第五章 迭代法51迭代过程的收敛性 迭代加速

合集下载

第5节_迭代法的收敛性

第5节_迭代法的收敛性
x ≠0
Bx x

Bx1 ቤተ መጻሕፍቲ ባይዱ1
= 1,与已知矛盾!
线性方程组迭代法收敛性
推论1:对任意初始向量x (0)和右端项g,若 M < 1, 由迭代式 x ( k +1) = Mx ( k ) + g产生的向量序列{ x ( k ) }收敛.
证明:矩阵范数性质3:ρ ( A) ≤ || A ||
迭代法收敛与否只决定于迭代矩阵的谱半径,与初始向 量及右端项无关。 对同一方程组,由于不同的迭代法迭代矩阵不同,可能 出现有的方法收敛,有的方法发散的情形。
且至少有一个i值,使上式中不等号严格成立,则称A为弱 对角占优阵。若对所有i,上式不等号均严格成立,则称A 为严格角占优阵。
定义:如果矩阵A不能通过行的互换和相应的列互换成 A11 为形式 A = 0 A12 ,其中A11,A22为方阵,则称A为不可约。 A22
1 1 0 2 1 0 P = I13 例: A = 1 1 0 PT AP = 0 1 1 → 0 1 2 0 1 1
k →∞
证:设u为A特征值λ对应的特征向量, 则:Ak u = λ Ak -1u =...=λ k u 即:λ k为矩阵Ak的特征值。
ρ 所以:(Ak) [ ρ ( A)]k =
线性方程组迭代法收敛性
1- ρ ( A) > 0, 2 定理:设A为任意n阶方阵, 存在矩阵范数 ,使得 则对任意正数ε , 存在矩阵 1 + ρ ( A) A ≤ ρ ( A) + ε = <1 范数 ,使得: 2 证: 充分性:若ρ ( A) < 1 ,取ε = 则有: A = 0 lim
Gauss-Seidel迭代收敛性:

迭代法和收敛性

迭代法和收敛性

x1(k x2(k
1) 1)
0.2x2(k) 0.1x3(k) 0.3
0.2x1(k )
0.1x3(k) 1.5 , k
0,1, 2,
x3(k
1)
0.2x1(k )
0.4x2(k )
2
迭代计算
x(0) 0 [0, 0, 0]T
x(1) 1
0.3
x(1) 2
1.5
x1(k x2(k
其中系数矩阵非奇异,且主对角元aii≠0,(i
=1,2,…,n),由第i 个方程解出xi,有
x1
1 a11
(b1
a12 x2
a13 x3
x2
1 a22
(b2
a21x1
a23x3
xn
1 ann
(bn
an1x1
an2 x2
a1n xn ) a2n xn )
ann1xn1)
建立迭代格式
aij
x
( j
k
)
)
j i 1
加速
x ( k 1) i
( k 1)
xi
(1 ) xi(k )
i 1, 2, , n
或合起来写成迭代加速的形式
x (k 1) i
aii
(bi
i 1
a x (k 1) ij j j 1
n
aij
x
(k j
)
)
(1
)
xi( k
)
j i1
参数 称为松弛因子, 1 时迭代格式就是高斯-
x (k1) i
1 aii
(bi
n
aij x j(k ) ),
j1
(i 1,2,, n)

5.4 分块迭代法

5.4 分块迭代法

下面介绍更一般的迭代法,其基本思想是将方程 Ax = b 中的A分块,将 x 和 b 也进行相应地分块,然后将每个子块视为一个元素,并按照点迭代法类似地
进行迭代,称这种迭代法为块迭代法。下面给出具体描述。
设A ∈ Rn×n 可写成分块形式
⎜⎛ A11 A12 L A1r ⎟⎞
A
=
⎜ ⎜ ⎜⎜⎝
A21 M Ar1
j =i +1
第五章线性方程组迭代解法
块超松弛法:
i −1
r
∑ ∑ A x(k+1) ii i
=
Aii x(k )
+ ω (bi

A x(k +1) ij j

Aij
x
(k j
)
),
i
= 1,2,L, r。(5.
4. 3)
j =1
j =i
在实际计算中,对每个i ,(5. 4. 1)~(5. 4. 3)都分别是 组,一般用直接方法求解。在大型方程组的情形,n 是大数,而
第五章线性方程组迭代解法
5.4 分块迭代法
5.4.1 分块迭代公式的构造
5.4.2 分块迭代法的收敛性
5. 4.1 分块迭代公式的构造
第五章线性方程组迭代解法
前面所讨论的迭代法,一次只计算一个分量。要完成一次迭代,需要逐个地
计算迭代解向量中的每一个分量,直到算出全部分量的值。然后再进行下一次迭
代,使解向量达到计算精度为止。通常,称这种迭代法为点迭代法。
令 A = DB − LB −U B ,其中 DB = diag( A11, A22 ,L, Arr ),
⎜⎛ 0
LB
=
−⎜⎜ ⎜⎜⎝

2.2 迭代法的一般形式与收敛性定理

2.2 迭代法的一般形式与收敛性定理

设aii0 (i=1,2,,n),并将A写成三部分
0 a11 a 21 0 a 22 A a n 1 ,1 a n 1 , 2 0 a nn a n 2 a n , n 1 a n1 0 a12 a1,n1 a1n 0 a 2 , n 1 a 2 n 0 a n 1, n 0 D LU. 0

k
B ( H )
k
两边取对数得: k ln ( H ) ln k
ln ln ( H )
定义:
ln ( H )
为迭代法(2.2.3)的渐近收敛速 度。
解线性方程组的迭代法
线性方程组
a11 x1 a12 x2 a x a x 21 1 22 2 an1 x1 an 2 x2 a1n xn b1 a2 n xn b2 ann xn bn
复习:矩阵的谱半径 设λ是矩阵A相应于特征向量x的特征值,即 Ax=λx 向量-矩阵范数的相容性,得到 |λ| || x ||=||λx|| =|| Ax|| ≤ || A || ||x|| 从而,对A的任何特征值λ均成立 |λ|≤|| A || ( 3)
设n阶矩阵A的n个特征值为λ1,λ2,…λn,称 ( A) max i
x ( k 1) x* H ( x ( k ) x* )
由此递推:x ( k 1) x* H k 1 ( x ( 0) x* ), k 0,1,2,
x 是线性方程组Ax=b的解
x* Hx* g
x
k 1
*

迭代法的收敛性

迭代法的收敛性


det[I (D L)1U ] 0
从而 det(D L)1 det[(D L) U ] 0
所以
det[(D L) U ] 0
可得
因为
|aii| |aij | ji
i1
n
|||aii||| |aij ||| |aij |
j1
j i 1
i1
n
n
|| |aij| |aij| (||1) |aij|
(1)写出解该方程组旳Jacobi迭代旳迭代
阵,并讨论迭代收敛旳条件;
(2)写出解该方程组旳G-S迭代旳迭代阵, 并讨论迭代收敛旳条件。
17
补充例题
例:AX=b为二元线性方程组, 证明:解该方程组旳Jacobi迭代与G-S迭 代同步收敛或同步发散。
18
9
特殊方程组迭代法旳收敛性
4 1 1 问题:该矩阵具有怎样旳特点?
2 5 1 1
2
3
结论:该矩阵是严格对角占优阵
定义:假如矩阵A旳元素满足
jn
| aii | | aij | i 1,2,3,, n j 1 ji
则称A为严格对角占优矩阵。
10
特殊方程组迭代法旳收敛性
定理:若线性方程组AX=b旳系数矩阵A为 严格对角占优矩阵,则解该方程组旳Jacobi 迭代法和G-S迭代法均收敛。
2
一阶定常迭代法旳收敛性
则: (k 1) B (k ) B 2 (k 1) B k 1 (0)
注意 (0) x(0) x * 为非零常数向量
所以迭代法收敛旳充要条件
lim (k1) lim( x(k1) x*) 0
k
k
可转变为
lim Bk1 0

《迭代法及其收敛性》课件

《迭代法及其收敛性》课件
猜测一个初始解,作 为迭代的起点。
2 建立迭代公式
根据问题的特性和已 知条件,建立迭代公 式。
3 判断迭代是否收敛
判断迭代得到的解是 否足够接近真实解, 停止迭代。
迭代法的例子
牛顿迭代法
用于求解方程的数值方 法,通过不断迭代逼近 方程的根。
埃特金迭代法
用于求解线性方程组的 数值方法迭代法
用于求解线性方程组的 数值方法,通过不断迭 代逼近方程组的解。
迭代法的收敛性
收敛性是指迭代得到的解越来越接近真实解,而收敛速度是指迭代得到的解 的收敛速度有快有慢。
收敛速度的度量方法
1 零点误差
迭代得到的解与真实 解之间的差距。
2 牛顿数列
迭代得到的解之间的 差值的变化规律。
3 收敛阶
《迭代法及其收敛性》 PPT课件
迭代法及其收敛性
迭代法是一种求解数值问题的方法,通过反复迭代得到更精确的解。这个PPT 课件将讲解迭代法的定义、步骤、例子以及收敛性的度量方法。
什么是迭代法?
迭代法是一种求解某些数值问题的方法,从一个猜测的解开始,通过反复迭 代得到更精确的解。
迭代法的步骤
1 猜测初始解
迭代得到的解的收敛 速度的量化指标。
如何判断迭代是否收敛?
1 绝对误差减小
迭代得到的解的绝对 误差逐渐减小。
2 相对误差减小
迭代得到的解的相对 误差逐渐减小。
3 后验估计准则
通过计算后验估计准 则判断迭代的结果是 否满足要求。
总结
1 迭代法是一种常用的数值求解方法 2 收敛性和收敛速度是迭代法的重要评价指标 3 判断迭代收敛的方法有多种,需要根据问题具体情况选择

迭代法

迭代法

迭代法编辑迭代法也称辗转法,是一种不断用变量的旧值递推新值的过程,跟迭代法相对应的是直接法,即一次性解决问题。

迭代法又分为精确迭代和近似迭代。

“二分法”和“牛顿迭代法”属于近似迭代法。

迭代算法是用计算机解决问题的一种基本方法。

它利用计算机运算速度快、适合做重复性操作的特点,让计算机对一组指令(或一定步骤)进行重复执行,在每次执行这组指令(或这些步骤)时,都从变量的原值推出它的一个新值。

目录1算法▪确定迭代变量▪建立迭代关系式▪对迭代过程进行控制▪举例2递归的基本概念和特点1算法编辑迭代是数值分析中通过从一个初始估计出发寻找一系列近似解来解决问题(一般是解方程或者方程组)的过程,为实现这一过程所使用的方法统称为迭代法(Iterative Method)。

一般可以做如下定义:对于给定的线性方程组x=Bx+f(这里的x、B、f同为矩阵,任意线性方程组都可以变换成此形式),用公式x(k+1)=Bx(k)+f(括号中为上标,代表迭代k次得到的x,初始时k=0)逐步带入求近似解的方法称为迭代法(或称一阶定常迭代法)。

如果k趋向无穷大时limx(k)存在,记为x*,称此迭代法收敛。

显然x*就是此方程组的解,否则称为迭代法发散。

跟迭代法相对应的是直接法(或者称为一次解法),即一次性的快速解决问题,例如通过开方解决方程x +3= 4。

一般如果可能,直接解法总是优先考虑的。

但当遇到复杂问题时,特别是在未知量很多,方程为非线性时,我们无法找到直接解法(例如五次以及更高次的代数方程没有解析解,参见阿贝耳定理),这时候或许可以通过迭代法寻求方程(组)的近似解。

最常见的迭代法是牛顿法。

其他还包括最速下降法、共轭迭代法、变尺度迭代法、最小二乘法、线性规划、非线性规划、单纯型法、惩罚函数法、斜率投影法、遗传算法、模拟退火等等。

利用迭代算法解决问题,需要做好以下三个方面的工作:确定迭代变量在可以用迭代算法解决的问题中,至少存在一个直接或间接地不断由旧值递推出新值的变量,这个变量就是迭代变量。

收敛加速的方法

收敛加速的方法

(2) | ( x ) | L 1
| x x k |
x k ( x k 1 ) 证 * * x (x )
1 L | x k x * || ( x k 1 ) ( x * ) |
| ( ) || x k 1 x * |
*
x1 ( x0 )
x2 ( x1 )
如果 x2 x1 ,则 如果 x2 x1 ,把 x2作为根的新的预测值代入(1)...... 如此重复上述步骤,则有迭代公式
x2 x
*

xk 1 ( xk ) ( k = 0, 1, 2, · · ·)
( x ) :迭代函数,得到迭代序列 其中,
如果后两种情况之一发生 , 则意味着找到一个比原 来的区间长度小一半的有根区间 ,舍去无根区间,将有根 区间再次一分为二 ,如此周而复始,实际上就是将有根区 间缩小到充分的小,从而找到满足精度的近似根. 1 算 法 对 区 间 [ a , b ] 取 中 点 x 0 ( a b ) , 计 算 f ( x0 ) . 若 2
2n 1
将一个计算过程反复进行
一种常见常用的计算技术
构造有效的迭代格式
选取合适的迭代初值
对迭代格式进行收敛性分析
迭代原理 迭代是一种逐次逼近过程求解问题的方法. 已知方程 f ( x ) 0 的一个近似根后,通常使用某个固定公式反 复校正根的近似值
作法:迭代的三个主要部分
1 选取初值 把给定的方程 f ( x ) 0 改写成等价形式 f (x)= 0
f ( x0 ) 0 , 则 x0 就 是 方 程 的 根 ; 若 f ( x0 ) f (a ) 0 , 取 a1 a , b1 x0;若 f ( x0 ) f (b) 0 取 a1 x0 , b1 b .

迭代法

迭代法

一,对迭代法进行简介迭代法又称为辗转法,是用计算机解决问题的一种基本方法,为一种不断用变量的旧值递推新值的过程,与直接法相对应,一次性解决问题。

迭代法分为精确迭代和近似迭代,“二分法”和“牛顿迭代法”属于近似迭代法。

迭代法利用计算机运算速度快、适合做重复性操作的特点,让计算机对一组指令(或一定步骤)进行重复执行,在每次执行这组指令(或这些步骤)时,都从变量的原值推出它的一个新值。

迭代是数值分析中通过从一个初始估计出发寻找一系列近似解来解决问题(一般是解方程或者方程组)的过程,为实现这一过程所使用的方法统称为迭代法(Iterative Method)。

一般可以做如下定义:对于给定的线性方程组x=Bx+f(这里的x、B、f同为矩阵,任意线性方程组都可以变换成此形式),用公式x(k+1)=Bx(k)+f(括号中为上标,代表迭代k次得到的x,初始时k=0)逐步带入求近似解的方法称为迭代法(或称一阶定常迭代法)。

如果k趋向无穷大时limx(k)存在,记为x*,称此迭代法收敛。

显然x*就是此方程组的解,否则称为迭代法发散。

跟迭代法相对应的是直接法(或者称为一次解法),即一次性的快速解决问题,例如通过开方解决方程x +3= 4。

一般如果可能,直接解法总是优先考虑的。

但当遇到复杂问题时,特别是在未知量很多,方程为非线性时,我们无法找到直接解法(例如五次以及更高次的代数方程没有解析解,参见阿贝耳定理),(这是为什么迭代法可以求解复杂方程的原因之一)。

这时候或许可以通过迭代法寻求方程(组)的近似解(还是没有详细解释选用迭代法的原因)。

最常见的迭代法是牛顿法。

其他还包括最速下降法、共轭迭代法、变尺度迭代法、最小二乘法、线性规划、非线性规划、单纯型法、惩罚函数法、斜率投影法、遗传算法、模拟退火等等。

利用迭代算法解决问题,需要做好以下三个方面的工作:1.确定迭代变量在可以用迭代算法解决的问题中,至少存在一个直接或间接地不断由旧值递推出新值的变量,这个变量就是迭代变量。

复变函数迭代法的收敛性和稳定性分析

复变函数迭代法的收敛性和稳定性分析

复变函数迭代法的收敛性和稳定性分析首先,我们来分析复变函数迭代法的收敛性。

复变函数迭代法的收敛性取决于两个因素:初值的选择和迭代公式的选择。

对于初值的选择,通常情况下我们选择初值离所求解的收敛点较近的一个点作为初始点。

若初值选择的较好,则迭代法的收敛速度会较快。

对于迭代公式的选择,我们需要保证迭代公式的解是复平面上的函数的连续值。

只有满足该条件,才能保证迭代法的收敛性。

一般情况下,我们可以通过研究迭代公式的导数和迭代法的收敛条件来判断迭代法的收敛性。

现在,我们来分析复变函数迭代法的稳定性。

稳定性是指迭代过程中解的误差是否随着迭代次数的增加而逐渐减小。

在复变函数迭代法中,稳定性通常是通过分析迭代序列的收敛半径来确定的。

如果迭代方程的任何一个小邻域都能有收敛点,那么迭代法是稳定的;如果存在一个小邻域,该区域内的所有点都不收敛,那么迭代法是不稳定的。

此外,我们还需要考虑迭代过程是否会发散。

如果迭代过程中的解趋向于无穷大或者发散到无穷大,那么迭代法的稳定性就不能保证了。

综上所述,对于复变函数迭代法的收敛性和稳定性分析,我们需要考虑初值的选择、迭代公式的选择以及迭代过程中解的误差的减小程度。

只有在满足迭代公式的收敛条件下,初始点附近存在收敛点,并且迭代过程中解的误差随着迭代次数的增加而减小,才能保证复变函数迭代法的收敛性和稳定性。

当然,在具体的问题中,我们还需要具体分析迭代公式的特点和问题的性质,来判断复变函数迭代法的收敛性和稳定性。

在实际应用中,我们可以利用计算机进行迭代计算,通过观察迭代序列的变化情况来判断复变函数迭代法的收敛性和稳定性。

总结起来,复变函数迭代法的收敛性和稳定性分析是一个相对复杂而且具有挑战性的问题。

在实际应用中,我们需要综合考虑迭代公式的性质、初值的选择以及解的误差的减小情况,来评估复变函数迭代法的收敛性和稳定性。

简单迭代法

简单迭代法
迭代公式可能收敛,也可能发散,那么
(1)当迭代函数(x)满足什么条件时,相应的迭代公式 xk+1=(xk)才收敛?
(2)当迭代收敛时,迭代值的误差如何估计? 我们也不能无穷迭代下去,只能迭代有限次,所以需 要估计迭代值的误差,以便适时终止迭代。
迭代格式有多种,如何选择迭代函数才能保证迭 代法的数列收敛?有如下定理:
计式,得:
x* xk
Lk 1 L
x1 x0
计算方法二③
16/32
注1:定理2.1给出了一个收敛的迭代数列{xk}的误差 估计式。利用它,在给定精度ε>0后,只要计算到
L 1 L
|
xk

xk 1
|

就有:|x*-xk|<ε
即:只要前后两次迭代值的差值足够小,就 可使近似值xk达到任意的精度要求。
计算方法二③
记 x3=(x2) 如此反复计算…… xk+1=(xk) ,(k=0,1,2,…)
8/32
当{xk}收敛于a,而(x)是连续函数时,那么a
就是所求方程的根x* 。这是因为
a

lim
k
xk 1

lim
k

(
xk
)

(lim k
xk
)

(a)
a即是(x)的不动点。 即:x*=a
一般地,我们称(x)为方程f(x)=0的迭代函数,上
述求根的方法,称为简单迭代法。
迭代函数(x)的构造方法是多种多样的。
计算方法二③
5/32
例1 用迭代法求方程x3-x-1=0在x=1. 5附近的根。 解:先将原方程改写为如下两种等价形式:
x=1(x) 3 x 1

迭代法

迭代法

迭代方法,也称为抛掷和翻转方法,是从变量的旧值连续递归新值的过程。

与迭代方法相对应的是直接方法(或一次性解决方案),即一次解决问题。

迭代算法是计算机解决问题的基本方法。

它利用计算机的快速运行速度并适合于重复操作,并使计算机重复执行一组指令(或某些步骤)。

每次执行这组指令(或这些步骤)时,都会从原始值中得出新的变量值。

迭代方法分为精确迭代和近似迭代。

典型的迭代方法(例如“二分法”和“牛顿迭代法”)是近似迭代方法。

迭代方法的主要研究课题是为有问题的问题构造收敛的迭代方案,并分析它们的收敛速度和收敛范围。

迭代方法的收敛定理可分为以下三类:
①局部收敛定理:假设存在问题的解,则可以得出结论,当初始逼近足够接近解时,迭代方法就会收敛;
②半局部收敛定理:在不假设解存在的前提下,得出迭代法根据迭代法在初始逼近时所满足的条件收敛到问题的解;
③大规模收敛定理:得出的结论是,替换方法收敛于问题的解,而无需假设初始近似值足够接近该解。

代换法广泛用于求解线性和非线性方程,优化计算和特征值计算。

迭代过程何时结束?这是编写迭代程序时必须考虑的问题。

迭代过程不能无休止地重复。

迭代过程的控制通常可以分为两种情况:一种是所需的迭代次数是某个值,并且可以计算;另一个是无法确定所需的
迭代次数。

在前一种情况下,可以构造固定数量的循环来控制迭代过程。

在后一种情况下,有必要进一步分析结束迭代过程的条件。

常用算法——迭代法

常用算法——迭代法

常用算法——迭代法迭代法是一种常见的算法设计方法,它通过重复执行一定的操作来逐步逼近问题的解。

迭代法是一种简单有效的求解问题的方法,常用于求解数值问题、优化问题以及函数逼近等领域。

本文将介绍迭代法的基本概念、原理以及常见的应用场景。

一、迭代法的基本概念迭代法的思想是通过反复应用一些函数或算子来逐步逼近问题的解。

对于一个需要求解的问题,我们首先选择一个初始解或者近似解,然后通过不断迭代更新来逼近真实解。

迭代法的核心是找到一个递推关系,使得每次迭代可以使问题的解越来越接近真实解。

常见的迭代法有不动点迭代法、牛顿迭代法、梯度下降法等。

这些方法的求解过程都是基于迭代的思想,通过不断逼近解的过程来得到问题的解。

二、迭代法的原理迭代法的基本原理是通过不断迭代求解迭代方程的解,从而逼近问题的解。

迭代法的求解过程通常分为以下几个步骤:1.选择适当的初始解或者近似解。

初始解的选择对迭代法的收敛性和效率都有影响,一般需要根据问题的特点进行合理选择。

2.构建递推关系。

通过分析问题的特点,构建递推关系式来更新解的值。

递推关系的构建是迭代法求解问题的核心,它决定了每次迭代如何更新解的值。

3.根据递推关系进行迭代。

根据递推关系式,依次更新解的值,直到满足收敛条件为止。

收敛条件可以是解的变化小于一定阈值,或者达到一定的迭代次数。

4.得到逼近解。

当迭代停止时,得到的解即为问题的逼近解。

通常需要根据实际问题的需求来判断迭代停止的条件。

三、迭代法的应用迭代法在数值计算、优化问题以及函数逼近等领域有广泛的应用。

下面将介绍迭代法在常见问题中的应用场景。

1.数值计算:迭代法可以用于求解方程的根、解线性方程组、求解矩阵的特征值等数值计算问题。

这些问题的解通常是通过迭代的方式逼近得到的。

2.优化问题:迭代法可以应用于各种优化问题的求解,如最大值最小化、参数估计、模式识别等。

迭代法可以通过不断调整参数的值来逼近问题的最优解。

3.函数逼近:迭代法可以应用于函数逼近问题,通过不断迭代来逼近一个函数的近似解。

牛顿迭代法

牛顿迭代法

2.牛顿迭代法的几何解析
在 x0 处做曲线的切线,切线方程为
y f (x0 ) f (x0 ) f ' (x0 )(x x0 )
令 y 0可得切线与 x 轴的交点坐标
x1 x0
f (x0 ) f ' (x0 )
,这
就是牛顿迭代法的迭代公式。因此,牛顿法又称“切线
法”。
y
y f (x)
n=0;eps=1.0e-5;
x=0.5;
while abs(x-0.625*exp(-x)-0.375*x)>eps
x=0.625*exp(-x)+0.375*x;n=n+1;
end
x,n 结果为0.5671,n=3,说明迭代三次后达到精度要求。
练习5 对练习中方程
,用加快后的迭代格式
x ex
h(x) g(x) xg ' (x) 求x=0.5附近的根,精确到10-5 1 g'(x)
o
x2 x1 x0
x
牛顿迭代法
3.牛顿迭代法的收敛性
计算可得 g'(x)
f (x) f ''(x) [ f ' (x)]2
,设 x* 是 f (x) 0 的单根,
有 f ' (x*) 0 ,f (x*) 0 则
g' (x*)
f (x* ) f '' (x* ) [ f ' (x* )]2
x=x-(x*exp(x)-1)/((x+1)*exp(x)) end 可得迭代数列前6项为1.0000 ,0.6839, 0.5775
0.5671,0.5671,说明迭代实收敛的。 如果取初值为10,相应的MATLAB代码为 clear; x=10.0; for i=1:20

迭代法收敛性分析

迭代法收敛性分析
(1) ||X(k)X *| | ||B|| ||X(k)X(k1)||
1||B||
(2) ||X(k)X*| | ||B|k | ||X(1)X(0)||
1||B||
博学之,审问之,慎寺之,明辩之, 笃行之。精心整理,欢迎收藏
1133 /18
证 由||B||<1,有
limX(k) X*
B注k+31: X(k) =B X(k-1) + f = B(B X(k-2) + f) + f =····
= Bk X(0) + ( I + B + ····+ Bk-1)f
≈ ( I – B )-1 f
博学之,审问之,慎寺之,明辩之, 笃行之。精心整理,欢迎收藏
99/18
例 线性方程组 A X = b, 分别取系数矩阵为
误差估计:
||X(k)X *| | ||B|| ||X(k)X(k1)|| 1||B||
||X(k)X*| | ||B|k | ||X(1)X(0)|| 1||B||
博学之,审问之,慎寺之,明辩之, 笃行之。精心整理,欢迎收藏
1155 /18
n
定义4.1 A=(aij)n×n, 如果 | a ii | | a ij |
2 2 0 B1=D\(D-A1); max(abs(eig(B1)))
(BJ)1 Ans= 1.2604e-005
博学之,审问之,慎寺之,明辩之, 笃行之。精心整理,欢迎收藏
1100 /18
0 2 2 BS 0 2 3
0 0 2
DL=tril(A1) B1=DL\(DL-A1) max(abs(eig(B1)))
迭ห้องสมุดไป่ตู้法

第五章 方程求根的数值解法

第五章 方程求根的数值解法
6
逐次搜索法
在 x 的不同取值点上计算 f (x),观察 f (x) 的符号, 只要在充分接近的相邻两点函数值 f (x) 反号,则以该 两点为端点的区间必然是有根区间 例:求方程 f ( x ) x 3 11.1 x 2 + 38.8 x 41.77 0 的有 根区间. 解:取步长为 1 对方程的根进行搜索,结果如下: x f (x) 符号 0 1 2 + 3 + 4 5 6 +
迭代法
迭代法又称逐次迭代法,其基本思想是构造不动点 方程,以求得近似根(如果 x * 满足 x * ( x * ),则称 x * 为 (x) 的不动点) 由方程 f (x) 0 变换为 x (x),然后建立迭代格式
xn +1 ( xn ) n 0,1,2,
当给定初值 x0 后,由迭代格式可求得一系列准确根 的近似值,组成迭代序列 {xn}。
[a0 , b0 ] [a1 , b1 ] [a2 , b2 ] 个区间的宽度的一 半,因此 [an, bn] 的宽度为 : 1 1 1 bn an (bn1 an1 ) 2 (bn 2 an 2 ) n (b0 a0 ) 2 2 2 取每个有根区间的中点 xi (ai + bi ) 2 作为 x* 的近 似值,则在二分过程中,可以得到一系列精度越来 越高的方程根的近似值序列:
8
二分法(续)
假设已找到 f (x) 的较为粗略的有根区间 [a0, b0], 并且 f (x) 在 [a0, b0] 上连续 取中点 x0 (a0 + b0 ) 2 将区间 [a0, b0] 分成两半,检 查 f (x0) 与 f (a0) 是否同号?
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第五章 方程求根的迭代法
第一节 迭代过程的收敛性
迭代法的思想 压缩映像原理 局部收敛性 收敛性的阶
非线性方程的根
求 f (x) = 0 的根
代数方程: f (x) = a0 + a1x + . . . + anxn 超越方程: f (x) 含超越函数,如 sin(x), ex, lnx 等 实根与复根 根的重数
p! xk 1 x*
并且有
( p ) (k )
p!
( xk x*)
p
ek 1 1 ( p) ( x*) p k e p! k lim
必要性(不证). 设迭代 xk+1 = (xk) 是 p 阶收敛。 迭代两边取极限 ,由 (x) 的连续性可知 x* = (x*) 。
动点,也就是 f (x) 的零点。
几何含义:求曲线 y = (x) 与直线 y = x 的交点
y p1 p0
y=x y= (x)
y p0
y=x

p1 x x0 y y=(x) p0 x* x1

y= (x) x
x0 y
x1 x2 x* y= (x) y=x
y=x
p0 p1 x1 x0 x*
这种在 x* 的邻域内具有的收敛性称为局部收敛性。
具有局部收敛性的迭代计算上不一定收敛,它是否收敛还 要看初值是否取的恰当; 而不具有局部收敛性的迭代对任何初值都不可能收敛。
例 用不同方法求 x23 = 0的根 3 , 取 x0=2.
2 xk 3 迭代公式1:xk 1 xk 迭代公式2: xk 1 3 / xk 2 x x ( x 迭代公式3: k 1 k k 3) / 4 迭代公式4:xk 1 ( xk 3 / xk ) / 2 计算结果:k xk 方法1 方法 2
( x*) x*, '( x*) ''( x*) ( p1) ( x*) 0, ( p ) ( x*) 0
ek 1 1 ( p) lim p ( x*) k e p! k 证明:充分性. 根据泰勒展开有 ( p ) (k ) xk 1 ( xk ) ( x*) '( x*)( xk x*) ... ( xk x*) p
xk 2 2 xk 1 xk
yk ( xk ), zk ( yk ) 2 y x k k xk 1 xk zk 2 yk xk
Aitken 加速
Aitken加速的收敛阶
定理 设 (x) 在不动点 x* 的某个邻域内具有二阶连续导数, ’(x*)=L1 且 L0 ,则Aitken加速二阶收敛到 x* 。
1 D
( x) 等价于 x ( x), 所以此格式定义合理。 x '( x ) D '( x ) 0, 故选择适当的D, 可能使 | '( x) || '( x) |,
1 D
从而此迭代格式应该比原迭代格式的收敛速度更快!
埃特金(Aitken)加速
1 2.375 2 12.4 3 1904
精确解x* =
1.3247179...
怎么判断迭代公式收敛或发散呢?
压缩映像原理
定理 (压缩映像原理,不动点原理) 4.1 设 (x)C[a, b] 且一阶导数连续,若 (1) a (x) b 对一切 x[a, b] 都成立 封闭性
(2) 0 L < 1,使得 | ’(x) | L 对 x[a, b] 成立 压缩性 则函数 f (x) = x - (x) 在 [a, b] 中有唯一的零点 x*。 x* 称为 (x) 的不动 点 f(x) 在[a, b] 上有零点。 唯一性:反证法,假设存在 x*, y*[a, b] 使得
设: '( ) '( xk )
xk 1 '( xk ) xk x* 1 '( xk )
k )x k ( x ) '( x k x k 1 1 '( xk )
x k ) 如何避免计算导数? 缺点:每次迭代需计算 '(
等价变换
x = (x) 称为迭代函数
(x) 的不动点x*
不动点迭代
具体做法:
从一个给定的初值 x0 出发,计算 x1 = (x0), x2 = (x1), … x 若 k k 0 收敛,即存在 x* 使得 lim x k x *,则由 的连续
k
xk 1 lim xk 可得 x* = (x*),即 x* 是 的不 性和 lim k k
f (x) = ( x – x*)m ·g(x) 且 g(x*) 0, 则 x* 为 f (x) 的 m 重根
有根区间:[a, b] 上存在 f (x) = 0 的一个实根 研究 内容: 在有根的前提下求出方程的近似根。
迭代法的思想
基本思想
f (x) = 0 f (x) 的零点x* xk+1 = (xk)
ek 1 xk 1 x* ( xk ) ( x*) '( )ek ek 1 lim '( x*) 0 取极限得 k 线性收敛. e k
p 阶收敛
定理 4.3
设迭代 xk+1 = (xk) ,若 (p)(x) 在 x* 的某邻域内连续, 则该迭代法具有 p 阶收敛的充要条件是
证明:略
迭代加速法的优点: 1.加快迭代过程的收敛速度 2.将发散的迭代格式加工成收敛的
为了避免计算导数, 还可以进行如下改进:
xk 1 x* '(k )( xk x*) xk 2 x* '(k 1 )( xk 1 x*)
'( k ) '( k 1 ) 设:
x* xk
xk 1 xk
2
xk 1 x * xk x * xk 2 x * xk 1 x *
设 p0 是满足
'( x*) '( x*) ( p 1) ( x*) 0, ( p ) ( x*) 0
0 0
的最小正整数。 由充分性的证明过程可知迭代 p0 阶收敛。
ek 1 ek 1 1 p0 p p0 又 p ek ek ek
若 p0 < p, 与迭代 p 阶收敛矛盾, 若 p0 > p, 与迭代 p0 阶收敛矛盾. p0 = p
第五章 方程求根的迭代法
第二节 迭代加速
迭代加速
设有不动点迭代:xk1 ( xk )
xk 1 x* ( xk ) ( x*) '( )( xk x*)
x* xk 1 '( ) xk 1 '( )
( 在 xk 和 x* 之间)
迭代加速
* 设: '( ) '( x ) '( ) D 简化:
x*
xk 1
xk 1 Dxk ( xk ) Dxk 1 D 1 D
1 D
( xk ) Dxk
“迭代-加速”格式
( x ) Dx ( x ) 迭代函数由 变为 ( x )
后验估计: 先验估计:
1 | x k x* | | xk 1 xk | 1 L
Lk | xk x* | | x1 x0 | 1 L
可用| x k+1-xk | 来 控制收敛精 度, L 越小收敛越快.
证: (a) 由压缩映像定理可知,不动点 x* 存在且唯一。
| xk x*| ( xk1 ) ( x*) | '( ) | | xk1 x*| L | xk1 x*|
| xk x*| L | xk1 x*| L2 | xk2 x*| Lk | x0 x*|
lim | xk x* | 0
k
即 lim xk x *.
k
(b) | xk1 x*| L | xk x*|
| xk1 xk | | ( xk1 x*) ( xk x*) | xk x * xk1 x * (1 L) xk x * 1 xk x * xk 1 xk 1 L 又 | xk1 xk | ( xk ) ( xk1) | '( ) | | xk xk1 | L | xk xk1 |

x x0 x*
p1

x
x1

x3x1 = 0, [1,2], 取 x0=1.5
k 1
3 x x 迭代公式1: k 1 k 1
迭代公式2: x 计算结果:
公式1:
( xk 1)
1 3
k 0
公式2:
xk 1.5
k 0
xk 1.5
1 1.35721 2 1.33086 3 1.32588 4 1.32494 5 1.32476 6 1.32473 7 1.32472
(x*) = x*
简证: f(a) = a - (a) 0 , f(b) = b - (b) 0 x* = (x*) y* = (y*)
x * y * ( x*) ( y*) | '( ) |x * y * L x * y * 矛盾!
Байду номын сангаас
收敛性分析
定理 设 (x)C[a, b] 且一阶导数连续,若 4.1 (1) a (x) b 对一切 x[a, b] 都成立 (2) 0 L < 1,使得 | ’(x) | L 对 x[a, b] 成立 则有 (a) 对任意 x0[a, b],由 xk+1 = (xk) 产生的迭代序列 xk k 0 均收敛到 (x) 在 [a, b] 中的唯一不动点 x*。 (b) 有如下的误差估计
相关文档
最新文档