本站所有资源均为高质量资源,各种姿势下载。
一、 牛顿-拉夫逊法概要
首先,让我们简要介绍一般的牛顿-拉夫逊法。假设我们有一个变量X的函数(4-6),如何找到这个函数的解?我们可以从适当的近似值X(0)出发,根据(4-7)反复计算,直到X(n)满足适当的收敛条件,此时X(n)即为(4-6)式的根。这种方法被称为牛顿-拉夫逊法。
式(4-7)的含义是,取第n个近似解X(n)在曲线上的点处的切线与X轴的交点作为下一次X(n+1)的值。请参考图4-2(a)。值得注意的是,为了确保方法能够收敛于真解,我们必须选择适当的初值X(0)和函数f(X)。如果选择不合适的初值X(0)或函数f(X),则可能会出现无法收敛或收敛到其他根的情况。请参考图4-2(b)。
此外,我们还可以使用以下方式解释这种方法。假设第n次迭代得到的解与真值之差为误差e(n),则:
e(n+1)=f(X(n+1))=f(X(n))+f'(X(n))(X(n+1)-X(n))=0
将f(X(n))在X(n)附近用泰勒级数展开,得到:
f(X(n))+f'(X(n))(X(n+1)-X(n))+O((X(n+1)-X(n))^2)=0
忽略高阶项,则有:
X(n+1)≈X(n)-f(X(n))/f'(X(n))
比较式(4-7)和(4-11),可以看出牛顿-拉夫逊法的修正量和误差e(n)的一次项相等。同样的方法可以用于n个变量的情况。