1.简介
求非线性方程组的解是科学和工程领域广泛应用的热点问题,其中和天是中的开凸域.已经提出了许多求解非线性方程组的有效方法,参见示例[1,2,三,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18]以及其中的参考文献。最著名的方法是Steffensen方法[1,2],由给出哪里是的倒数和是上的一阶除法差天.方程式(1)不需要系统的派生F类在每个迭代中。 为了减少Steffensen方法的计算时间并提高效率指标,公开文献中提出了许多改进的高阶方法,参见[三,4,5,6,7,8,9,10,11,12,13,14]以及其中的参考文献。线路接口单元等。[三]得到了一种求解非线性方程组的四阶无导数方法,可以写成哪里格拉乌·桑切斯等。[4,5]开发了一些有效的无导数方法。其中一种方法是以下六阶方法哪里和应注意,方程式(2)和(三)需要在每次迭代中分别计算两个LU分解。Ezquerro还讨论了一些无导数方法等。英寸[6]作者:王等。英寸[7,8]. 在高精度计算中,上述多步无导数迭代方法可以节省计算时间。因此,研究多步无导数迭代方法具有重要意义。 众所周知,我们可以通过降低迭代方法的计算成本来提高迭代方法的效率指标,并减少迭代过程的计算时间。有很多方法可以降低迭代方法的计算成本。在本文中,我们通过减少每次迭代中LU(上下)分解的数量来降低迭代方法的计算成本。提出了两种新的无导数迭代方法来求解非线性方程组第2节.我们证明了新方法的局部收敛阶。新方法的特点是LU分解在每次迭代中只计算一次。第3节用计算效率指数比较不同方法的效率[10].第4节通过数值例子说明了我们方法的收敛性。第5节是一个简短的结论。 2.收敛性的新方法与分析
使用中心差异,我们提出以下迭代方案哪里,和我是单位矩阵。此外,如果我们定义则以下方法的收敛阶为6。 与方程式比较(4),方程式(5)增加一个功能评估为了简化计算,新公式(4)可以写成 方程式中可以使用类似的策略(5). 对于方程式(4)和(5),我们有以下收敛性分析。 定理1。 让是系统的解决方案和在α的开邻域D中是充分可微的。然后,对于足够接近α的初始近似,迭代方程的收敛阶(4)四,误差公式如下哪里和迭代方程(5)具有六阶收敛性并满足以下误差方程哪里 证明。的一阶除差算子F类作为映射(请参见[5,10,11])由提供 扩大在泰勒级数中x个并进行积分,我们得到 发展在附近α并假设存在,我们有哪里的导数可以通过以下方式给出 设置和,我们有.替换前面的表达式方程式(12)–(14)到方程式中(10)我们得到 注意到和,我们在方程式中替换(15)E类通过,e(电子)通过,我们获得哪里和我是单位矩阵。使用公式(16),我们发现 然后,我们强制求将(参见[12,13])这样的话和验证 因此,根据方程式(5)和(24)–(26),我们得到误差方程: 3.计算效率
经典效率指数(请参见[9])是使用最多的索引,但不是唯一的索引。我们发现具有相同经典效率指标的迭代方法(在实际应用中具有不同的属性。原因是迭代方法的函数求值次数并不是评价迭代方法效率的唯一影响因素。矩阵乘积的个数、标量乘积、矩阵的分解LU以及三角线性系统的分辨率在评估迭代方法的实际效率方面也起着重要作用。在本文中,计算效率指数([10]用于比较迭代方法的效率。关于可以在中找到[4,5,6,7]. 这个迭代方法的由提供哪里是方法的收敛阶是方法的计算成本。这个由提供哪里表示的求值中使用的标量函数的求值次数F类和、和表示每次迭代的操作成本。为了用乘积表示方程(29)的值在方程式中(29)需要在产品(和部门)之间进行功能评估,请参见[5,10]. 我们必须添加米向量与标量相乘的乘积矩阵向量乘法的乘积。要计算逆线性算子,我们需要LU分解中的产品和部门求解两个三角形线性系统的乘积和除法。如果我们计算一阶除差,那么我们需要标量函数求值和商。一阶除差属于F类由提供哪里,和(请参见[9]). 根据方程式(28)和(29),表1显示了不同方法的计算成本。
表1。迭代方法的计算成本。
方法 | ρ | a(米) | p(米) | C(微米) |
---|
| 2 | | | |
| 4 | | | |
| 6 | | | |
| 4 | | | |
| 6 | | | |
发件人表1,我们可以看到我们的方法与方法相比,需要更少数量的LU分解和四阶方法的计算成本如下: 对于迭代法比
使用在迭代方法中,我们得到了以下定理:
定理2。 1.对于四阶方法,我们有为所有人
2.对于六阶方法,我们有为所有人
证明。1.来自表1,我们注意到有相同的顺序基于方程式(29)和(30),我们明白了为所有人和 2.方法具有相同的顺序和相同的功能评估。之间的关系和可以通过以下方式给出 方程式(33)为正因此,我们得出为所有人和 ☐ 然后,我们比较不同收敛阶的迭代方法的如下定理:
定理3。 我们有1个。为所有人和
2为所有人和
证明。1.根据表达式方程式(31)和表1,我们得到以下关系和 我们考虑边界边界可以由以下方程式给出哪里覆盖它(参见图1). 边界方程(35)在点处剪切轴和因此,我们得到了自从为所有人和 方程式(37)为正因此,我们得出为所有人和 ☐
图1。边界函数在里面普通的。
图1。边界函数在里面平淡无奇。
4.数值示例
在本节中,我们通过数学实验比较了相关方法的性能。利用Maple 14计算机代数系统进行了2048位的数值实验。计算机规格为Microsoft Windows 7 Intel(R)、Core(TM)i3-2350M CPU、1.79 GHz和2 GB RAM。
根据方程式(29),系数μ用产品表示基本功能评估的成本[15].表2给出了以等效乘积的数量表示的基本函数的成本估算,其中一个乘积的运行时间以毫秒为单位。
表2。使用Maple 14和Intel处理器计算的初等函数的计算成本估算®核心(TM)i3-2350M CPU,1.79 GHz(32位计算机)Microsoft Windows 7 Professional,其中和.
表2。使用Maple 14和Intel处理器计算的初等函数的计算成本估算®核心(TM)i3-2350M CPU,1.79 GHz(32位计算机)Microsoft Windows 7 Professional,其中和.
数字 | x个·年 | x年 | | | | | | |
---|
2048 | 0.109毫秒 | 1 | 5 | 53 | 12 | 112 | 110 | 95 |
表3,表4,表5,表6,表7和表8显示方法的以下信息:迭代次数k需要收敛到解,即函数范数在最后一步,最后一步的停止因子值,计算成本C类,计算时间、计算效率指数以及收敛的计算顺序ρ.使用Maple 14中的common time(),我们可以获得不同方法的计算时间。收敛的计算顺序ρ由定义[16]: 选择以下问题进行数值试验:
示例1考虑以下系统哪里是方程式中使用的值(29).是初始点是示例1的解决方案。是停止标准。 结果如所示表3确认定理2和定理3的第一个断言也就是说,对于.新的六阶方法用最少的时间求数值解。“nc”表示该方法在表3.
表3。实施例1方法的性能。
方法 | k | | | ρ | C类 | CEI公司 | 时间(s) |
---|
| 13 | 1.792e−161 | 3.748e−322 | 2 | 838 | 1.0008275 | 1.127 |
| 数控 | | | | | | |
| 4 | 3.558e−743 | 8.245e−496 | 6.00314 | 1960 | 1.0009148 | 0.780 |
| 5 | 4.086e−211美元 | 5.330e−421 | 4.00015 | 1686 | 1.0008226 | 0.836 |
| 4 | 6.240e−164 | 2.389e−489 | 6.00420 | 1978 | 1.0009063 | 0.546 |
示例2第二个系统定义为[11]哪里。初始点为.是停止标准。解决方案是 结果如所示表4确认定理2的第一个断言和定理3的断言1也就是说,和对于.表4显示了六阶方法是计算时间和.
表4。实施例2方法的性能。
方法 | k | | | ρ | C类 | CEI公司 | 时间(s) |
---|
| 9 | 2.136e−302型 | 5.945e−604 | 2 | 449.6 | 1.00154289 | 0.514 |
| 5 | 2.439e−675 | 2.703e−1350 | 4 | 1032.1 | 1.00134408 | 0.592 |
| 4 | 1.414e−1080 | 7.020e−1620 | 6 | 1023.1 | 1.00175284 | 0.561 |
| 5 | 4.123e−699 | 9.73957e−1397 | 4 | 915.2 | 1.00151589 | 0.561 |
| 4 | 9.097e−550 | 8.57708e−1647 | 6 | 1054.1 | 1.00170125 | 0.483 |
示例3现在,考虑以下大型非线性系统[17]: 初始向量为解决方案停止标准为.
表5。实施例3方法的性能,其中.
表5。实施例3方法的性能,其中.
方法 | k | | | ρ | C类 | CEI公司 | 时间(s) |
---|
| 10 | 4.993e−150 | 7.480埃-299 | 2 | 2,745,802 | 1.000000252 | 95.940 |
| 5 | 3.013e−212型 | 1.210电子-423 | 4 | 5,649,610 | 1.000000245 | 126.438 |
| 4 | 3.922电子−556 | 2.197e−833 | 5.99998 | 5,571,005 | 1.000000322 | 77.111 |
| 5 | 1.404e−269 | 9.850e−538 | 4 | 2,944,404 | 1.000000471 | 81.042 |
| 4 | 5.298e−208 | 2.231e−621 | 5.99976 | 3,063,804 | 1.000000585 | 64.818 |
表6。通过这些方法计算实例3的计算时间(以秒为单位)。
表6。通过这些方法计算实例3的计算时间(以秒为单位)。
方法 | | | | | |
---|
| 20.982 | 29.499 | 16.848 | 19.219 | 15.459 |
| 95.940 | 126.438 | 77.111 | 81.042 | 64.818 |
| 254.234 | 328.896 | 207.340 | 199.930 | 156.094 |
积分方程中的应用
Chandrasekhar积分[18]该方程来自辐射传输理论,由下式给出与操作员F类和参数c(c)作为 我们使用复合中点规则近似积分:哪里对于我们得到的离散问题是 初始向量为,.表7和表8给出了该问题的数值结果。是这个问题的停止标准。
表7。求解Chandrasekhar积分方程的计算时间(秒)。
表7。求解Chandrasekhar积分方程的计算时间(秒)。
方法 | | | | | |
---|
| 88.468 | 207.200 | 87.937 | 102.055 | 70.309 |
| 422.388 | 904.602 | 435.929 | 488.969 | 400.345 |
表8。求解Chandrasekhar积分方程的迭代次数。
表8。求解Chandrasekhar积分方程的迭代次数。
方法 | | | | | |
---|
| 8 | 6 | 4 | 5 | 4 |
| 8 | 6 | 4 | 5 | 4 |
结果如所示表5确认定理2和定理3的断言也就是说,和。来自表6,我们注意到我们四阶方法的计算时间小于六阶方法对于.表5,表6和表7表明,当非线性系统规模较大时,我们的新方法显著减少了计算时间。 数值结果如所示表3,表4,表5,表6,表7和表8与本文提出的理论相一致。与其他方法相比,新方法需要较少的迭代次数才能获得更高的精度。最重要的是我们的方法有更高的与本文中的其他方法相比,计算时间更低。六阶方法是两种方法中最有效的迭代方法以及计算时间。 5.结论
本文给出了求解非线性方程组的两种高阶迭代方法。新方法不需要导数。利用一阶微分差分逆算子的发展,证明了新方法的收敛阶。此外,还使用非线性方程组的计算效率指标来比较不同方法的效率。数值实验表明,我们的方法显著减少了求解大型非线性方程组的计算时间。主要原因是我们的方法的矩阵LU分解在每次迭代中只计算一次。我们的结论是,为了获得一种有效的迭代方法,我们应该综合考虑函数求值次数、收敛阶和迭代的操作成本。