迭代法解方程（计算器ANS键）：迭代形式为何影响收敛性？

这问题问到点子上了！其实背后的核心就是不动点迭代的收敛判据——不是随便把方程改写成x = f(x)的形式都能让迭代收敛，关键要看迭代函数f(x)在真实解（不动点）处的导数绝对值大小。

先把原方程理清楚：原方程5 - x = 2(8x - x²)展开整理后是2x² - 17x + 5 = 0，你提到的解x* ≈ 0.305066是其中一个实根（另一个根约为8.1949）。我们分别拆解两种改写方式：

第一种改写：x = 5 - 2(8x - x²) #

对应的迭代函数是f₁(x) = 5 - 16x + 2x²。我们计算它在不动点x*处的导数：
f₁’(x) = -16 + 4x
代入x* ≈ 0.305066，得到：
f₁’(x*) ≈ -16 + 4*0.305066 ≈ -14.78
它的绝对值|f₁’(x*)| ≈ 14.78 > 1，这就触发了发散条件：根据不动点迭代的局部收敛定理，当迭代函数在不动点处的导数绝对值大于1时，迭代过程的误差会被不断放大，最终导致解发散到无穷大。

第二种改写：x = (5 + 2x²)/17 #

对应的迭代函数是f₂(x) = (2x² + 5)/17。同样计算导数：
f₂’(x) = 4x/17
代入x* ≈ 0.305066，得到：
f₂’(x*) ≈ (4*0.305066)/17 ≈ 0.0718
它的绝对值|f₂’(x*)| ≈ 0.0718 < 1，满足收敛条件：此时迭代过程的误差会被不断缩小，只需要几次迭代就能快速逼近真实解。

直观理解 #

你可以把迭代过程想象成在坐标系里找y=x和y=f(x)的交点（也就是不动点）：每次迭代是从(xₙ, xₙ)画水平线到y=f(x)得到(xₙ, f(xₙ))，再画垂直线到y=x得到(xₙ₊₁, xₙ₊₁)。如果f(x)在交点处的斜率绝对值大于1，每一步都会离交点越来越远；如果小于1，就会一步步“靠近”交点。

总结一下：改写方程为x=f(x)时，一定要确保迭代函数f(x)在目标不动点附近的导数绝对值小于1，这是迭代收敛的关键！

内容的提问来源于stack exchange，提问作者samyon196