一类广义非线性映象迭代序列的收敛性.docxVIP

一类广义非线性映象迭代序列的收敛性 引言 在实际问题中，很多问题都可以转化为非线性方程或非线性不等式的求解问题。解决这类问题的有效方法之一是通过迭代算法求出其数值解。因此，研究迭代序列的收敛性十分重要，这不仅是数值计算必须解决的基本问题，而且对于理论和应用上都有着重要的意义。 本文将研究一类广义非线性映象迭代序列的收敛性问题，并通过相关定理和举例来说明其实用性和实际应用。 正文 设 ${\\cal X}\\subset \\mathbb{R}$ ， $F:\\cal X\\rightarrow \\cal X$ 反映了 $x\\in {\\cal X}$ 的某种演化规律，例如隐式方程或优化问题等。 考虑以下类型的迭代过程： $$x_{k+1}=F(x_k)+\\lambda a_kh(x_k,x_{k+1}),\\quad k\\in \\mathbb{N},\\quad x_0\\in {\\cal X}$$ 其中， $\\{a_k\\}$ 是满足一定条件的正实数序列， $\\lambda$ 是正常数（常被称为放缩因子）， $h(x_k,x_{k+1})$ 是为了保证迭代满足某些条件所引入的特殊函数，并且满足以下假设： （H1） $F$ 在 $\\cal X$ 上连续可微且 Lipschitz 连续，即存在常数 $L0$ 使得对于所有 $x,y\\in {\\cal X}$ ，有 $\\|F(x)-F(y)\\|\\le L\\|x-y\\|$ 。 （H2） $h$ 在 ${\\cal X}\\times {\\cal X}$ 上连续，对于任意 $x,y\\in {\\cal X}$ ，有 $h(x,y)\\ge 0$ 。 （H3） 存在正数 $r$ 和 $M$ ，对于任意 $x,y\\in {\\cal X}$ ，有 $\\|x-y\\|r$ ，则有 $h(x,y)\\le M$ 。 （H4） 存在常数 $\\gamma0$ ，使得 $h(x,y)\\ge \\gamma$ 对任意 $x,y\\in {\\cal X}$ 成立（即 $h$ 是一个正定的函数）。 （H5） $\\sum_{k=0}^{\\infty} a_k=\\infty$ ，且 $\\sum_{k=0}^{\\infty} a_k^2\\infty$ 。 可以发现，式子中添加的 $a_kh(x_k,x_{k+1})$ 是为了保证迭代过程能够有效进行，如果去掉这一项，那么迭代序列可能会出现不收敛或者收敛速度极慢等情况。在具体应用中， $h(x_k,x_{k+1})$ 通常选择为 $x_{k+1}-x_k$ 或者 $F(x_{k+1})-F(x_k)$ ，这样可以简化计算过程。 定理 1（收敛性定理） 如果假设（H1）到（H5）成立，且 $\\{x_k\\}$ 是由上述迭代过程产生的序列，则 $\\{x_k\\}$ 收敛到一个 $\\cal X$ 中的不动点，即 $x_{k+1}=x_k$ 。 定理 2 （线性收敛性定理） 如果假设（H1）到（H5）成立，且存在常数 $C0$ 和 $0\\alpha1$ 使得对于任意 $x_k\\in {\\cal X}$ ，有 $$\\|x_{k+1}-x_k\\|\\le C\\|x_k-x_{k-1}\\|^{\\alpha},\\quad C0,0\\alpha1$$ 则迭代序列 $\\{x_k\\}$ 具有局部线性收敛性。 定理 3（强收敛性定理） 如果假设（H1）到（H4）成立，且 $\\{x_k\\}$ 是由上述迭代过程产生的序列，则 $\\{x_k\\}$ 强收敛到 $\\cal X$ 中的唯一不动点。 可以看出，以上三个定理均是以假设（H1）和（H2）为基础，这两个假设是非常重要的前提条件。假设（H3）和（H4）则保证了条件的合理性，也避免了迭代过程中的异常情况。 接下来阐述一个例子，通过这个例子来说明迭代序列的收敛性在实际问题中的应用。 例子1（非线性微分方程的求解） 考虑下面的微分方程： $$y(t)=t+e^{-t}\\sin y(t),\\quad y(0)=0$$ 为了求解这个非线性微分方程，可以采用迭代算法：设 $y_0(t)=0$ 为开始时的猜测解，进一步设 $y_1(t)=\\int_0^t (s+e^{-s}\\sin y_0(s))\\textrm{d}s$ 为第一次迭代的解，通过这样的迭代过程可以得到一系列解 $y_k(t)$ ，并将这些解带入方程中检验其是否满足方程。 为了证明这个迭代序列的收敛性，可以将其写成通用的形式： $$y_{k+1}(t)=y_0(t)+\\int_0^t (s+e^{-s}\\sin y_k(s))\\textrm{d}s$$ 此时，应用例子中提到的定理，