中文

广义 Richardson 外推过程的向量化版本

数值分析 2020-12-08 v3 数值分析

摘要

{\xxm}\{\xx_m\} 为满足 \xxm\sss+i=1αii(m)当 m 时 \xx_m\sim \sss+\sum^\infty_{i=1}\alpha_i \gg_i(m)\quad\text{当 $m\to\infty$ 时} 的向量序列,其中 \sss\sss{\xxm}\{\xx_m\} 的极限或反极限(antilimit),且 {i(m)}i=1\{\gg_i(m)\}^\infty_{i=1} 为当 mm\to\infty 时的渐近尺度,即 limmi+1(m)i(m)=0,i=1,2,.\lim_{m\to\infty}\frac{\|\gg_{i+1}(m)\|}{\|\gg_{i}(m)\|}=0,\quad i=1,2,\ldots. 向量序列 {i(m)}m=0\{\gg_i(m)\}^\infty_{m=0}i=1,2,i=1,2,\ldots)以及 {\xxm}\{\xx_m\} 已知。本文分析了广义 Richardson 外推过程的向量化版本的收敛性与收敛加速性质,该过程由以下方程定义: i=1k\yy,Δi(m)α~i=\yy,Δ\xxm,nmn+k1;\sssn,k=\xxn+i=1kα~ii(n), \sum^k_{i=1}\braket{\yy,\Delta\gg_{i}(m)}\widetilde{\alpha}_i=\braket{\yy,\Delta\xx_m},\quad n\leq m\leq n+k-1;\quad \sss_{n,k}=\xx_n+\sum^k_{i=1}\widetilde{\alpha}_i\gg_{i}(n), 其中 \sssn,k\sss_{n,k}\sss\sss 的逼近。此处 \yy\yy 为某非零向量,,\braket{\cdot\,,\cdot} 为内积,满足 α\aaa,β\bb=αˉβ\aaa,\bb\braket{\alpha\aaa,\beta\bb}=\bar{\alpha}\beta\braket{\aaa,\bb},且 Δ\xxm=\xxm+1 \xxm\Delta\xx_m=\xx_{m+1}-~\xx_mΔi(m)=i(m+1)i(m)\Delta\gg_i(m)=\gg_i(m+1)-\gg_i(m)。通过对 i(m)\gg_i(m) 施加最少数量的合理附加条件,我们证明了误差 \sssn,k\sss\sss_{n,k}-\sssnn\to\infty 时具有完整的渐近展开。我们还证明了实际发生了收敛加速,并给出了其完整分类。

关键词

引用

@article{arxiv.1605.02630,
  title  = {On a Vectorized Version of a Generalized Richardson Extrapolation Process},
  author = {Avram Sidi},
  journal= {arXiv preprint arXiv:1605.02630},
  year   = {2020}
}