Skip to content

Commit

Permalink
修改收敛性表述
Browse files Browse the repository at this point in the history
  • Loading branch information
Smallorange666 committed May 31, 2024
1 parent 75a4b22 commit 671b7e3
Show file tree
Hide file tree
Showing 3 changed files with 34 additions and 24 deletions.
4 changes: 3 additions & 1 deletion 5/index.md
Original file line number Diff line number Diff line change
Expand Up @@ -69,4 +69,6 @@ Cholesky 分解后,类似 LU 分解的过程得到最终解

- **F-范数**:$\Vert \mathbf{A}\Vert_F=\displaystyle \sqrt{\sum_{i=1}^n\sum_{j=1}^n a_{ij}^2}$

**谱半径** $\rho(\mathbf{A})=\max|\lambda_i|$,对矩阵的任何一种相容范数都有 $\rho(\mathbf{A})\leqslant \Vert \mathbf{A} \Vert$
**谱半径** $\rho(\mathbf{A})=\max|\lambda_i|$,其中 $\lambda_i$ 是 $\mathbf{A}$ 的特征值

对矩阵的任何一种相容范数都有 $\rho(\mathbf{A})\leqslant \Vert \mathbf{A} \Vert$
28 changes: 16 additions & 12 deletions 6/index.md
Original file line number Diff line number Diff line change
Expand Up @@ -6,17 +6,16 @@

于是得到迭代式 $\mathbf{x=M^{-1}Nx+M^{-1}b=Bx+f}\Rightarrow \mathbf{x^{(k+1)}=Bx^{(k)}+f}$

迭代法收敛充要条件: $\lim_{k\to\infty}B^k=0$ 或 $\rho (B)<1$ ,其中 $\rho (B)$ 称为矩阵B的谱半径

设n维矩阵B的n个特征值为 $\lambda_1,\lambda_2,\ldots,\lambda_n$ , $\rho(B)=\displaystyle \max_{1\leq i\leq n}\lvert\lambda_i\rvert $

**一阶线性定常迭代法**
取 $\mathbf{M=I}$ 时,若 $\rho(\mathbf{B})<1$ ,则对任意初始向量 $\mathbf{x^{(0)}}=(x_1^{(0)}, x_2^{(0)}, \dots, x_n^{(0)})^T$,会收敛到真实解

即取 $\mathbf{M=I}$

**雅可比迭代法**

采用矩阵分裂: $\mathbf{A=M-N=D-(L+U)}$

其中 $\mathbf{D}$ 就是单独提出 $\mathbf{A}$ 的对角线, $\mathbf{L, U}$ 是 $\mathbf{A}$ 除去对角线后的下三角和上三角取负

则 $\mathbf{x^{(k+1)}=D^{-1}(L+U)x^{(k)}+D^{-1}b=B_J x+f}$

$\mathbf{x^{(k+1)}}$ 可由以下公式得到:
Expand Down Expand Up @@ -51,14 +50,19 @@ $$
x_i^{(k+1)}=x_i^{(k)}+\omega\Bigg(b_i-\sum_{j=1}^{i-1}a_{ij}x_j^{(k+1)}-\sum_{j=i}^na_{ij}x_j^{(k)}\Bigg)/a_{ii}
$$

**误差估计**
对于 $x^{(k+1)}=Bx^{(k)}+f$ 如果有 $B$ 的某种算子范数 $\|B\|=q<1$ ,则
1. 迭代法全局收敛
2. $\begin{Vmatrix}x^*-x^{(k)}\end{Vmatrix}\leq q^k\begin{Vmatrix}x^*-x^{(0)}\end{Vmatrix}$
3. $\begin{Vmatrix}x^*-x^{(k)}\end{Vmatrix}\leq\dfrac{q^k}{1-q}\begin{Vmatrix}x^{(1)}-x^{(0)}\end{Vmatrix}$

**严格对角占优矩阵**

满足条件 $\sum_{j=1}^n\left|a_{ij}\right|<\left|a_{ii}\right|\quad,\quad i=1,2,\cdots,n$ ,则称矩阵A是严格对角占优矩阵。

雅可比迭代法和高斯-赛格尔迭代法都收敛
雅可比迭代法和高斯-赛格尔迭代法都收敛

**收敛性**

迭代法收敛充要条件: $\rho(\mathbf{B})<1$ ,此时对任意初始向量 $\mathbf{x^{(0)}}=(x_1^{(0)}, x_2^{(0)}, \dots, x_n^{(0)})^T$,会收敛到真实解

用到矩阵分裂时,还要求 $\mathbf{D}$ 非奇异

另一个充分条件:对于迭代法 $\mathbf{x^{(k+1)}=Bx^{(k)}+f}$ 如果有 $\mathbf{B}$ 的某种算子范数 $\Vert\mathbf{B}\Vert=q<1$ ,则迭代法全局收敛,且有
- $\Vert x^*-x^{(k)}\Vert\leq q^k\Vert x^*-x^{(0)}\Vert$
- $\Vert x^*-x^{(k)}\Vert\leq\dfrac{q}{1-q}\Vert x^{(k)}-x^{(k-1)}\Vert$
- $\Vert x^*-x^{(k)}\Vert\leq\dfrac{q^k}{1-q}\Vert x^{(1)}-x^{(0)}\Vert$
26 changes: 15 additions & 11 deletions 7/index.md
Original file line number Diff line number Diff line change
@@ -1,34 +1,38 @@
# **第七章 非线性方程组求根**

**k次二分法的误差**
**二分法的误差**

$\mid x_k-x^*\mid\leq(b_k-a_k)/2=(b-a)/2^{k+1}\quad (k=0,1,2\dots)$
$| x_k-x^*|\leqslant(b_k-a_k)/2=(b-a)/2^{k+1}\quad (k=0,1,2\dots)$

**不动点的存在性与迭代法的收敛性**
**不动点**:给定初始值 $x_0$ ,如果对任意 $x_0\in [a, b]$ ,由迭代公式 $x_{k+1}=\phi(x_k)$ 得到的迭代序列 $\{x_k\}$ 存在极限 $\displaystyle \lim_{k\rightarrow\infin}x_k=x^*$ ,则称该迭代公式收敛, $x^*$ 就称为不动点

**不动点的存在性**

设迭代函数 $\phi(x)\in C[a,b]$ ,并且

(1) $\forall x\in [ a, b]$ ,都有 $\phi(x)\in[a,b]$
- $\forall x\in [ a, b]$ ,都有 $\phi(x)\in[a,b]$

(2) $\exists0\leq L<1$ , 使得 $\forall x,y\in[a,b]$ ,都有 $\mid\phi(x)-\phi(y)\mid\leq L\mid x-y\mid$
- $\exists0\leq L<1$ , 使得 $\forall x,y\in[a,b]$ ,都有 $|\phi(x)-\phi(y)|\leq L| x-y|$

那么 $\phi(x)$ 在 $[a,b]$ 上存在唯一的不动点 $x^*$

上述定理的条件(2)可用 $\left|\phi^{\prime}(x)\right|\leq L<1$ 代替。
上述定理的第二个条件可用 $\left|\phi^{\prime}(x)\right|\leq L<1$ 代替。

误差估计:
1. $|x_k-x^*|\le\frac{L^k}{1-L}| x_1-x_0 | $
2. $|x_{k}-x^{*}|\leq\frac{L}{1-L}| x_{k}-x_{k-1}|$
- $|x_k-x^*|\leqslant\displaystyle \frac{L^k}{1-L}| x_1-x_0 | $
- $|x_{k}-x^{*}|\leqslant\displaystyle \frac{L}{1-L}| x_{k}-x_{k-1}|$

**局部收敛性**

设 $x^*$ 为迭代函数 $\phi(x)$ 的不动点, $\phi^\prime(x)$ 在 $x^*$ 的某邻域内连续,且 $\mid\phi^{\prime}(x^{*})\mid<1$ ,则迭代法是局部收敛的.
设 $\phi(x)$ 有不动点 $x^*$ ,如果存在 $x^*$ 的某个邻域 $\Delta:|x-x^*|\leqslant \delta$ ,对任意的 $x_0\in \Delta$ ,迭代公式产生的序列 $\{x_k\}$ 满足 $x_i\in \Delta$ ,且收敛到 $x^*$ ,则称该迭代公式局部收敛

若 $\phi^\prime(x)$ 在 $x^*$ 的某邻域内连续,且 $|\phi^{\prime}(x^{*})|<1$ ,则迭代法是局部收敛的.

**收敛阶**

误差 $e_k=x_k-x^*$ , 若 $\lim_{k\to\infty}e_{k+1}/e_k^p=C$ , $C\ne 0$ , 则称迭代过程为 $p$
误差 $e_k=x_k-x^*$ , 若 $\displaystyle \lim_{k\to\infty}\frac{e_{k+1}}{e_k^p}=C$ , $C\ne 0$ , 则称迭代过程为 $p$ 阶收敛的

如果 $\phi^{\prime}(x^*)=\phi^{\prime\prime}(x^*)=\cdots=\phi^{(p-1)}(x^*)=0,\quad\phi^{(p)}(x^*)\neq0$ ,那么迭代过程在 $x^*$ 附近是 $p$ 阶收敛的
如果迭代函数在不动点 $x^*$ 附近有 $p$ 阶连续导数且 $\phi^{\prime}(x^*)=\phi^{\prime\prime}(x^*)=\cdots=\phi^{(p-1)}(x^*)=0,\quad\phi^{(p)}(x^*)\neq0$ ,那么迭代过程在 $x^*$ 附近是 $p$ 阶收敛的

**斯特芬森迭代法**

Expand Down

0 comments on commit 671b7e3

Please sign in to comment.