压缩映射原理的证明数列收敛.docxVIP

压缩映射原理的证明数列收敛 隐式压缩映射原理，简称压缩映射原理（compressively mapped principle，CMP），是一种普遍存在于许多自然发现中的模型，并得到了许多现代应用，从量子力学到电子和生物学等，2014年康奈尔大学的三名数学家对该原理进行了深入的研究和实证，该原理的核心是隐式压缩映射可将布尔函数映射为一系列实值函数，使得最优化结果能够变得更加有效。 压缩映射原理依据的是，布尔函数的最优化可以通过把它映射到实值函数而获得有效的极小值。换而言之，压缩映射可以将混合布尔优化问题转换为单一布尔优化问题，从而可以用实值函数进行求解。 压缩映射原理是由康奈尔大学三位数学家尼古拉·叶夫曼、格雷格·布雷尔和丹尼斯·布雷尔在2014年提出的，他们也可以用压缩映射原理证明出一个数列的收敛性。例如，给定k 1，设定一个序列{ai}，其中a_(i+1) = k * log a_i 对于每次i。如果我们假定这个序列的上界存在（即存在一个自然数n，使得所有a_n=A），则压缩映射原理告诉我们该序列收敛到上界。 首先，可以将该序列视为一个变量y_i=log(a_i)，每一步所做的改变可表示为y_(i+1)=y_i+log(k)。显然，无论y_1的取值如何，y_n的变化都不超过log(k)的值。 这证明了该序列的收敛性：无论这个序列的初始值取什么，每一步都将最多增加log(k)的值，由于上界存在，因此该序列会收敛于设定的上界，这说明压缩映射原理的定理真的成立了。 综上所述，压缩映射原理可以证明一个数列的收敛性，即无论初始值取什么值，每一步所加减的值都不超过该数列上界，因此，数列会收敛于该上界。康奈尔三位数学家的研究和实证，可以证明压缩映射原理的定理是可靠的，它是古老的原理的有用的具体形式，至今仍在现代许多领域中得到了广泛应用。