迭代算法的敛散性
1、全局收敛
对于任意的X0∈[a,b],由迭代式Xk+1=φ(Xk)所产生的点列收敛,即其当k→∞时,Xk的极限趋于X*,则称Xk+1=φ(Xk)在[a,b]上收敛于X*。
2、局部收敛
若存在X*在某邻域R={X| |X-X*|<δ},对任何的X0∈R,由Xk+1=φ(Xk)所列收敛,则称Xk+1=φ(Xk)在R上收敛于X*。
敛散定义
迭代算法的敛散性
1、全局收敛
对于任意的X0∈[a,b],由迭代式Xk+1=φ(Xk)所产生的点列收敛,即其当k→∞时,Xk的极限趋于X*,则称Xk+1=φ(Xk)在[a,b]上收敛于X*。
2、局部收敛
若存在X*在某邻域R={X| |X-X*|<δ},对任何的X0∈R,由Xk+1=φ(Xk)所列收敛,则称Xk+1=φ(Xk)在R上收敛于X*。
莱布尼茨定理是判别交错级数敛散性的一种方法。