🔢 mathematics

Dynamics of four families of methods with the same weight function to solve nonlinear equations

本文研究了基于权重函数构建的四类求解非线性方程的迭代方法在双根多项式上的动力学行为，通过解析推导不动点与临界点、分析奇异不动点的稳定性、展示参数空间与动态平面，并揭示了特定方法的周期轨道特性。

原作者： Livia J Quiñonez T, Carlos E Cadenas R

发布于 2026-02-23

📖 1 分钟阅读🧠 深度阅读

原作者： Livia J Quiñonez T, Carlos E Cadenas R

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文其实是在做一件非常有趣的事情：给寻找数学答案的“算法”做了一次全面的“体检”和“性格测试”。

想象一下，你手里有一个复杂的数学谜题（非线性方程），你需要找到它的“宝藏”（也就是方程的根）。为了找到宝藏，数学家们发明了很多种“寻宝地图”（迭代方法），比如牛顿法、哈利法等等。

这篇论文研究了四张看起来不同，但本质上是“同一家族”的寻宝地图。作者想知道：当你拿着这些地图去探险时，会发生什么？是顺利找到宝藏，还是会在原地打转，甚至掉进陷阱？

为了让大家更容易理解，我们可以用以下几个生动的比喻来拆解这篇论文：

1. 核心任务：寻找“宝藏”与“陷阱”

宝藏（根）： 这是我们要找的最终答案。在数学世界里，它们通常是稳定的、完美的落脚点。
陷阱（异常不动点）： 这是算法最容易迷路的地方。有些点看起来像宝藏，你走过去（迭代）却停在那里，但它其实不是真正的解。
- 论文发现： 作者像侦探一样，精确计算出了这些“陷阱”的位置。他们发现，有些陷阱很“凶”（排斥性的），如果你不小心靠近，会被弹开；有些陷阱很“温柔”（吸引性的），如果你不小心靠近，就会永远困在那里，找不到真正的宝藏。

2. 魔法旋钮：参数 $A$

这四张地图其实是一个大家族，它们之间唯一的区别就是一个**“魔法旋钮”（参数 $A$ ）**。

当你转动这个旋钮时，地图的“性格”就会发生剧变。
比喻： 想象你在调节一台收音机。
- 调到某个频率（比如 $A=1$ ），收音机声音清晰，能直接收到宝藏电台（牛顿法）。
- 调到另一个频率（比如 $A=0$ ），声音变得很有力，但可能会把附近的杂音也放大（哈利法）。
- 如果不小心调到了“坏频率”，收音机可能会发出刺耳的噪音，或者让你陷入死循环。

3. 性格测试：稳定性分析

作者给这些“地图”做了一系列的性格测试，看看它们在什么情况下表现良好：

超级磁铁（超吸引子）： 有些设置下，算法像强力磁铁一样，不管你怎么开始，都会迅速、完美地吸向真正的宝藏。这是最理想的状态。
摇摆不定（抛物线）： 有些设置下，算法在宝藏门口徘徊，进也不是退也不是。
暴躁老哥（排斥性）： 有些设置下，算法非常讨厌某些点，一旦靠近就会把你踢飞。

4. 绘制“天气图”：参数空间与动态平面

为了告诉读者哪些旋钮设置是安全的，作者画了两类神奇的地图：

参数空间图（天气图）： 这是一张巨大的地图，横轴和纵轴代表旋钮 $A$ 的不同数值。
- 红色区域： 代表“安全区”。在这里，算法表现完美，能稳稳找到宝藏。
- 蓝色区域： 代表“风暴区”。在这里，算法会发疯，怎么算都算不出结果，或者陷入死循环。
- 其他颜色： 代表算法可能会被困在那些“假宝藏”（异常不动点）里。
- 结论： 作者通过这张图，帮我们要找出了哪些旋钮设置是“好天气”，哪些是“暴风雨”。
动态平面（微观探险图）： 这是针对具体某个旋钮设置（比如 $A=0.825$ ）画的微观图。
- 它展示了如果你从地图上的不同位置出发，最终会去哪里。
- 你会看到像万花筒一样美丽的图案：有的地方是通向宝藏的蓝色大道，有的地方是通向无限远的红色深渊，还有的地方是通向假宝藏的黄色或绿色迷宫。

5. 意外的发现：奇怪的“二重奏”

在研究过程中，作者还发现了一些特别有趣的现象：在某些特定的旋钮设置下，算法不会直接停在宝藏上，而是会在两个点之间来回跳跃（周期为 2 的轨道）。

比喻： 就像你在荡秋千，既没有停在最高点，也没有停在最低点，而是永远在两个点之间来回摆荡，永远到不了终点。论文详细列出了这些“摆荡”的具体位置。

总结

这篇论文就像是一位**“算法导游”**，他手里拿着四张同一家族的寻宝图，通过精密的计算和色彩斑斓的地图，告诉我们要：

避开陷阱： 知道哪些参数设置会让算法迷路。
选择最佳路线： 找出那些能让算法像闪电一样快速、稳定找到宝藏的“黄金参数”。
欣赏风景： 即使是在失败的参数区域，那些复杂的数学图案（动态平面）也展现出了惊人的数学之美。

最终，作者希望数学家们在解决实际问题时，能根据这张“体检报告”，选择最靠谱、最不容易出错的算法设置。

以下是基于论文《Dynamics of four families of methods with the same weight function to solve nonlinear equations》的详细技术总结：

1. 研究问题 (Problem)

非线性方程 $f(x)=0$ 的求解是科学计算中的核心问题。虽然牛顿法（Newton）、哈利法（Halley）和切比雪夫法（Chebyshev）等经典迭代方法已被广泛研究，但通过权重函数（Weight Function）构造的迭代方法族（Family of methods）具有更丰富的动力学特性。
本文旨在研究四类不同的迭代方法族，它们均基于同一个特定的权重函数 $H(t)$ ，该函数用于构建牛顿法与牛顿 - 哈利型方法（Newton-Halley type）的凸组合。尽管这四类方法在一般形式上不同，但在应用于具有两个不同根的二次多项式时，它们会退化为同一个有理迭代函数。
研究的核心问题是：分析这四类方法在复平面上的动力学行为（Dynamics），包括不动点（Fixed points）和临界点（Critical points）的解析表达式、稳定性分析、参数空间（Parameter space）的划分以及奇异不动点（Strange fixed points）的行为。

2. 方法论 (Methodology)

本文采用了**复动力系统（Complex Dynamics）**的理论框架进行分析：

共轭类分析（Conjugacy Classes）：
利用缩放定理（Scaling Theorem），证明了对于任意二次多项式 $p(z) = (z-a)(z-b)$ ，这四类方法产生的有理映射 $R_p(z)$ 均通过莫比乌斯变换（Möbius transformation） $M(z) = \frac{z-a}{z-b}$ 共轭于同一个标准有理函数 $S(z)$ 。
标准函数形式为：
$S(z) = \frac{z^3((A-1)z + 2A - 1)}{(2A-1)z + A - 1}$
其中 $A$ 是控制方法族行为的自由参数。这一发现极大地简化了分析，使得只需研究 $S(z)$ 的动力学即可代表所有四类方法。
不动点与临界点分析：
- 不动点： 求解 $S(z)=z$ ，得到平凡不动点（对应多项式的根，即 $z=0, \infty$ ）和奇异不动点（Strange fixed points，即 $z=1$ 和 $z_{2,3}$ ）。
- 临界点： 求解 $S'(z)=0$ ，得到自由临界点 $z_{c1}, z_{c2}$ 。根据复动力学理论，临界点的轨道行为决定了 Fatou 集和 Julia 集的结构。
稳定性分析：
通过计算不动点处的导数 $|S'(z_0)|$ 来判断稳定性：
- $|S'(z_0)| < 1$ ：吸引子（Attractor）。
- $|S'(z_0)| = 0$ ：超吸引子（Superattractor）。
- $|S'(z_0)| > 1$ ：排斥子（Repulsive）。
- $|S'(z_0)| = 1$ ：抛物点（Parabolic）。
参数空间与动力学平面绘制：
- 参数平面（Parameter Plane）： 在复平面 $A$ 上，通过迭代自由临界点 $z_{c1}$ ，根据收敛情况（收敛到根、发散或收敛到奇异点）绘制颜色图，以识别具有良好收敛行为的参数区域。
- 动力学平面（Dynamical Plane）： 在复平面 $z$ 上，针对选定的参数 $A$ ，绘制初始猜测值的收敛区域（Basins of attraction），直观展示方法的收敛性和混沌行为。

3. 主要贡献与结果 (Key Contributions & Results)

A. 解析表达式的推导

推导出了奇异不动点 $z=1$ 和 $z_{2,3} = \frac{3A-2 \pm \sqrt{A(5A-4)}}{2(1-A)}$ 的解析式。
推导了自由临界点 $z_{c1}, z_{c2}$ 的解析表达式。
证明了当 $A=1$ （牛顿法）、 $A=0$ （哈利法）、 $A=2/3$ 和 $A=1/2$ （超哈利法）时，奇异不动点的性质。

B. 稳定性分析结论

奇异不动点 $z=1$ 的稳定性：
- 当参数 $A$ 位于以 $\frac{42}{55}$ 为圆心、 $\frac{2}{55}$ 为半径的圆盘内时， $z=1$ 是吸引子。
- 特别地，当 $A = 3/4$ 时， $z=1$ 是超吸引子。
- 在其他区域（除 $A=2/3$ 外）， $z=1$ 通常是排斥的。
奇异不动点 $z_{2,3}$ 的稳定性：
- 当参数 $A$ 位于以 $\frac{29}{35}$ 为圆心、 $\frac{1}{35}$ 为半径的圆盘内时， $z_{2,3}$ 是吸引子。
- 特别地，当 $A = 5/6$ 时，它们是超吸引子。
经典方法的验证：
- $A=1$ (Newton): $z=1$ 是排斥的 ( $|S'(1)|=2$ )。
- $A=0$ (Halley): $z=\pm 1$ 是排斥的 ( $|S'(\pm 1)|=3$ )。
- $A=1/2$ (Super Halley): $z_k$ 是排斥的 ( $|S'(z_k)|=4$ )。

C. 参数空间与动力学行为

参数平面（图 4-5）： 展示了参数 $A$ 的复平面。红色区域表示临界点收敛到根（$0 $或$ \infty$），代表方法表现良好；蓝色区域表示不收敛；其他颜色表示收敛到奇异不动点。
动力学平面（图 6-10）：
- 对于经典参数（ $A=0, 1/2, 2/3, 1$ ），收敛区域被单位圆清晰分隔。
- 对于大参数值（ $A=2, 5, 10, 20$ ），出现了不连通的收敛区域。
- 对于复数参数（ $A = -4+i$ 等），吸引盆发生了扭曲。
- 在 $A=3/4$ 时，观察到了周期为 2 的轨道（Period-2 orbits）。

D. 周期轨道

计算并列举了特定参数下（如 $A=3/4$ 和 $A=0.825$ ）的周期为 2 的轨道点。
表 1 列出了 6 个周期为 2 的轨道的具体数值，其中 5 个在图 10 左侧的动力学平面中可视化。

4. 研究意义 (Significance)

统一性证明： 证明了四种看似不同的迭代方法族在二次多项式上具有相同的动力学行为，简化了此类方法的理论分析工作。
参数优化指导： 通过参数空间分析，明确指出了哪些参数 $A$ 值会导致方法收敛到奇异不动点（即失效），哪些值能保证良好的收敛性（如 $A=3/4$ 和 $A=5/6$ 附近的区域）。这为实际应用中选择最佳迭代方法提供了理论依据。
动力学复杂性揭示： 揭示了即使对于简单的二次多项式，这些高阶方法族也可能产生复杂的动力学行为（如分形边界、周期轨道、混沌），这对于理解数值方法的鲁棒性至关重要。
奇异点控制： 详细分析了奇异不动点的稳定性条件，帮助避免在迭代过程中陷入非根的稳定循环。

总结： 该论文通过复动力系统工具，系统地刻画了一类基于权重函数的迭代方法族的动力学特征，提供了从解析推导到数值可视化的完整分析链条，为求解非线性方程的迭代算法设计与选择提供了重要的理论参考。