1.简介
数值分析是一门广泛的学科,与数学、计算机科学、工程和应用科学有着密切的联系。数值分析中最基本、最早的问题之一是高效、准确地找到近似的局部唯一解形式方程的哪里F类是定义在凸子集上的Fréchet可微算子D类属于X(X)值在中Y(Y),其中X(X)和Y(Y)是巴纳赫空间。 求解此类方程的分析方法几乎不存在,无法获得所需根的精确数值。因此,只有依靠基于迭代程序的数值方法,才能获得近似解,并且必须满足达到任何指定精度的近似解。因此,世界各地的研究人员采用迭代方法,并提出了大量的迭代方法[1,2,三,4,5,6,7,8,9,10,11,12,13,14,15,16]. 然而,使用这些迭代方法,研究人员面临着收敛速度慢、不收敛、发散、效率低下或失败的问题(有关详细信息,请参阅Traub[15]和佩特科维奇等。[13]). 迭代方法的收敛性分析通常分为两类:半局部收敛分析和局部收敛分析。半局部收敛问题是基于初始点周围的信息,给出确保迭代过程收敛的准则。另一方面,局部收敛是基于解周围的信息,以找到收敛球半径的估计值。迭代过程研究中一个非常重要的问题是收敛域。因此,提出迭代方法的收敛半径是非常重要的。
我们研究了为每种方法定义的三步方法的局部收敛性分析通过哪里是初始点,,是任意两点最优四阶格式。方案的八阶收敛性(2)显示在中[1]何时和对于和。那是当是运算符一阶的除以差F类[5,6]. 利用泰勒级数展开和达到五阶导数的假设,证明了局部收敛性。关于F类和H(H)限制方案的适用性(2). 作为激励示例,定义功能F类在,通过 我们可以很容易地发现在上无边界在这一点上。因此,结果如下[1],无法应用于显示方案的收敛性(2)或其特殊情况需要对函数的五阶导数进行假设F类或更高。特别要注意,有很多迭代方法可以用来近似非线性方程的解[1,2,三,4,5,6,7,8,10,11,12,13,14,15,16]. 这些结果表明,初始猜测应接近相应方法收敛所需的根。然而,相应方法的收敛性需要多少初始猜测?这些局部结果没有给出相应方法的球收敛半径的信息。同样的技术也可以应用于其他方法。 在本研究中,我们扩展了方案的适用性(2)仅使用函数一阶导数的假设F类我们还提出了基于Lipschitz常数的可计算收敛半径和误差界。我们进一步给出了初始猜测的范围这告诉我们,要保证方案的收敛性,需要多大程度的初始猜测(2). 此问题未在中解决[1]. 我们的方法的优点与Scheme中提到的类似(2). 本文的其余部分组织如下:第2节,我们给出了Scheme的局部收敛性分析(2).第3节给出了数值例子,证明了我们的理论结果。最后,结论在第4节。 2.局部收敛:一维情形
在本节中,我们定义了一些标量函数和参数来研究Scheme的局部收敛性(2). 让,,为给定常数。让我们也假设,是不减不减的连续函数。此外,定义函数和。
那么,我们有.通过方程式(三)和中值定理,函数间隔中有零此外,让是最小的零。此外,定义函数和在间隔中通过 我们有以及每个。我们还获得和作为。表示方式函数的最小零点关于区间此外,定义功能问和关于区间通过和。
使用和方程式(三),我们推导出该函数最小零表示为。 最终定义功能和关于区间通过 然后,我们得到和作为。表示方式函数的最小零点关于区间.定义 那么,我们有了以及每个和和分别用于打开和关闭的球X(X)带中心的和半径。 接下来,我们给出了方案的局部收敛性分析(2)使用前面的符号。定理1。 让我们考虑一下是Fréchet可微算子。让我们也假设是一阶差分。假设存在这样方程(三)保持并针对每个和此外,假设存在和这样,对于每个和其中收敛半径r由方程式定义(4)和然后,序列由方案生成(2)对于定义明确,保留在对于每个并收敛到此外,以下估计成立和其中函数由前面定义。此外,对于,极限点是方程的唯一解在里面 证明。 我们将展示估算公式(19)–(21)借助数学归纳法进行掌握。通过假设,方程式(5)和(13),我们明白了 它由方程式得出(22)可逆算子的Banach引理[5,14]那个定义明确 使用方案的第一个子步骤(2)的,方程式(4), (6), (11)和(23),我们依次其中显示了方程式(18)的和然后,根据方程式(三)和(12),我们看到方程(20)如下所示。因此,接下来,我们将展示和。 类似地,但使用方程式(8)而不是方程式(7),我们依次获得 因此,由方案的第三个子步骤明确定义(2)的.我们可以用方程式来写(11) 请注意因此,我们有然后,通过方程式(17)和(29)我们明白了 我们还通过更换通过在方程式中(30)那个自从。 然后,使用Scheme的最后一个子步骤(2)的,方程式(4), (10), (15), (20)(用于), (26), (28)、和(31)那个它显示了方程(21)的和。只需更换,通过,在前面的估计中,我们得出了方程(19)–(21). 然后,根据估计我们的结论是和最后,为了显示唯一性部分,让是这样的.设置然后,使用方程式(14),我们明白了因此,然后,鉴于身份,我们得出结论☐ 备注2.2 - (a)
根据方程式(11)和估计条件方程式(13)可以丢弃,并且M(M)可以替换为或自从 - (b)
此处获得的结果可用于操作员F类满足自治微分方程[5,6]表单的哪里P(P)是已知的连续算子。自我们可以在不知道答案的情况下应用结果让我们举个例子然后,我们可以选择。 - (c)
半径显示在中[5,6]作为条件方程下牛顿方法的收敛半径(11)和(12). 它由方程式得出(4)以及收敛半径对方案的(2)不能大于收敛半径二阶牛顿法。如前所述,至少是Rheinboldt给出的收敛球的大小[14]特别是,对于,我们有和这是我们的收敛球最多是Rheinboldt的三倍大。的相同值由Traub提供[15]。 - (d)
我们将展示如何定义函数和我出现在条件方程式中(三)对于该方法清晰的方法(34)是Scheme的特例(2). 如果然后是方法(34)简化为工术方法[15]. 我们将遵循定理1的证明,但首先我们需要证明.我们明白了就功能而言第页,函数,其中最小零表示为在间隔中.设置然后,我们从方法的最后一个子步骤(34)那个它由方程式得出(36)那个和然后,收敛半径由下式给出
3.数值示例和应用
在本节中,我们将检查我们在第2节关于Sharma和Arora提出的方案[1]. 为此,我们将选择以下示例中提到的各种非线性方程,包括动机示例。此时,我们选择了Sharma和Arora提出的以下八阶方法[1]和记为,和分别是。 最初的猜测在收敛域范围内用选择,这为迭代方法的收敛性提供了保证。由于页数限制,所有参数值仅为5位有效数字,并显示在表1,表2和表3和示例方程式(1)–(三),尽管有100个有效数字可用。具有相应初始猜测、收敛半径和必要迭代次数的考虑测试示例(n个)为了获得所需的精度,显示在表1,表2和表3。 此外,我们还想验证方法的理论收敛阶(38)–(40). 因此,我们计算了计算收敛阶(COC)[9]用以下公式近似或近似计算收敛阶(ACOC)[9] 在当前使用编程语言Mathematica(第9版)进行的数值实验中,所有计算都是使用多精度算法进行的,从而将舍入误差降至最低。我们使用作为公差误差。以下停止标准用于计算机程序:和。
此外,我们使用和功能如上等式所定义(37)在所有的例子中。示例1。 让并通过定义D上的函数F然后,我们得到和.我们获得了不同的收敛半径,COC(ρ)和n,如下所示表1。
表1。满足定理1的不同参数值。
案例 | | | | | | 对 | | n个 | ρ |
---|
| 0.66667 | 0.66667 | 0.28658 | 0.27229 | 0.76393 | 0.27229 | 0.25 | 4 | 9 |
| 0.66667 | 0.66667 | 0.28658 | 0.27229 | 0.76393 | 0.27229 | 0.25 | 4 | 9 |
| 0.66667 | 0.66667 | 0.28658 | 0.27229 | 0.76393 | 0.27229 | 0.25 | 4 | 9 |
示例2 让,上定义的连续函数空间拥有最高标准。让.在上定义函数F通过我们有这个那么,对于我们得到了和。我们在下面得到了不同的收敛半径表2。
表2。满足定理1的不同参数值。
| | | | | 对 |
---|
0.044444 | 0.066667 | 0.011303 | 0.022046 | 0.088889 | 0.011303 |
示例3 回到本文导言中的动机示例,我们有,而我们需要的零点是.我们在下面得到了不同的收敛半径COC(ρ)和n表3。
表3。满足定理1的不同参数值。
案例 | | | | | | 对 | | n个 | ρ |
---|
| 0.0075648 | 0.0075648 | 0.0016852 | 0.0094361 | 0.0086685 | 0.0016852 | 0.310 | 6 | 8 |
| 0.0075648 | 0.0075648 | 0.0016852 | 0.0094361 | 0.0086685 | 0.0016852 | 0.310 | 6 | 8 |
| 0.0075648 | 0.0075648 | 0.0016852 | 0.0094361 | 0.0086685 | 0.0016852 | 0.310 | 6 | 8 |
4.结论
大多数时候,研究人员提到,初始猜测应该接近所需的根,以便他们提出的非线性方程组求解方案能够收敛。然而,要保证拟议方法的收敛性,需要多大程度的初始猜测?本文利用Lipschitz条件提出了可计算的收敛半径和误差界。此外,我们还将假设从所涉及函数的四阶导数简化为仅包含一阶导数。值得注意的是,该方案(2)如果我们使用定理1的条件而不是Sharma和Arora(2015)提出的更强的条件,则不会改变。此外,为了获得实际的误差界和收敛阶,我们可以使用数值计算中定义的收敛阶第3节因此,我们在实践中获得了收敛阶,从而避免了估计值高于第一Fréchet导数的界。最后,由于在第3节可以得出结论,所提出的研究不仅扩展了适用性,而且给出了Sharma和Arora(2015)给出的获取非线性方程简单根的方案的可计算收敛半径和误差界。