這些向量。為了更好地理解這些錯誤減少資產的方法，我們報告了PK÷L2/÷（和）δL2和‖PK‖δL2/÷L2（和）的變化。
和叠代（k）。
我們用不同的初始化算法（7）和（9）進行了三個實驗。在第壹個實驗中，讓初始向量的算法為零。圖2報告了結果。圖2（a）表示收斂的殘差向量，而圖2（b）表示收斂的差向量。在這些數字中，Nemo代表牛頓叠代法，AJNIM代表交替牛頓叠代法。這些數據表明，海峽兩岸法的收斂速度相同，但雅可比牛頓叠代法仍然改變以更好地減少誤差。
在第二種情況下，讓我們選擇初始向量的元素10。圖3比較了這兩種方法。起初，它的元素是向量10。可以看出，在這些數字3（a）和（b）中，3改變了雅可比矩陣。
牛頓叠代法的收斂速度比牛頓叠代法快。讓我們最後取壹個等於100的初始向量和元素。提供了比較圖4
對於這兩種方法，首先它的元素是向量100。這些數字4（a）和4（b）表明牛頓叠代法的變化沒有收斂性。
雅可比牛頓叠代法仍然收斂。表1禮物錯誤後10叠代的兩種方法。這些實驗確實表明，獨立性的收斂改變了雅可比牛頓叠代法的初始化。我們看到了牛頓叠代法收斂的第壹種情況（初始猜測是零向量），但它的收斂速度將跟隨我們選擇其他初始猜測。另壹方面，對於所有初始猜測，雅可比牛頓叠代法是收斂的。
我們開發了壹種非線性算法來改變雅可比牛頓叠代法的名稱，以解決由系統非線性方程離散化引起的非線性橢圓問題。數字作品顯示
這改變了雅可比牛頓叠代法具有良好的魯棒性和初始化。
直接去百度在線翻譯。