← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9842.g · 生成模型:Hunyuan

逐次逼近法与收敛

理解等级:中级

面对大型稀疏矩阵方程组Ax=b,主元消去法力不从心,改用逐次逼近(迭代)法:把方程改写为x=B₀x+f,任取初值x⁽⁰⁾代入右端得x⁽¹⁾,反复进行得到迭代式x⁽ᵏ⁺¹⁾=B₀x⁽ᵏ⁾+f,逐步逼近近似解。书中例子精确解为(3,2,1)ᵀ,迭代10次已得(3.000032,1.999838,0.9998813)ᵀ,误差极小;但也给出对任何初值都不收敛的反例。判定依据是误差向量ε⁽ᵏ⁾=Bᵏε⁽⁰⁾是否随迭代趋于零——收敛时极限x*就是方程的解,否则发散,这取决于B的性质。程序里每步记录相邻解的范数差,小于阈值1e-6即停止,例中第16次收敛。可见逐次逼近以误差收敛与否判定解的存在。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《机器学习算法原理与编程实践》第5章 梯度寻优(源文件:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00019.html) - 结论依据:原文给出迭代公式、收敛与发散的定义、误差向量递推及第16次收敛的实测结果,支撑以误差收敛判定解的存在。 - 原始内容:(1)对于给定的方程组x=B0 x+f,使用公式: x(k+1) =B0 x(k) +f 其中k为迭代次数(k=0,1,2,…)。 逐步代入求近似解的方法称为迭代法。