下载文档原格式
牛顿迭代法解非线性方程（组）在辨识工作中，常常需要对辨识准则或者判据进行求极值，这往往涉及到求非线性方程（组）的解问题。
牛顿迭代法是一种常用方法。
下面把自己对牛顿迭代法的学习和理解做个总结。
1.一元非线性方程的牛顿迭代公式和原理以一元非线性方程 f(x)=0 为例，对函数 f(x)进行Taylor级数展开（只展开至线性项）得f(x) = f(x0)+f'(x0)(x-x0)所以方程可写成f(x0)+f'(x0)(x-x0) = 0其中x0是给定的已知值，则不难推导出方程的解（当然，只是近似解，毕竟Taylor展开过程中只取了线性项）x = x0 - f(x0) / f'(x0)其中x不是真实解，但是相比之前的x0更靠近真实解了，因此可以多重复几次上述过程，从而使得到的解非常接近准确值。
所以，对于一元非线性方程，牛顿拉夫逊迭代公式为：x(k+1) = x(k) - f(x(k)) / f'(x(k))根据Taylor级数的几何意义我们可以从几何上形象的看牛顿迭代法的求解f(x)=0的过程。
第一次迭代x1 = x0 - f(x0) / f'(x0)，其中f(x0) / f'(x0)的几何意义很明显，就是x0到x1的线段长度（这可以从直角三角形的知识得到）。
第二次迭代x2 = x1 - f(x1) / f'(x1)，其中f(x1) / f'(x1)的几何意义很明显，就是x1到x2的线段长度。
同理可以进行第三次迭代第四次迭代，可以明显的看出x的取值在不断逼近真实解x*。
可能有人问，迭代求得的结果会不会不收敛，也就是x会不会偏离x*。
由于x0是在x*附近区域取值的，因此x0到x1这段曲线应该认为是平滑的没有转折的，因此切线与x轴的交点只会越来越接近真实解x*。
但是如果x0的取值离x*比较远的话，那么x0到x1这段曲线上可能有“转折”，这样就可能引起迭代的不收敛。
解非线性方程的牛顿迭代法及其应用一、本文概述非线性方程是数学领域中的一个重要研究对象，其在实际应用中广泛存在，如物理学、工程学、经济学等领域。
求解非线性方程是一个具有挑战性的问题，因为这类方程往往没有简单的解析解，需要通过数值方法进行求解。
牛顿迭代法作为一种古老而有效的数值求解方法，对于求解非线性方程具有重要的应用价值。
本文旨在介绍牛顿迭代法的基本原理、实现步骤以及在实际问题中的应用。
我们将详细阐述牛顿迭代法的基本思想，包括其历史背景、数学原理以及收敛性分析。
我们将通过具体实例，展示牛顿迭代法的计算步骤和实际操作过程，以便读者能够更好地理解和掌握该方法。
我们将探讨牛顿迭代法在各个领域中的实际应用，包括其在物理学、工程学、经济学等领域中的典型应用案例，以及在实际应用中可能遇到的问题和解决方法。
通过本文的介绍，读者可以深入了解牛顿迭代法的基本原理和应用技巧，掌握其在求解非线性方程中的实际应用方法，为进一步的研究和应用提供有力支持。
二、牛顿迭代法的基本原理牛顿迭代法，又称为牛顿-拉夫森方法，是一种在实数或复数域上近似求解方程的方法。
其基本原理是利用泰勒级数的前几项来寻找方程的根。
如果函数f(x)在x0点的导数f'(x0)不为零，那么函数f(x)在x0点附近可以用一阶泰勒级数来近似表示，即：这就是牛顿迭代法的基本迭代公式。
给定一个初始值x0，我们可以通过不断迭代这个公式来逼近f(x)的根。
每次迭代，我们都用当前的近似值x0来更新x0，即：这个过程一直持续到满足某个停止条件，例如迭代次数达到预设的上限，或者连续两次迭代的结果之间的差小于某个预设的阈值。
牛顿迭代法的收敛速度通常比线性搜索方法快，因为它利用了函数的导数信息。
然而，这种方法也有其局限性。
它要求函数在其迭代点处可导，且导数不为零。
牛顿迭代法可能不收敛，如果初始点选择不当，或者函数有多个根，或者根是重根。
因此，在使用牛顿迭代法时，需要谨慎选择初始点，并对迭代过程进行适当的监控和调整。
文献综述信息与计算科学非线性方程组的迭代解法一、国内外状况 近年来，国内外专家学者非线性方程组的迭代解法的研究兴趣与日俱增，他们多方面、多途径地对非线性方程组进行了广泛的领域性拓展（科学、物理、生产、农业等），取得了一系列研究成果。
这些研究，既丰富了非线性方程组的内容，又进一步完善了非线性方程组的研究体系，同时也给出了一些新的研究方法，促进了数值计算教学研究工作的开展，推动了课程教学改革的深入进行。
非线性问题是数值分析中一种研究并解决数值计算问题的近似解的数学方法之一。
数值是各高校信息与计算科学专业的一门核心基础课程。
它既有数学专业课理论上的抽象性和严谨性，又有解决实际问题的实用性。
80年代以前，数值分析课程只在计算数学专业和计算机专业开设，限于计算机的发展，课程的重心在数学方法理论分析方面，是一门理论性较强的课程。
近年来，随着计算机技术的迅速发展，以及计算机的普及和应用，数值分析课程也在国内外各大高校得到了迅速的推广。
特别是Mathworks公司对Matlab软件的研发，给数值分析课程注入了新的活力。
利用Matlab 所含的数值分析计算工具箱，可以进行数值计算方法的程序设计，同时利用图形图像处理功能，可以对数值分析的近似解及误差进行可视化分析，特别是对非线性问题的求解，利用软件计算求解的方法简单多了。
二、进展情况经过多年的不断研究探索，非线性问题的理论性质得到了更多的认证，我们通过对理论的学习，将它融入其他知识体系中比如：动力学，农业学等等。
非线性问题在经过人们不断的探索努力下发现了很多定理定义，比如不动点迭代法，牛顿法，拟牛顿法，以及各种迭代法。
并且对于各种迭代法的收敛性质和收敛速度进行了深入的研究，从而了解了迭代法的构造、几何解释、并对它的收敛性（全部收敛和局部收敛）、收敛阶、误差估计等。
由于迭代法的计算步骤比较多，计算量大且复杂，很多学者对迭代法的加速方法进行了研究。
而对非线性方程组的迭代解法也初步有了研究的进展。
非线性方程的迭代解法1．迭代函数对收敛性的影响实验目的：初步认识非线性问题的迭代法及其收敛性，认识迭代函数对收敛性的影响，知道当迭代函数满足什麽条件时，迭代法收敛。
实验内容：用迭代法求方程 012)(3=--=x x x f 的根。
方案一： 化012)(3=--=x x x f 为等价方程 )(213x x x φ=+= 方案二： 化012)(3=--=x x x f 为等价方程 )(123x x x φ=-= 实验要求：分别对方案一、方案二取初值00=x ，迭代10次，观察其计算值，并加以分析。
实验程序：实验结果:2. 初值的选取对迭代法的影响实验目的：通过具体的数值实验，体会选取不同的初值对同一迭代法的影响。
实验内容：用牛顿迭代法求方程 013=--x x 在x =1.5附近的根。
实验要求：对牛顿迭代公式 131231----=+k k k k k x x x x x ，分别取00=x ，5.10=x 迭代10次，观察比较其计算值，并分析原因。
实验程序：实验结果：3.收敛性与收敛速度的比较实验目的：通过用不同迭代法解同一非线性方程，比较各种方法的收敛性与收敛速度。
实验内容：求解非线性方程 0232=-+-x e x x 的根，准确到106-。
实验要求：(1) 用你自己设计的一种线性收敛的迭代法求方程的根，然后用斯蒂芬森加速迭代计算。
输出迭代初值、各次迭代值及迭代次数。
(2) 用牛顿迭代法求方程的根，输出迭代初值、各次迭代值及迭代次数，并与(1)的结果比较。
实验程序：1．普通迭代，选用初值0.52. 斯蒂芬森加速迭代3.牛顿迭代法实验结果：。
迭代法——非线性方程与方程组的数值解法7.1方程求根与二分法二分法，取中点判断左右区间[a,b]-----x 0=(b+a)/2---f(x0)是否为0是：零点为x 0；否，f(x 0)与f(a)同号，则x 0取代a ；f(x 0)与f(b)同号，则x 0取代b 重新计算区间；7.2不动点迭代法及其收敛性不动点：将f(x)=0写成隐式x=φ(x)，若x*满足f(x*)=0，则x*=φ(x*) ；反之亦然，则x*为函数φ(x)的一个不动点。
迭代函数：φ(x)选初值x 0，x 1=φ(x 0)……有x k+1=φ(x k ),k=0,1,2….。
lim k→∞x k =x ∗等价于{xk}等价于迭代方程收敛不动点存在性: φ(x)在[a,b]区间内满足：（1）任意∀x ϵ[a,b]，有a ≤φ(x)≤b ；（2）∃1>L >0，使得∀x ，y ∈ a,b 都有丨∅ x −∅ y 丨≤L 丨x −y 丨； 则φ(x)在[a,b]区间内存在唯一不动点x*收敛误差计算： 丨xk −x ∗丨≤L k1−L 丨x1−x0丨丨xk +1−xk 丨≤L k 丨x1−x0丨丨x ∗−xk 丨≤11−L 丨xk +1−xk 丨局部收敛性：φ(x)在x*的某个领域R ：丨x-x*丨≤δ，对任意x0属于R 迭代后产生的｛xk ｝属于R ，且收敛到x*则称为局部收敛。
P 阶收敛：设迭代过程x k+1=φ(x)收敛于方程x=φ(x)的根x*，如果当k →∞，则有迭代误差e k =x k -x*满足渐进关系式：e k +1e k p →C （非零常数）则称迭代过程P 阶收敛。
领域内p 阶收敛：φ（p ）在所求根x*的领域内连续，有φ’(x*)=φ”(x*)=…= φ（p-1）(x*)=0；φ（p ）(x*)≠0，则在x*领域内p 阶收敛7.3收敛加速法1．艾特金加速收敛法x*=x 2x 0−x 12x 2−2x 1+x 0=x 0−（x 1−x 0）2x 2−2x 1+x 0；x k+1=φ(x k )x k+2=φ(x k+1)X k +1 =x k −（x k +1−x k ）2x k +2−2x k +1+x k =x k -（Δx k ）2/Δ2x k2．史蒂文森迭代法y k =φ(x k )，z k =φ(y k )，x k+1=x k −（y k −x k ）2zk −2y k +x k ，k=0，1，…改写为不动点迭代法：x k+1=Ψ(x k )，k=0，1，…Ψ(x)=x-（φ（x ）−x ）2φ（φ（x ））−2φ（x ）+x若x*为Ψ(x)的不动点，则x*也是φ（x ）的不动点；反之，若x*是φ（x ）的不动点，当φ”(x)存在， φ’(x)≠1时，x*也是Ψ(x)的不动点； 史蒂文森迭代法是二阶收敛的。
4.2 非线性方程组的迭代解法 一、 一般概念1.非线性方程组的一般形式⎪⎪⎪⎩⎪⎪⎪⎨⎧===0),,,(0),,,(0),,,(21212211x x x fx x x f x x x f n nn n⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=n x x x x 21令⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=)()()()(21x f x f x f x F n则向量形式如下：0)(=x F2.解非线性方程组的方法 （1）简单迭代法（2）线性化方法（即Newton 法）（3）求函数极小值的方法（即最速下降法） 二、简单迭代法RR nn x F →:)(把方程组：F （x ）=0 改写成等价形式，即)19.4)((0)(x G x x F =⇔=适当选取初始向量D x ∈0，利用上述的等价形式，构成迭代公式：)20.4(,2,1,0),()()1( ==+k x G xk k其中G （x ）为迭代函数 2.收敛性(1)非局部收敛定理（压缩映象原理）定理4.13 设G:R R nn D −→−⊂在闭区域D D⊂0上满足条件：（1）G 把D0映入自身， （2）G 在D0上是压缩映射，则有下列结论：（1）对任取的D x 0)0(∈,由迭代公式4.20产生的序列{}D x k 0)(∈，且收敛于方程组4.19在D0内的唯一解（2）成立误差估计式xxL x x L kk )0()1()(*1--≤- xx L xxk k kk L)1()()(*1---≤-下面给出简单迭代法（4.20）局部收敛定理定理4.14 设G:R R nn D −→−⊂，)int(*D x ∈是方程组4.19的解，G 在x *处可微。
若()xG *'的谱半径()()1*<'x G ρ,则存在开球{}D x x x D⊂<<-=0,*δδ，使对任意的D x0)0(∈，由迭代法4.20产生的序列{}D x k 0)(∈且收敛于x*。
注：（1）但是对于线性方程组来说，上述定理成为全局收敛性定理，而不是局部收敛性定理。
