(x) = f(x_k) + f'(x_k)(x-x_k) + \cdots$$ 而且 $f'(x)$ 在根 $\alpha$ 附近越小，其局部收敛速度越快，故可令： $$\alpha = x_k - \frac{f(x_k)}{f'(x_k)}$$ 若 $\alpha$ 不是 $f(x) = 0$ 的重根，则由 $\alpha = x_k - \frac{f(x_k)}{f'(x_k)}$ 得： $$f'(\alpha) = \frac{f'(x_k)}{1 - \frac{f(x_k)}{f'(x_k)}}$$ 因此可令： $$x_{k+1} = x_k - \frac{f(x_k)}{f'(x_k)}$$ 则也可以得出迭代公式： $$x_{k+1} = x_k - \frac{f(x_k)}{f'(x_k)}$$ 牛顿迭代法实质上是一种线性化方法，其基本思想是将非线性方程逐步归结为某种线性方程来求解。牛顿迭代法具有较高的收敛速度，它的收敛阶数为 $p = 2$；而牛顿迭代法的局部收敛性较强，只有初值充分地接近 $\alpha$，才能确保迭代序列的收敛性。 为了放宽对局部收敛性的限制，必须再增加条件建立以下收敛的充分条件： 定理 3.4.1 设 $f(x)$ 在区间 $[a, b]$ 上连续可微，且 $f'(x)$ 在区间 $[a, b]$ 上连续，则存在 $x^*$ 的邻域 $U(x^*)$，对任何迭代初值 $x_0 \in U(x^*)$，迭代序列 $\{x_k\}$ 收敛于 $x^*$。 定理 3.4.2 设 $f(x)$ 在区间 $[a, b]$ 上连续可微，且 $f'(x)$ 在区间 $[a, b]$ 上连续，且满足： ⑴ $f(b) \cdot f(a) < 0$； ⑵ $f'(x) \neq 0$ 在区间 $[a, b]$ 上； ⑶ $f''(x)$ 在区间 $[a, b]$ 上连续。 则牛顿迭代法的收敛性成立。 牛顿迭代法是一种简单、快速、可靠的非线性方程求解方法，它广泛应用于数值分析、科学计算、工程计算等领域。