一般而言,方程没有能够普遍求解的silver bullet,但是有几类方程的求解方法已经非常清晰确凿了,比如线性方程、二次方程或一次分式。一次方程可以直接通过四则运算反解出答案,二次方程的求根公式也给出了只需要四则运算和开根号的符号表达式。而一次分式的分子即为一次函数。更多的方程并没有普适的符号表达式,但通过用便于求零点的函数模仿、代替之也可以估计零点的位置。插值方法可以实现这一思路。

  插值迭代方法包括割线法、二次插值法等多项式插值方法,反插法以及线性分式插值法等等,其核心是用几个点及其函数值信息,通过插值产生一条容易计算零点的函数图线,然后用插值函数的零点来估计原函数的零点,不断迭代以达到足够的精度。每个算法的大致思路均相同,不再分别阐述具体原理。

1. 割线法(Secant Method)

  用一次函数模拟原函数,用该一次函数的零点作为原函数零点的下一个估计。起始需要两个点。迭代式:$$x_{k+1}=x_k-f(x_k)\frac{x_k-x_{k-1}}{f(x_k)-f(x_{k-1})}$$  迭代式和牛顿法的迭代式类似。实际上,割线法正是用两点的割线斜率代替了牛顿法中使用的切线斜率(即导数):$f'(x_k)\approx [f(x_k)-f(x_{k-1})]/(x_k-x_{k-1})$ .

function [ zeropt, iteration ] = SecantMethod( func, start0, start1, prec )
%  割线法求零点,函数句柄func,两个起点start0,start1,绝对精度prec
% 返回:零点zeropt,迭代步数iteration
prev = start0;
current = start1;
next = current - func(current)*(current - prev)/(func(current) - func(prev));
iteration = 0;
while abs(next - current) > prec && iteration < 500
prev = current;
current = next;
next = current - func(current)*(current - prev)/(func(current) - func(prev));
iteration = iteration + 1;
end
if iteration >= 500
error('Method fails to converge');
end
zeropt = next;
end

  进行试验:

% 用二次函数x^2-x-2
func = @(x)x^2-x-2;
[zero, iter] = SecantMethod(func, 6, 10, 0.0001)
% 输出
zero = 2.0000, iter = 7 % 输入
[zero, iter] = SecantMethod(func, -3, -9, 0.0001)
% 输出
zero = -1.0000, iter = 6

  【迭代步复杂度】两次函数值求值+固定次数的四则运算(5)。

  【收敛速度】超线性收敛,$r\approx 1.618$

  【优势】1)每迭代步复杂度低,收敛速度中等;2)不用求导,只需要进行函数求值操作

  【劣势】收敛速度不够快。

2. 二次插值法(Muller's Method)

  用二次函数模拟原函数,将二次函数的根作为下一个零点估计值。每次迭代删去最老的一个点,利用包括新点的连续三个点进行插值。起始需要三个点。

  二次插值面临的问题是,二次函数并不一定有实根。事实上,二次插值法的过程中完全不排斥出现复根,而且理论上依然可以收敛。至于对于二次方程的两个根,选取哪一个,主要是在迭代表达式中为了减免减法所带来的有效数字损失而定的。

  二次插值法相对复杂,其图像由于复根的出现也不直观,但是其收敛率却达到了:$r\approx 1.839$. Muller证明了任意m次多项式插值方法的收敛率r满足方程:$$r^{m+1}-r^m-...-r^2-r-1=0, \quad 或\quad r^{m+1}=\sum\limits_{k=0}^mr^k$$

3. 二次反插法

  同样用二次函数模拟原函数,但反插法使用的是旋转90°的抛物线,即x关于y的二次函数。这样可以同时解决没有实根和选择恐惧症的问题,因为x关于y的二次函数与横轴必定有且只有一个交点。

  根据Lagrange插值的方法,假设已有点 $(a, f_a),(b,f_b),(c, f_c)$ ,他们的二次反插应当为:$$x=a\frac{(y-f_b)(y-f_c)}{(f_a-f_b)(f_a-f_c)}+b\frac{(y-f_a)(y-f_c)}{(f_b-f_a)(f_b-f_c)}+c\frac{(y-f_a)(y-f_b)}{(f_c-f_b)(f_c-f_a}$$  现在下一个点的纵坐标是零(作为零点的估计),则应当有:$$x=-\frac{af_bf_c(f_b-f_c)+bf_af_c(f_c-f_a)+cf_af_b(f_a-f_b)}{(f_a-f_b)(f_b-f_c)(f_c-f_a)}$$

function [ zeropt, iteration ] = InveQuadra( func, start0, start1, start2, prec )
% 二次反插求零点。输入函数句柄func,三个起始点start0-start2,要求精度prec
% 返回两个值:零点zeropt,迭代步数iteration
a = start0; b = start1; c = start2;
fa = func(a); fb = func(b); fc = func(c);
diffab = fa - fb; diffbc = fb - fc; diffca = fc - fa;
next = a*fb*fc/(diffab*diffca) + b*fa*fc/(diffab*diffbc) + c*fa*fb/(diffbc*diffca);
next = - next;
iteration = 0;
while abs(next - c) > prec && iteration < 500
a = b; b = c; c = next;
fa = func(a); fb = func(b); fc = func(c);
diffab = fa - fb; diffbc = fb - fc; diffca = fc - fa;
next = a*fb*fc/(diffab*diffca) + b*fa*fc/(diffab*diffbc) + c*fa*fb/(diffbc*diffca);
next = - next;
iteration = iteration + 1;
end
if iteration >= 500
error('Method fails to converge.');
end
zeropt = next;
end

  用同样的函数进行试验:

func = @(x)x^2-x-2;
% 输入
[zero, iter] = InveQuadra(func, -3, -9, -7, 0.0001)
% 输出
zero = -1.0000, iter = 5 % 输入
[zero, iter] = InveQuadra(func, 31, 16, 67, 0.0001)
% 输出
zero = 2.0000, iter = 8 func = @(x)x^3 - 20*x^2 - 25*x + 500;
% 输入
[zero, iter] = InveQuadra(func, -10, 10, -80, 0.0001)
% 输出
zero = 20.0000, iter = 4

  可以看出,当应用于同样函数类似地靠近某一真值的种子时,二次反插比割线法收敛更快一点点。

  【迭代步复杂度】需要三次函数求值+若干次四则运算。考虑到需要插值的是二次曲线,四则运算的数量显著高于割线法。

  【收敛速度】和二次插值相同,二次反插的收敛率也是 $r\approx 1.839$.

  【优势】1)不用求导。如果用牛顿法一样的思路,形成二次曲线不仅要求一阶导,还要求二阶导!2)避免了二次插值的复根问题和选根问题;3)$r\approx 1.839$ 已经比较令人满意。

  【劣势】计算复杂度相对于割线法来说较大,且需要三个起始点。

4. 线性分式插值法

  线性分式插值法使用形如 $\phi(x)=\frac{x-u}{vx-w}$ 的形式来插值之前的迭代点,并将插值函数的零点u作为新的零点的估计值。线性分式插值法主要就是为了求有水平或竖直方向渐近线的函数,这类函数亲测采用二次反插会有格外的困难,常常莫名其妙地跑到无穷远处去;仔细分析时证实,由于这类函数在很宽的范围内较为平坦,二次反插往往会形成非常尖锐的抛物线,该抛物线零点甚至很容易朝远离原点方向移动;如此数次迭代则趋于无穷。而线性分式插值法则可以解决这个问题。

  代码实现:

function [ zeropt, iteration ] = InveQuadra( func, start0, start1, start2, prec )
% 二次反插求零点。输入函数句柄func,三个起始点start0-start2,要求精度prec
% 返回两个值:零点zeropt,迭代步数iteration
a = start0; b = start1; c = start2;
fa = func(a); fb = func(b); fc = func(c);
diffab = fa - fb; diffbc = fb - fc; diffca = fc - fa;
next = a*fb*fc/(diffab*diffca) + b*fa*fc/(diffab*diffbc) + c*fa*fb/(diffbc*diffca);
next = - next;
iteration = 0;
while abs(next - c) > prec && iteration < 500
a = b; b = c; c = next;
fa = func(a); fb = func(b); fc = func(c);
diffab = fa - fb; diffbc = fb - fc; diffca = fc - fa;
next = a*fb*fc/(diffab*diffca) + b*fa*fc/(diffab*diffbc) + c*fa*fb/(diffbc*diffca);
next = - next;
iteration = iteration + 1;
end
if iteration >= 500
error('Method fails to converge.');
end
zeropt = next;
end

  试验如下:

% 这个函数恰好是分式的形式,然而用二次反插困难重重
func = @(x)1 - 3/x;
% 输入
[zero, iter] = LinFraction(func, 1, 5, 10, 0.0001)
% 输出
zero = 3, iter = 1 func = @(x)9 - 1/x^2;
% 输入
[zero, iter] = LinFraction(func, 1, 5, 10, 0.0001)
% 输出
zero = 0.3333, iter = 6

  

  【迭代步复杂度】 和二次反插基本相同,三次函数求值及四则运算若干。

  【收敛率】惊了,居然也和二次插值/反插相同,为 $r\approx 1.839$

  该算法的特点已经如上所述。

非线性方程(组):一维非线性方程(二)插值迭代方法 [MATLAB]的更多相关文章

  1. Javascript数组系列二之迭代方法1

    我们在<Javascript数组系列一之栈与队列 >中介绍了一些数组的用法.比如:数组如何表现的和「栈」一样,用什么方法表现的和「队列」一样等等一些方法,因为 Javascript 中的数 ...

  2. Javascript数组系列三之迭代方法2

    今天我们来继续 Javascript 数组系列的文章,上文 <Javascript数组系列二之迭代方法1> 我们说到一些数组的迭代方法,我们在开发项目实战的过程中熟练的使用可以大大提高我们 ...

  3. 非线性方程(组):一维非线性方程(一)二分法、不动点迭代、牛顿法 [MATLAB]

    1. 二分法(Bisection) 1) 原理 [介值定理] 对于连续的一元非线性函数,若其在两个点的取值异号,则在两点间必定存在零点. [迭代流程] 若左右两端取值不同,则取其中点,求其函数值,取中 ...

  4. Numpy数组对象的操作-索引机制、切片和迭代方法

    前几篇博文我写了数组创建和数据运算,现在我们就来看一下数组对象的操作方法.使用索引和切片的方法选择元素,还有如何数组的迭代方法. 一.索引机制 1.一维数组 In [1]: a = np.arange ...

  5. 二值化方法:Kittler:Minimum Error Thresholding

    Kittler二值化方法,是一种经典的基于直方图的二值化方法.由J. Kittler在1986年发表的论文“Minimum Error Thresholding”提出.论文是对贝叶斯最小错误阈值的准则 ...

  6. 二值法方法综述及matlab程序

    在某些图像处理当中一个关键步是二值法,二值化一方面能够去除冗余信息,另一方面也会使有效信息丢失.所以有效的二值化算法是后续的处理的基础.比如对于想要最大限度的保留下面图的中文字,以便后续的定位处理. ...

  7. JS高程5.引用类型(6)Array类型的位置方法,迭代方法,归并方法

    一.位置方法 ECMAScript5为数组实例添加了两个位置:indexOf()和 lastIndexOf().这两个方法接收两个参数:要查找的项和(可选的)表示查找起点位置的索引(如在数组[7,8, ...

  8. JS_高程5.引用类型(6)Array类型的位置方法,迭代方法,归并方法

    一.位置方法 ECMAScript5为数组实例添加了两个位置:indexOf()和 lastIndexOf().这两个方法接收两个参数:要查找的项和(可选的)表示查找起点位置的索引(如在数组[7,8, ...

  9. Java一维与二维数组的拷贝与排序

    Java一维与二维数组的拷贝与排序 目录 Java一维与二维数组的拷贝与排序 Arrays.sort() 一维数组升序排序 二维数组按行升序排序 二维数组按列升序排序 Java中的数组 Java中数组 ...

随机推荐

  1. 【RF库Collections测试】Dictionary Should Not Contain Key

    Name:Dictionary Should Not Contain KeySource:Collections <test library>Arguments:[ dictionary ...

  2. Linux netstat 命令

    1. netstat命令用于显示系统的网络信息,包括网络连接 .路由表 .接口状态2. 一般我们使用 netstat 来查看本机开启了哪些端口,查看有哪些客户端连接 常见用法如下: [root@loc ...

  3. C 环境设置(转自菜鸟教程)

    C 环境设置 本地环境设置 如果您想要设置 C 语言环境,您需要确保电脑上有以下两款可用的软件,文本编辑器和 C 编译器. 文本编辑器 这将用于输入您的程序.文本编辑器包括 Windows Notep ...

  4. orcale增量全量实时同步mysql可支持多库使用Kettle实现数据实时增量同步

    1. 时间戳增量回滚同步 假定在源数据表中有一个字段会记录数据的新增或修改时间,可以通过它对数据在时间维度上进行排序.通过中间表记录每次更新的时间戳,在下一个同步周期时,通过这个时间戳同步该时间戳以后 ...

  5. HTML实体大全

    HTML 4.01 支持 ISO 8859-1 (Latin-1) 字符集. ISO-8859-1 的较低部分(从 1 到 127 之间的代码)是最初的 7 比特 ASCII. ISO-8859-1 ...

  6. C++ 在继承中使用virtual

    使用virtual:如果方法是通过引用类型或指针而不是对象调用的,它将确定使用哪一种方法.如果没有使用关键字irtual,程序将根据引用类型或指针类型选择方法:如果使用了irtual,程序将根据引用或 ...

  7. Android 使用Spinner实现下拉列表

    课程目标1.了解Spinner下拉列表的使用和功能2.学会使用系统默认的Spinner3.学会使用自定义样式的Spinner 执行步骤第一步:添加一个下拉列表项的list,这里添加的项就是下拉列表的菜 ...

  8. JS 保存表单默认值 为空时自动填充默认值

    var inputArray = document.getElementsByTagName("input"); var strArray = []; ; i < input ...

  9. 【Thinkphp5】封装layer弹窗方法

    1 官网下载layer 2 引入文件: <!--layer,官网可下载--> <script type="text/javascript" src="/ ...

  10. [转]C++结构体|类 内存对齐详解

    内存地址对齐,是一种在计算机内存中排列数据(表现为变量的地址).访问数据(表现为CPU读取数据)的一种方式,包含了两种相互独立又相互关联的部分:基本数据对齐和结构体数据对齐 . 为什么需要内存对齐?对 ...