§8. О нелокальных вариантах метода хорд и стеффенсена.

Для решения нелинейного уравнения (1.1) А.С.Сергеевым [106] был предложен операторный вариант метода хорд, локально сходящийся со сверхлинейной скоростью.

Итерационная процедура имела следующий вид:

, (1.261)

Достоинство метода (1.261) состоит в том, что метод применим в том случае, если оператор f лишь непрерывен в области D и первые и вторые разделенные разности оператора f равномерно ограничены в D. К числу важных недостатков метода (1.261) является необходимость иметь в своем распоряжении достаточно хорошие начальные приближения и , а также знание оценок ряда глобальных констант, нахождение которых часто представляет задачу, сравнимую по трудности с решением задачи (1.1).

Положим, что в интересующей нас области для каждого выполняется условие:

(1.262)

Рассматривается итерационный процесс (1.261).

Относительно сходимости процесса (1.261) справедлива

Теорема 1.49. Пусть в области D выполняются условие (1.262) и элементы , таковы, что

, , , , (1.263)

тогда итерационный процесс (1.261) с квадратичной скоростью сходится к единственному в решению x^* уравнения (1.1).

Доказательство. Выведем вначале некоторые соотношения:

Так как , то в силу теоремы Банаха существует оператор, обратный оператору и . Далее, имеем соотношение . Используя аналог интерполяционной формулы Ньютона для операторов и условия теоремы, получаем оценку

(1.264)

Покажем, что при переходе от точки x₁ к точке x₂, соотношение (1.264) не меняется. Имеем

И если потребовать, чтобы выполнялось соотношение , а это неравенство будет выполнятся при , то получим, что соотношение (1.264) при переходе от точки к точке не нарушается.

Из соотношения (1.264) следует квадратичная сходимость последовательности , определённой процессом (1.261), к – решению уравнения (1.1).

Докажем единственность полученного решения в сфере . Пусть в существует еще одно решение . Имеем:

Если то решений будет не более одного. Нетрудно найти радиус области единственности. Он равен .

Найдём радиус сферы существования решения. Для этого рассмотрим ряд соотношений, которые следуют из приведённых выше неравенств:

Индуктивные рассуждения позволяют получить оценку

из которой следует, что радиус существования решения .

Чтобы решение в существовало и было единственным, достаточно выполнения соотношения , которая непременно выполняется при выполнении неравенства

, где

Из последнего неравенства следует, что при решение в области существует и единственно. Теорема доказана.

Предложенные ниже нелокальные варианты метода хорд “работают” при “плохих” начальных приближениях и некоторые из вариантов продолжаемы даже в том случае, если на каких-либо элементах , оператор обращается в нуль.

Условие (1.262) часто представляется достаточно обременительным: в ряде важных задач условие симметричности (1.262) не выполняется, в связи с чем это условие заменяется другим [111]:

Следствием из последнего соотношения является равенство (аналог интерполяционной формулы для операторов)

которое положено в основу наших дальнейших рассуждений.

Введение демпфирующего множителя позволяет построить следующий нелокальных процесс:

Шаг 1. Решается линейное уравнение относительно поправки

(1.265)

Шаг 2. Очередное приближение находится по правилу

(1.266)

Шаг 3. Если и(или) (- параметр останова) – конец просчетов, иначе

Шаг 4. Если , то , иначе

(1.267)

и переход на шаг 1.

Теорема 1.50. Пусть в области , существует -решение уравнения (1.1) и выполняются следующие условия:

a)

b)

c) .

Тогда итерационный процесс (1.265)–(1.267) со сверхлинейной скоростью (локально с квадратичной) сходится к . Оценки погрешности n-го приближения имеет вид

.

Доказательство. Используя аналог интерполяционной формулы Ньютона для операторов и условия теоремы, имеем оценку

(1.268)

В силу (1.267) n, для которого справедлива цепочка равенств

. (1.269)

Перепишем соотношение (1.268) в виде

(1.270)

Пусть таково, что , тогда в силу (1.270) , в этом случае в силу (1.267) . Рассмотрим , которое, в силу (1.269) равно и так как , то _.

Таким образом, последовательность итерационных параметров монотонно возрастает, а последовательность - монотонно убывает с ростом n. Индуктивные рассуждения позволяют получить оценку , из которой следует слабая сходимость элементов , генерируемых алгоритмом (1.265) – (1.267), к .

Справедливо и более сильное утверждение: так как из (1.268) и условий теоремы имеем, что , то

(1.271)

Из (1.271) следует фундаментальность последовательности и в силу полноты пространства X существование предельного элемента, который, как нетрудно убедиться, является решением уравнения (1.1). Оценка погрешности n-го приближения получается переходом к пределу в (1.271) при . Имеем .

Радиус сферы определяем стандартным образом.

Индуктивно получаются оценки

Переход к пределу в последнем неравенстве при n позволяет утверждать, что все последовательные приближения не выходят за пределы сферы . Теорема доказана.

Замечание 18. Локальная квадратичная скорость сходимости процесса (1.265) – (1.267) следует из (1.270) при _n=1. А.С.Сергеевым [106] доказана лишь локальная сверхлинейная скорость сходимости процесса (1.261).

В теореме 1.50 требовалось существование apriori существование - решения уравнения (1.1) и принадлежность его замыканию сферы : Предлагаемая ниже теорема позволяет снять это требование.

Теорема 1.51. Пусть оператор f удовлетворяет в D тем же условиям, что и в теореме 1.50, исключая требование существования , существует такое число , что выполняются соотношения

(1.272)

тогда уравнение (1.1) имеет решение , к которому сходятся итерации (1.265), (1.266), (1.272), начиная с .

При этом справедлива оценка погрешности m-го приближения

Доказательство. Так как выполняются условия теоремы 1.50, то справедлива оценка (1.270), , а в силу условия (1.272)

и при этом величина такова, что . Таким образом, локальная квадратичная сходимость наступает на элементе , для которого справедливо соотношение .

Стандартным рассуждением доказывается фундаментальность последовательности элементов , сохранение условия (1.272) при переходе от точки к точке и справедливость оценки

.

Так что в сфере D существует предельный элемент и справедлива оценка

(1.273)

Переходя к пределу в (1.273) при , имеем, что -решение уравнение (1.1). Оценка погрешности n-го приближения следует из (1.273) и соотношения

Теорема доказана.

Теоремы аналогичные теоремам 1.50 и 1.51 можно доказать относительно нелокальных вариантов метода хорд, где и очередное приближение находится следующими способами:

1. одношаговые методы неполного прогноза

1-ый способ – . (1.274)

Очередное приближение находится по формуле ;

2-ой способ – . (1.275)

Очередное приближение находится по формуле ;

2. одношаговый метод полного прогноза

3-ий способ – (1.276)

Очередное приближение находится по формуле ;

3. многошаговые методы неполного прогноза

4-ый способ – . (1.277)

.

Очередное приближение находится по формуле ;

5-ый способ – , (1.278)

, .

Очередное приближение находится по формуле ;

6-ой способ – , (1.279)

, .

Очередное приближение находится по формуле ;

7-ой способ – , (1.280)

, .

Очередное приближение находится по формуле ;

4. многошаговый метод полного прогноза

8-ой способ – (1.281)

Очередное приближение находится по формуле ;

Замечание 19. Как показывает вычислительная практика решения ряда существенно нелинейных задач, применение алгоритмов, в которых обратная связь реализуется на непропорциональной основе, оказывается эффективнее.

Пусть на каком-нибудь шаге итерационного процесса оператор обращается в нуль, в этом случае в итерационном процессе поправку находим, решая уравнение

. (1.282)

Откуда оценка для имеет вид

.

Рассмотрим итерационный процесс:

Шаг 1. Решается уравнение (1.282)

Шаг 2. Вносится поправка в вектор

(1.283)

Шаг 3. Если и(или) (- параметр останова) – конец просчетов, иначе

Шаг 4. Если , то , иначе

, , (1.284)

и переход на шаг 1.

Теорема 1.52. Пусть в области D существует - решение уравнения (1.1). Тогда при выполнении условия b) теоремы 1.50 и соотношения

(1.285)

итерационный процесс (1.282) – (1.284) со сверхлинейной скоростью сходится к и справедливы оценки погрешности n-го приближения:

(1.286)

Доказательство. Представим уравнение (1.1) в “неявном” виде

В силу условий теоремы и аналога формулы Ньютона для операторов имеем оценку

Из (1.284) следует, что , в силу чего оценка для принимает вид

(1.287)

Так как в силу (1.285) , то

.

Поскольку , тогда ₂>₁.

С учетом последних соотношений имеем, что

Индуктивные рассуждения позволяют получить оценку

. (1.288)

При этом последовательность элементов монотонно убывает, а последовательность итерационных параметров монотонно возрастает.

Переходя к пределу в (1.288) при , убеждаемся в том, что последовательность элементов , генерируемая формулами (1.282) – (1.284) сходится по функционалу к . Стандартными рассуждениями нетрудно показать сильную (по норме) сходимость последовательности элементов к и справедливость оценки (1.286).

Сверхлинейность процесса следует из (1.287) при . Теорема доказана.

Теоремы, аналогичные доказанной выше, могут быть сформулированы и доказаны относительно процессов, где и очередные приближения определяем формулами (1.274) – (1.281).

Аналогично теореме 1.51 может быть сформулирована и доказана теорема с использованием доказательных вычислений, позволяющая снять априорное требование существования в D решения .

Рассмотренные выше частично регуляризованные варианты метода хорд оказываются малоэффективными в случае “плохих” задач. Для решения “плохих” задач применяют регуляризованные итерационные процессы, в которых поправка x_n находится из решения уравнения

здесь оператор, сопряженный оператору , который является оператором первой разделенной разности, а шаговые длины по одной из формул этого параграфа или из соотношений (1.274) – (1.281).

Перейдем к рассмотрению других нелокальных итерационных процессов, отличных от метода хорд.

Исследуя процессы, описываемые нелинейными уравнениями, мы почти всегда имеем дело с приближёнными решениями. Чрезвычайно важными являются два вопроса, как эффективно организовать процесс получения приближённого решения и насколько точно это приближённое решение описывает реальный процесс, в частности, существует ли в определённой окрестности приближённого решения точное изолированное решение уравнения , где X– B-пространство.

Для решения уравнения (1.1) часто используют метод Ньютона с регулировкой шага (МНРШ)

(1.289)

или варианты метода Гаусса-Ньютона с регулировкой шага (МГНРШ)

(1.290)

, ,

Здесь Е– единичный оператор; –производная Фреше оператора f на элементе оператор, сопряжённый оператору ; и – операторы, обратные соответственно операторам и .

В зависимости от способа получения итерационных параметров различают варианты МНРШ (1.289) и МГНРШ (1.290) [83].

Относительно оператора f обычно полагают, что и в D существует ограниченный обратный оператор . В ряде важных практических задач оператор f лишь непрерывен в D и выполняются условия

(1.291)

Здесь – разностное отношение первого порядка оператора f [111]. Ниже будем рассматривать уравнения с негладкими операторами.

Нерегуляризованные алгоритмы (МНРШ). Одношаговые методы.

Пусть оператор и такой, что выполняются условия (1.291). Рассмотрим итерационный процесс

(1.292)

Используя, рассмотренный выше, аналог интерполяционной формулы Ньютона для операторов и соотношение (1.292), имеем оценку

(1.293)

Соотношение (1.293) является базовым при рассмотрении семейства итерационных процессов, которые получаются при различных способах введения итерационных параметров (способах регулировки шага). Если, следуя идеям работы [83], определить итерационные параметры следующим образом:

(1.294)

, ,

то, взяв таким, чтобы выполнялось соотношение , из (1.293), (1.294) имеем, что ; и . Индуктивные рассуждения позволяют утверждать, что итерационные параметры с четными и нечетными индексами образуют монотонно возрастающие последовательности, нормы последовательности элементов монотонно убывают к нулю, все , и если в области решение уравнения (1.1) существует, то итерационный процесс (1.292), (1.294) сходится к . Нетрудно проверить, что процесс(1.292), (1.294) с имеет квадратичную скорость сходимости. Действительно, из (1.293) при имеем, что или . Из последнего неравенства следует, что достаточным условием квадратичной сходимости процесса (1.289) с является условие . В процессе реализации алгоритма (1.289), (1.294) это условие при некотором номере k начинает выполняться. Тогда, как следует из (1.294), для будут равными единице. Таким образом, нами доказана

Теорема 1.53. Пусть в области существует решение и оператор f удовлетворяет условиям (1.291). Тогда, если , итерационный процесс (1.292), (1.294) со сверхлинейной (локально квадратичной) скоростью сходится к .

Замечание 20. Итерационный процесс лишь символически записывается в виде (1.292). В действительности реализуется следующая пошаговая процедура, при этом находится по некоторому правилу.

Шаг 1. Решается линейная система

Шаг 2.

Шаг 3. Если и (или) ( – параметр останова, ), то конец просчётов, иначе переход на шаг 4.

Шаг4. Если , то , иначе находим по правилу (1.294) и переход на шаг 1.

Замечание 21. При использовании процесса (1.292), (1.294) знание оценок глобальных констант K, B, M не требуется, важен лишь факт их существования.

Замечание 22. В работе [110] доказана локальная квадратичная сходимость процесса (1.292) с для случая, когда оператор разделённой разности первого порядка симметричен, т.е. выполняется условие . Это требование, как показано в [96], является чрезвычайно обременительным и ему не удовлетворяют операторы разделённой разности первого порядка во всех важных для практики случаях.

Выше доказана локальная квадратичная сходимость процесса (1.292) с без использования симметричности оператора разделённой разности первого порядка.

В итерационном процессе (1.292), (1.294) шаговая длина автоматически изменялась непропорционально изменению нормы невязки, что позволяет эффективно управлять процессом.

Определим итерационные параметры формулами

(1.295)

(1.296)

Теорема 1.54. Пусть в области выполняются условия теоремы 1.53 и, кроме того, имеет место неравенство . Тогда итерационный процесс (1.292), (1.295), (1.296) со сверхлинейной скоростью сходится к .

Доказательство. Из формулы (1.295) следует, что справедливо равенство

(1.297)

которое при замене n на имеет вид

(1.298)

Разделив соотношение (1.297) на соотношение (1.298). Имеем оценку, связывающую шаговую длину с нормой невязки:

, (1.299)

В силу (1.293) и условий теоремы справедлива оценка . С учётом (1.293) и (1.295) имеем оценку

Продолжая индуктивные рассуждения и учитывая соотношение (1.299), нетрудно получить оценку

, (1.300)

из которой с очевидностью следует сходимость по функционалу последовательности приближённых решений к , а также сильная сходимость последовательности к .

Далее покажем, что /;(0 при . Положив противное, из (1.295), (1.300) имеем, что со сверхлинейной скоростью, а из (1.296). (1.300) следует, что стремится к нулю со скоростью не выше линейной. Противоречие будет снято, если отказаться от предположения, что при .

Как следует из (1.296), аппроксимирует , а из (1.300) следует, что существует такой номер k, что для всех i>k начинает выполняться условие , и мы имеем локальную квадратичную сходимость процесса (1.292), (1.296), (1.297). Стандартными рассуждениями нетрудно показать, что все последовательные приближения . Теорема доказана.

Рассмотрим один из представителей многошаговых методов, когда на шаге 4 итерационный параметр находится по формуле

Нетрудно заметить, что шаговые длины и нормы невязок на соседних шагах связаны соотношением

из которого следует, что .

В связи с вышесказанным и базовым соотношением, связывающем нормы невязок на соседних шагах, доказывается достаточно просто

Теорема 1.55. Пусть в сфере существует решение . Тогда итерационный процесс

, , ,

при выполнении условия со сверхлинейной (локально с квадратичной) скоростью сходится к .

Аналогичные теоремы могут быть сформулированы и достаточно просто доказаны относительно других способов задания шаговой длины.

Среди нелокальных методов сходящихся со сверхлинейной скоростью отметим методы, в которых шаговая длина определяется следующим образом:

1. одношаговый метод неполного прогноза

1-ый способ – _(1.301)

2. одношаговый метод полного прогноза

2-ой способ – (1.302)

3. многошаговые методы неполного прогноза

3-ий способ – _(1.303)

;

4-ый способ – _(1.304)

; .

5-ый способ – , (1.305)

;

4. многошаговые методы полного прогноза

6-ой способ – ; (1.306)

;

7-ой способ – _(1.307)

8-ой способ – ; (1.308)

;

9-ый способ – (1.309)

Требование существования ограниченного оператора во всей области D является также достаточно обременительным условием. Попытаемся снять это условие, для чего, следуя идеям работы [60], введём соотношения, связывающие нормы операторов и :

Здесь

Если , то в силу теоремы Банаха существует оператор, обратный оператору и справедлива оценка . Используя аналог интерполяционной формулы Ньютона для операторов и формулу (1.292) при , получим оценку

(1.310)

Тогда определим так, чтобы при переходе от точки к точке выполнялось соотношение , где . Неравенство справедливо при . Нетрудно получить радиус области существования решения уравнения (1.1) в сфере . Учитывая (1.310), получаем оценку для сходящегося процесса (1.394) с

(1.311)

Наряду с оценкой(1.311) может быть получена оценка (1.312)

. (1.312)

Найдём условие, при выполнении которого решений в области не более одного. Положим, что в существуют два решения и . Тогда, если имеют место соотношения (1.291), получим оценку

(1.313)

Здесь . Если в (1.313) потребовать, чтобы или то в сфере будет не более одного решения.

В условиях сходящегося процесса (1.292) с рассмотрим неравенство

(1.314)

которое равносильно утверждению . Из (1.314) следует оценка

. (1.315)

Если в качестве взять правую часть соотношения (1.312) и потребовать выполнение условия

(1.316)

то неравенство (1.316) также равносильно утверждению . Из оценки (1.316) имеем соотношение, связывающее нормы поправок на соседних шагах:

(1.317)

Так как то Тогда из выполнения соотношения

(1.318)

будет следовать неравенство (1.317). Таким образом, из сходимости процесса и утверждения следует (1.318). С другой стороны, если выполняется соотношение (1.318), то . В самом деле, соотношение (1.318) эквивалентно

(1.319)

Но в условиях сходящегося процесса величина ‑ минимальный радиус единственности, поэтому из (1.319) и сходимости процесса следует, что , а это условие того, что .

Таким образом, может быть сформулирована

Теорема 1.56. Пусть оператор f удовлетворяет в D условиям (1.291). Тогда итерационный процесс (1.292) с при выполнении соотношения (1.318) с квадратичной скоростью сходится к единственному в решению уравнения (1.1).

Замечание 23. Доказанная выше теорема 1.56 относится к классу так называемых «доказательных» вычислений, поскольку вся необходимая информация получается в результате работы вычислительного алгоритма.