当前课程知识点:计算方法 > 第3章 非线性方程求根 > 3.4 不动点迭代法的收敛条件 > 3.4 不动点迭代法的收敛条件
今天我们学习第四节
不动点迭代法的收敛条件
不动点迭代法满足什么条件收敛呢
我们给出下面的定理3.3
假定函数(x)
属于C[ a, b]
(x)是[a , b]上的连续函数
并且满足下列条件
对于任意的x属于[a, b]
有(x)也在[a, b]之中
(x)大于等于a
小于等于b
我们称这个条件为映内性条件
第二,(x) 在(a, b)内可导
并存在正数
L小于1
使对任意X属于[a, b]
都有(x)绝对值小于等于L
我们称这个条件为压缩性条件
如果满足以上两个条件则迭代过程
xk+1=(xk)
对任意的初值x0属于[a , b]
均收敛于方程X=(x)的根x*
且有如下误差估计式
xk-x*的绝对值
小于等于L/1-L
乘以xk-xk-1的绝对值
我们把这个不等式@
xk-x*的绝对值
小于等于Lk /1-L
乘以x1-x0的绝对值
我们把这个不等式记为(4)
我们看到
定理3.3中的两个条件和定理3.2
中的两个条件完全一样
因此如果(x)满足定理3.3
中的条件,
那么(x)
在[a, b]中就一定存在唯一不动点.
下面我们来证明
由迭代过程xk+1=(xk)产生的数列
收敛于(x)唯一不动点.
并且来验证不等式3和不等式4成立
首先证明收敛性
由于(x)在[a, b]上
满足映内性与压缩性条件
根据定理3.2
(x)在[a,b]中存在唯一不动点
我们设这个不动点为x*
满足x*=(x*)
并且由(x)在[a, b]上满足映内性
所以在[a, b]中
任取X0,由迭代格式
xk+1=(xk)产生的数列
一定也属于[a, b].
下面
我们将xk+1与x*相减
Xk+1等于
φ(xk)
X*是不动点
等于(x*)
因此
xk+1-x*就等于(xk)- (x*)
由(x)
在[a b]上可导
所以根据微分中值定理
就等于’(ξ)
乘xk-x*
这里ξ属于开区间ab
将上式两边取绝对值
你就得到了下式.再根据压缩性条件
我们有
’(ξ)的绝对值
小于L
这里L大于零小于1
那么就得到了
下面的不等式
xk+1-x*
的绝对值小于等于L乘
乘xk-x*的绝对值
对k反复递推
就得到
xk-x*的绝对值
小于等于L的k次方
乘以x0-x*的绝对值
两边取极限
令k趋于无穷
那么由于L大于零小于1
所以Lk趋于零
从而就有xk趋于x*
这样就证明了不动点序列的收敛性
下面我们来证明不等式3成立
考察
xk+1-xk
xk+1-xk=(xk)- ( xk-1)
根据微分中值定理等于’(ξk)
乘以xk-xk-1
两边取绝对值
上式成立
这里ξk属于开区间(a, b)
同样
由压缩性条件
’(ξk)的绝对值
小于等于L
所以我们得到了
上面的不等式a
也就是xk+1-xk
的绝对值
小于等于L乘以xk-xk-1的绝对值
我们把这个不等式记为a式
类似的
我们还可以推出
x*-xk+1的绝对值
等于x*-(xk)的绝对值
小于等于L乘以x*-xk
的绝对值
我们把这个不等式记为b式
另一方面
xk+1-xk我们在其中插项
xk+1-xk
绝对值就等于
xk+1-x*+x*-xk的绝对值
整理一下等于
x*-xk再减去括号
x*-xk+1括号的绝对值
根据绝对值不等式,大于等于
x*-xk的绝对值
再减去
x*-xk+1的绝对值
根据不等式b
大于等于
(1-L)
乘以x*-xk的绝对值
由于0
我们将1-L除到不等号的左边去
那么就得到了xk-x*的绝对值
小于等于1/1-L
乘以xk+1-xk的绝对值
我们把这个不等式记为c式
综合a, c两式就得到了不等式3.
下面我们来证明不等式4成立
由前面导出的不等式a式
我们有xk+1-xk的绝对值
小于等于L乘
以xk-xk-1的绝对值
将这个不等式反复递推k-1次
就得到
xk+1-xk的绝对值
小于等于Lk乘
x1-x0的绝对值
我们把这个不等式记为d式
再利用我们刚刚导出的不等式3
将d式带入3式
就得到了下面的不等式4
这样我们就完成了
定理3.3的证明
定理3.3中的两个不等式
具有重要意义
我们先来看不等式3的重要性
不等式3
它将
相邻近似误差
与近似解与精确解的误差
联系起来了
那么
只要相邻近似解充分接近
就能够保证
近似解与精确解充分接近
在迭代中
我们通常
取终止准则为
xk-xk-1的绝对值
小于ε
或者
xk-xk-1的绝对值
除以1+xk的
绝对值
小于ε
用这个作为终止准则
来
停止迭代
再来看不等式4的重要性
不等式4告诉我们
数列xk
收敛于x*快慢
与压缩系数L的大小有关
那么L是大于零小于1的一个正数
这不等式告诉我们
L越小
也就是越靠近零
那么
Lk趋于零的速度越快
从而xk
收敛于x*速度也越快
L越大越靠近1
那么xk
收敛于x*速度越慢
这里L是迭代函数(x)的导数
的绝对值
在区间[a,b]上的一个上限。
下面我们考察这个例子
求方程
f(x)=x3-x-1=0
在x0=1.5附近的根
我们前边做过这道题
给出了两种迭代法
迭代法1和迭代法2
取初值x0=1.5
那么迭代法1产生的序列是收敛的
迭代法2产生的序列是发散的
下面我们分析下原因
迭代法1
对应的迭代函数
记为1(x)等于x+1开立方
迭代法2对应的迭代函数
记为2(x)
等于x3-1
我们对1(x)求导
那么就得到了1’(x)等于
3乘以x+1的
三分之二次方分之一
在区间[1,2]
1’(x)的绝对值
小于等于
3乘2的三分之二次方分之一
这个分数是小于1的
也就说
它满足定理3.3中的压缩性条件
所以迭代法1是收敛的
在看2(x)的导数
2’(x)=3x2
在[1, 2]中
它的最大值
大于等于3
由于不满足
压缩性条件
所以迭代法2产生的迭代法数列发散
定理3.3中说的收敛是
全局收敛
所谓全局收敛
指的是
在某个确定范围内任取初值
迭代法都收敛。
一般满足全局收敛
是很困难的,
下面我们来介绍局部收敛的概念。
如果存在x*的某个邻域U
x-x*的绝对值小于等于δ
使得迭代过程xk+1=(xk)
对于任意的初值x0属于U
均收敛于x*
那么我们就称迭代过程xk+1=(xk)
在根 x*
的邻域内具
有局部收敛性
定义3.3是我们给出的
迭代法在
根 x*附近具有局部收敛性的一个定义
那么满足什么条件
迭代法才能局部收敛呢
我们给出下面的定理
设 x*为方程x = (x)的根,
也就是x*是(x)的不动点
若(x)
在x*
附近连续且(x*)的绝对值
小于1
则迭代过程
xk+1=(xk)
在x*附近具有局部收敛性
那么定理3.4告诉我们
迭代函数的导数
在根处的绝对值要小于1
这是迭代法
具有局部收敛性的一个充分条件
下面我们看
这样的一个例子
证明迭代公式
xk+1等于
xk(x²k+3a)/3x²k+a
产生的数列收敛于根号a
我们按照定理3.4来验证
设xk+1=(xk)
这里(x)等于
3x2+a分之
x乘以x2+3a
容易验证
(根号a)等于根号a
也就是根号a是(x)的不动点
下面我们对(x)求导
将根号a带入’(x)
得到其值等于零
那么由定理3.4
我们说
数列xk+1=(xk)
它收敛于根号a
本节讨论了
不动点迭代法的收敛条件
求解方程的不动点迭代法是不唯一的
有的收敛有的发散
因此我们在构造迭代法时
要注意
使迭代函数满足局部收敛的条件
下一节
我们将介绍牛顿迭代法
牛顿迭代法是求解非线性方程的近似根的最有效的方法之一
-1.1 引言
--1.1 引言
-1.2 算法与效率
-1.3 计算机数系与浮点运算
-1.4 误差与有效数字
-1.5 四则运算与函数求值的误差
-1.6 问题的性态与条件数
-1.7 算法数值稳定性
-第1章 作业
--第一章 作业
-2.1 引言 2.2 线性空间
-2.3 内积空间与元素的夹角
-2.4 赋范线性空间
-2.5 向量范数与向量序列极限
-2.6 矩阵范数
--2.6 矩阵范数
-第二章 作业
--第二章 作业
-3.1 引言
--3.1 引言
-3.3 不动点迭代法
--3.2 二分法
-3.4 不动点迭代法的收敛条件
-3.5 牛顿迭代法及其变形
-3.6 迭代法收敛阶
-3.7 重根的计算与加速收敛
-3.8 数值实验
--3.8 数值实验
-第3章 作业
--第3章 作业
-4.1 引言
--4.1 引言
-4.2 Lagrange插值
-4.3 Lagrange插值余项
-4.4 Newton差商插值
-4.5 Hermite插值
-4.6 分段多项式插值
-4.7 三次样条插值
-4.8 数值实验
--4.8 数值实验
-第4章 作业
--第4章 作业
-5.1 函数逼近与曲线拟合基本概念
-5.2 连续函数的最佳平方逼近
-5.3 曲线拟合的最小二乘法
-第5章 作业
--第5章 作业
-6.1 引言 6.2 高斯消元法
-6.3 矩阵分解与应用
-6.4 误差分析 6.5 数值实验
-第6章 作业
--第6章 作业
-7.1 引言 7.2 线性方程组的迭代法(上)
-7.2 线性方程组的迭代法
-7.3 非线性方程组的迭代法
-7.4 数值实验
--7.4 数值实验
-第7章 作业
--第7章 作业
-8.1 引言
--8.1 引言
-8.2 幂法与反幂法
-8.3 矩阵的正交分解
-8.4 QR方法
--8.4 QR方法
-8.5 Jacobi方法
-第8章 作业
--第8章 作业
-9.1 引言
-9.2 牛顿-柯特斯公式
-9.3 复合牛顿-柯特斯公式
-9.4 龙贝格算法
-9.5 高斯型求积公式
-9.6 数值微分
--9.6 数值微分
-10.1 引言
--10.1 引言
-10.2 梯形公式和改进的欧拉方法
-10.3 单步法的误差与稳定性收敛性
-10.4 高阶单步方法
-10.5 线性多步法
-10.6 多步法的误差与稳定性
-10.7 一阶微分方程组与高阶微分方程
-第10章 作业
--第10章 作业