Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Книга_МО.pdf
Скачиваний:
554
Добавлен:
05.06.2015
Размер:
12.36 Mб
Скачать

 

Результаты вычислений примера методом хорд

 

 

Таблица 3.2.

 

 

 

 

 

 

 

 

 

~

 

 

 

 

Номер

 

a

 

b

 

 

~

 

 

 

 

~

 

 

 

 

x

 

f (x )

 

Знак f (x )

итерации

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

-0,766

 

 

 

 

1

 

0

 

1

 

 

0,216

 

 

 

-

 

 

 

 

 

 

 

 

 

 

-0,528

 

 

 

 

2

 

0,216

 

1

 

 

0,352

 

 

 

-

 

 

 

 

 

 

 

 

 

 

-0,319

 

 

 

 

3

 

0,352

 

1

 

 

0,435

 

 

 

-

 

 

 

 

 

 

 

 

 

 

-0,175

 

 

 

 

4

 

0,435

 

1

 

 

0,480

 

 

 

-

 

 

 

 

 

 

 

 

 

 

-0,091

 

 

 

 

5

 

0,480

 

1

 

 

0,504

 

 

 

-

 

 

 

 

 

 

 

 

 

 

-0,046

 

 

 

6

 

0,504

 

1

 

 

0,516

 

 

 

точность

 

 

 

 

 

 

 

 

 

 

 

достигнута

Отсюда x 0,516 ,

f 0,668 . ■

 

 

 

 

 

 

 

 

 

До сих пор предполагалось, что

 

на концах

f (a) f

(b) <0 , т.е. производная

f (x)

отрезка имеет разные знаки. При нарушении этого условия точку x можно указать сразу.

Так,

если f

 

 

> 0 ,

то f (x) возрастает на [a, b], следовательно, x

 

= a , а

(a) , f

(b)

 

< 0

 

она убывает и x

 

= b .

 

 

 

 

 

 

при f (a) , f (b)

 

 

 

 

 

 

 

 

В случае f

 

 

 

 

= a

или x

 

= b , в зависимости от того,

на каком из

(a)

f (b) = 0 x

 

 

концов отрезка [a, b]

производная

f

(x) =0 .

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

3.3. Метод Ньютона

 

 

 

 

 

 

 

 

 

 

 

Если

выпуклая

на

отрезке

 

[a, b] функция

f (x) дважды непрерывно

дифференцируема на этом отрезке,

то точку x [a, b] минимума этой функции

можно найти, решая уравнение f

(x) =0

методом Ньютона (другое название −

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

метод касательных).

Пусть

 

x0 [a, b]

нулевое

(начальное) приближение к

искомой точке

 

.

 

 

 

 

 

 

 

 

 

 

 

 

x

Линеаризуем функцию F(x) = f (x) в окрестности начальной

точки, приближенно заменив дугу

графика этой функции касательной в точке

(x0 , f (x0 ))

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

F(x) F(x0 ) + F (x0 )(x x0 ) .

 

 

 

(3.3)

Выберем в

качестве

следующего приближения

к x точку x

пересечения

 

 

 

 

 

 

 

 

 

 

 

 

 

1

 

 

 

касательной с осью абсцисс. Приравнивая к нулю правую часть в (3.3), получим

первый элемент

x

= x

0

F(x0 )

итерационной последовательности {x

k

}, k =1, 2, ....

 

 

1

 

 

F (x0 )

 

 

 

 

 

 

 

 

 

 

41

Выберем в качестве следующего приближения к x точку x1 пересечения касательной с осью абсцисс. Приравнивая к нулю правую часть в (3.3), получим

первый элемент x

= x

0

F(x0 )

итерационной последовательности {x

k

}, k =1, 2, ....

 

1

 

 

F (x0 )

 

 

 

 

 

 

 

В очередной точке xk

построим линейную аппроксимирующую функцию для

F (x) и определим точку,

в которой эта функция обращается в нуль, используя в

качестве следующего приближения xk +1 (рис. 3.3).

 

 

y

 

 

 

 

 

F(x)=(x)

 

 

 

x*

x

xk

xk+1

 

 

 

 

Рис. 3.3. Иллюстрация метода касательных

 

 

 

 

Уравнение

касательной

к

графику

F(x)

в

точке

x = xk

имеет

вид

 

y = F(xk ) + F (xk ) (x xk ) , поэтому

точка

x = xk +1 ,

найденная

из условия

y = 0 ,

 

 

 

 

 

 

 

 

F(xk )

 

 

 

 

 

 

определяется формулой xk +1

= xk

 

 

. Поскольку

F(x) f (x) , получим, что для

F (xk )

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

необходимо построить последовательность

 

решения уравнения f (x) =0

 

 

 

 

 

xk +1 = xk

f (xk )

,

k =1, 2, ...

 

 

 

 

(3.4)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

f ′′(xk )

 

 

 

 

 

 

 

где x0 − точка,

выбранная в качестве начального приближения. Вычисления по

формуле (3.4)

производятся

до

тех

пор, пока

 

не выполнится

неравенство

 

f (xk )

 

ε , после чего полагают x xk ,

f f (xk ) .

 

 

 

 

 

 

 

 

 

 

Формулу (3.4) можно получить также из иных соображений. Запишем квадратичную аппроксимацию qk (x) функции f (x) в точке xk с помощью формулы Тейлора

42

y

qk(x)

f(x)

xk

xk+1 x*

 

x

Рис. 3.4. Иллюстрация вывода формулы (3.4)

Для квадратичной функции

f (x) функция

линейна, поэтому в (3.4)

f (x)

равенство будет точным, а метод Ньютона будет сходиться за один шаг при любом выборе точки x0 из области определения этой функции.

Для выяснения достаточных условий сходимости рассмотрим метод Ньютона в

случае, если f (x)

− трижды непрерывно дифференцируемая выпуклая функция.

 

 

 

 

 

 

 

) , где

x

 

− искомый корень, в окрестности k -

Напишем формулу Тейлора для f (x

 

 

 

го приближения

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

′′′

 

 

 

2

 

 

) = 0 =

 

 

′′

 

 

 

 

 

 

 

xk ) +

f (ξ)

(x

xk )

,

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

f (x

 

f (xk ) +

f (xk ) (x

 

 

 

2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

а точка ξ [x , xk ] .

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Разделив последнее соотношение на

f ′′(xk ) и перенеся первые два слагаемых

из правой части в левую, получим

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1

 

 

 

 

′′′

 

 

 

 

 

 

 

 

 

 

xk

f (xk )

x

=

 

f (ξ)

(xk

x )2 ,

 

 

 

 

 

 

 

f ′′(xk )

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2 f ′′(xk )

 

 

 

 

 

 

 

что, учитывая (3.4), переписываем в виде

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

xk +1 x =

 

1

 

f ′′′(ξ)

 

(xk x )2 ,

 

 

 

 

 

 

 

 

 

2

 

f ′′(xk )

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

откуда

43

xk +1 x

 

 

=

1

 

 

f ′′′(ξ)

 

 

 

 

xk

x

 

 

2

.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2

 

 

f ′′(xk )

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Из (3.5) следует оценка

 

 

 

 

 

 

 

 

xk +1 x

 

 

1

M

3

 

xk x

 

 

2

,

 

 

 

 

 

 

 

 

 

 

 

где

 

 

 

 

 

 

 

 

 

2

m2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

M 3

= max

 

′′′

 

, m2

= min

 

′′

 

 

 

.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

f (x)

 

 

f (x)

 

 

 

 

 

 

 

 

 

 

[a, b]

 

 

 

 

 

[a, b]

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Ошибка убывает на каждом шаге в том случае, если

(3.5)

(3.6)

1

 

M 3

 

x0

x

 

<1.

(3.7)

 

 

 

2

 

m2

 

 

 

 

 

 

Полученное условие означает, что сходимость зависит от начального приближения. Таким образом, метод Ньютона имеет локальную сходимость. Если начальное приближение взято далеко, на сходимость рассчитывать не приходится. С другой стороны, всегда можно добиться выполнения условия (3.7) за счет более точного выбора начального приближения x0 , например, с помощью нескольких итераций методами золотого сечения или поразрядного поиска.

Оценка (3.6) характеризует скорость убывания погрешности для метода Ньютона: на каждом шаге погрешность пропорциональна квадрату предыдущей (квадратичная скорость сходимости). Это очень высокий темп, например, если в некотором приближении получена одна точная цифра после запятой, то в следующем можно ожидать две точные цифры, затем − четыре и т.д.

Сформулируем теперь достаточное условие монотонной сходимости метода Ньютона. Пусть x [a, b] и f (x) трижды непрерывно дифференцируемая и

выпуклая на отрезке [a, b] функция. Ясно, что итерационная последовательность

{xk } будет сходиться к пределу x монотонно, если

0 < x xk +1 <1. x xk

В соответствии с формулой Тейлора с остаточным членом в форме Лагранжа f (x ) = 0 = f (xk ) + f ′′(xk )(x xk ) + f ′′2(x) (x xk )2 ,

где точка x [x , xk ]. Поэтому с учетом основной формулы (3.4) имеем

x xk +1

 

x

 

xk +

f (xk )

 

 

 

 

 

 

 

 

 

 

 

=

 

f ′′(xk )

 

=1

 

 

 

2

 

 

 

 

.

x

 

xk

 

 

 

x

 

xk

 

 

 

 

′′′

 

 

xk )

2

 

 

 

 

 

 

 

2

+

f (x)(x

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

f (xk )

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

44

Отсюда следует, что последовательность {xk } монотонная, если

f ′′′(x)

> 0 , т.е.

 

 

 

 

 

 

 

f (xk )

достаточным условием

монотонной сходимости

метода

Ньютона является

постоянство в диапазоне

x [x

 

 

′′′

и совпадение его со

 

, x0 ] знака производной f (x)

знаком f (x0 ) . При этом квадратичная скорость сходимости не гарантируется. Если кроме того, выполняется условие (3.6), то скорость сходимости метода Ньютона становится квадратичной.

Высокую скорость сходимости метода Ньютона можно объяснить и так: квадратный трехчлен qk (x) , построенный с учетом информации как о первой, так и

о второй производных

f (x) в точке xk ,

с высокой точностью аппроксимирует

выпуклую

дважды дифференцируемую

функцию

f (x) в достаточно

малой

окрестности этой точки.

Поэтому,

если очередное приближение xk

оказывается

достаточно близким к x , то точки минимума xk +1

и x функций

qk (x)

и f (x)

практически совпадают.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Пример

3.3.

 

Методом Ньютона найти

точку

минимума

функции

f (x) =

1

 

 

 

2

) с точностью

 

 

 

7

.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

x arctg x

 

ln(1 + x

 

f

 

(x)

10

 

 

 

 

 

 

 

 

2

 

 

 

 

 

 

 

1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

□ Производные

функции

 

равны

 

= arctg(x),

′′

 

 

 

 

 

 

 

 

 

 

 

f (x)

f (x) = 1 + x2 > 0 ,

′′′

 

2x

. Видно, что при всех значениях переменной

′′′

<0 , т.е.

 

 

 

f (x) = − (1 + x2 )2

f (x)

f (x)

достаточные условия монотонной сходимости не выполняются. Выберем

начальное приближение x0 =1

и построим приближения xk

по формуле (3.4),

результаты записаны в табл. 3.3.

 

 

 

Результаты минимизации функции методом Ньютона

Таблица 3.3.

 

 

 

 

 

k

 

xk

 

f (xk )

 

 

 

 

 

0

 

1

 

0,785

 

 

 

 

 

1

 

-0,570

 

-0,519

 

 

 

 

 

2

 

0,117

 

0,116

 

 

 

 

 

3

 

-1,061 10-3

 

-1,061 10-3

4

 

9 10-8

 

9 10-8

Откуда x 9 108 0 . ■

45

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]