在许多实际问题中,问题的解决常常归结为解非线性代数方程组
F(X)=0, F(X)=0, F(X)=0,
这里
X=(x1,x2,⋯ ,xn)T(xi∈[ai,bi]) X=(x_1,x_2,\cdots,x_n)^T(x_i\in[a_i,b_i]) X=(x1,x2,⋯,xn)T(xi∈[ai,bi])
F(X)=(f1(X),f2(X),⋯ ,fn(X))T∈Rn F(X)=(f_1(X),f_2(X),\cdots,f_n(X))^T\in R^n F(X)=(f1(X),f2(X),⋯,fn(X))T∈Rn
该方程组的标量情形可简化为
f(x)=0,x∈[a,b] f(x)=0,\quad x\in[a,b] f(x)=0,x∈[a,b]
一般而言,非线性方程的精确求解非常困难。因此,人们常常需要借助各种数值方法对其进行求解。
二分法
方法就是大家一直以来学的那些,我在这里就只增加一个在进行了 kkk 步之后就可以达到精度的公式:
k>ln(b−a)−ln(2ε)ln2 k>\frac{\ln(b-a)-ln(2\varepsilon)}{\ln2} k>ln2ln(b−a)−ln(2ε)
其中 ε\varepsilonε 代表精度,f(x)∈C([a,b])f(x)\in C([a,b])f(x)∈C([a,b]).
Newton迭代法
选择适合的点 (x0,f(x0)),(x_0,f(x_0)),(x0,