非线性FREDHOLM积分方程组的求解方法

在文[1]中,我们研究了含参数 λ 的如下形式的非线性 Fredholm 积分方程组(?)(x;λ)=f(x)+λ(?)Φ(x,y,(?)(y;λ))dy (1)的求解问题,这里 λ 适当地小,(?)(x;λ)=((?)_1,…,(?)_i)~T 是未知的 l 维向量,f(x)=(f_1)…,f_(?))~T是已知的 l 维向量,Φ=(Φ_1,…,Φ_l)~T,每个分量Φ_j(x,y,(?)_1,…,(?)_l)(j=(?)     

关于广义Schrodinger型方程组第三边值问题的差分方法

本文讨论下述定解问题的差分解法 u_t(x,t)=Au_(xx)(x,t) f(u),(x,t)∈Q_T=(0,L)×(0,T) u_x(0,t)—σ_1u(0,t)=0,σ_1>0,t∈[0,T]; u_x(L,t) σ_2u(L,t)=0,σ_2>0,t∈[0,T]; u(x,0)=■(x),x∈[0,L].其中u(x,t)=(u_1(x,t),…,u_m(x,t)),f(u)=f(f_1(u),…,f_m(u)),■(x)=(■_1(x),…■_m(x))满足适定性条件,且假定     

姿态角计算方法

<正> 本文提出解决问题(dx(t))/(dt)=f(t,x(t),u(t)),x(t_0)=x_0,(1)g(t,x(t),u(t))=0 (2)的一套实用的数值计算方法,其中 t∈[t_0,t_f],t_f 可以是固定的,也可以是不固定的,x(t)=(x_1(t),x_2(t),…,x_n(t))~T∈R~n 是状态向量,u(t)=(u_1(t),u_2(t),u_3(t))~T=((?)_1(t),(?)(t),γ(t))~T∈R~3是火箭的姿态角,f=(f_1,f_2,…,f_n)~T 是 n 维向量值函数,g=(g_1,g_2,g_3)~T 是三维向量值函数.这套方法包括简单迭代法,简化牛顿法及简化梯度法,并给出判断简单迭代法收敛性的一个充分条件的准则.这个准则在具体条件下既简单又实用.     

共轭Bochner—Riesz平均在H~p上的弱型估计

设K(x)=P(x/|x|)|x|~(-n)为一球调和核,P(x)为一m次齐次调和多项式。f(x)在R~n上的δ阶共轭Bochner-Riesz平均记为 (_(1/ε)~δf)(x)=∫_(|t|<1/ε)(t)(t)(1-|εt|~2)~δe~(iαt)dt.作者在本文中得到如下的弱型估计: |{x∈R~n:sup ε>0|(_(1/ε)~δf)(x)-_ε(x)|>λ}|≤C(‖f‖_(H~p)/λ)~p,此处δ=(n/p)-(n 2)/2,n/(n 1)≤p<1,f∈H~p(R~n),以及 _ε(x)=(2π)~(-n)∫_(|y|>ε)f(x-y)K(y)dy 。设f∈L(R~n),其δ阶的Bochner-Riesz平均为 (σ_(1/ε)~δf)(x)=∫_(|t|<1/ε)(t)(1-|εt|~2)~δe~(iαt)dt.     

超线性非线性Sturm-Liouville边值问题的正解

利用拓扑方法讨论了一类非线性Sturm-Liouville边值问题-u″=λf(x,u),0≤x≤1,α_0u(0)+β_0u′(0)=0,α_1u(1)+β_1u′(1)=0.研究了上述问题的正解的全局结构,在非线性项f(x,u)不满足条件f(x,u)≥0(u≥0)时获得了正解的存在性.     

非线性两点边值问题的存在唯一性

对于非线性两点边值问题x″=f(t,x,x′),　x(0)=A,　x(1)=B,我们在f,fx,fx′,β(t),α′(t)都连续,且fx≥-β(t), -α(t)≤fx′≤M(1+|x′|),max β(t)-α2(t)+2α′(t)4t∈[0,1] ≤λ2<π24,α(1)≤2λcotλ,这些条件之下证明解之存在且唯一.     

带变号非线性项的p-Kirchhoff型问题的多解性（英文）

本文主要研究带有零Dirichlet边界条件的p-Kirchhoff型方程(α+λ((∫_Ω(|▽u|~p+V(x)|u|~p)dx)~T)(-△_pu+V(x)|u|~(p-2)u)=f(x,u),x∈Ω解的存在性与多解性,其中Ω是R~N(N≥3)中的有界光滑区域,a,λ0,τ0,函数V.f连续且满足一定的条件.利用变分法,得到了该问题无穷多个非平凡解的存在性.     

一类非自治非线性系统的渐近稳定性

考虑方程组(E) (dx)/(dt)=f(t,x),其中 x=(x_1,x_2,…,x_n)~T,f(t,x)=(f_1(t,x),f_2(t,x),…,f_n(t,x))~T 在区域 D:t≥t_0≥0,‖x‖≤H,H>0;上连续可微,且 f(t,0)≡0.用 x=x(t;t_0,x_0)表示(E)的具有初值 x(t_0;t_0,x_0)=x_0的解.对于方程组(E),我们有下面的引理:引理 对于方程组(E),如果存在一个正定的函数 V(t,x)满足微分不等式(dV)/(dt)≤ω(t,V) (1)且比较方程     

带有Sobolev-Hardy临界指标项的非齐次椭圆方程的解

考虑带有Hardy和Sobolev-Hardy临界指标项的非齐次椭圆方程{-Δu-u(u/(|x|~2))=λu+(((|u|~(2~*(s)-2))/(|x|~s))u+f,在Ω中,u=0,在Ω上,这里2~*(s)=(2(N-s))/(N-2)是临界Sobolev-Hardy指标,N≥3,0≤s2,0≤μ=((N-2)~2)/4,ΩR~N是一个开区域.假设0≤λ≤λ_1时,λ_1是正算子-△-μ/(|x|~2)的第一特征值.f∈H~1_0(Ω)~*,f(x)≠0.当f满足适当的条件时,此方程在H~1_0(Ω)中至少具有两个解u_0和u_1.而且,当f≥0时,有u_0≥0和u_1≥0.     

THE CONVERGENCE RATES OF EMPIRICAL BAYES ESTIMATION FOR PARAMETERS OF TWO-SIDED TRUNCATION DISTRIBUTION FAMILIES

Consider the two-sided truncation distribution families written in the form f(x,θ)=w(θ_1, θ_2)·h(x)I_([θ_1,θ_2])(x)dx, where θ=(θ_1,θ_2). T(X)=(t_1(X), t_2(X))=(min(X_1, …, X_m), max(X_1, …, X_m)) is a sufficient statistic and we denote its marginal density by f(t)dμ~T. The prior distribution of θ belong to the famlly. In this paper, we have constructed the empirical Bayes (EB) estimator of θ, φ_n(t), by using the kernel estimation of f(t) and established its convergence rates. Under suitable conditions it is shown that the rates of convergenc of EB estimator are O(N~-((λ中-1)(k 1))/(2(k 2)k)), where the neural number k>1 and 1/2<λ<1-1/2k. Finally an example about this result is given.     

寻找最优控制的具有约束算子的梯度算法

§1.具有约束算子的梯度算法 考虑连续的受控系统,其运动轨道及控制满足常微分方程组 x=f(x,u,t),x(t_0)=x_0, (1.1)其中x=(x_1,x_2,…,x_n)~T?E~n是系统的状态变量,u=(u_1,u_2,…,u_r)~T?E~r是系统的控制变量;f(·,·,·)=(f_1(·,·,·),…,f_n(·,·,·))~T是由E~n×E~r×E~1到E~n中的向量值函数;t_0是运动的起始时刻;x_0是运动的初始状态;t_f是运动的终结时刻.为简单起见,下面假定t_0,x_0,t_f均已给定。 我们把定义在区间[t_0,t_f]上的每一个在E~r中取值的分段连续函数u(t)=(u_1(t),u_2(t),…,u_r(t))~T称作系统(1.1)的一个控制。所有这样的控制的集合记作H,给定系     

非线性双曲型方程的混合元方法

1　引　　言考虑下述非线性双曲型方程的混合问题:c(x,u)utt-.(a(x,u)u)=f(x,u,t),　　x∈Ω,t∈J,(1.1)u(x,0)=u0(x),　　x∈Ω,(1.2)ut(x,0)=u1(x),　　x∈Ω,(1.3)u(x,t)=-g(x,t),　　(x,t)∈Ω×J,(1.4)其中ΩR2是一具有Lipschitz边界Ω的有界区域,J=[0,T],0相似文献   

非线性高阶广义 Schrdinger型方程组的周期边界问题

本文考虑系数矩阵为非负定与非奇异的高阶抛物型方程组周期边界问题:=(-1)~(m 1)α_(Ij)(t) f\-1(u\-1,…u\-1),×∈R,t∈R,(Ⅰ)u\-1(x,t)|_(t=0)=_1(x),u\-1(x 1,t)=u\-1(x,t),x∈R,t∈R ,l=1,2…,J;整体解的存在与唯一问题,其中中 m1为整数,_1(x)是以1为周期的函数。J×t 阶矩阵 A(t)=(α_(xj)(t))是非负定的,即α_(lj)(t)ξ_lξ_j≥0,ξ_j∈R,i∈R_。     

非线性规划中最小变化拟Newton方法的局部收敛性

考虑非线性规划问题:[1]和[4]曾讨论对某点x处的投影Hesse阵z(x)~T?_(xx)~2L(x,λ)z(x)进行变尺度校正算法的收敛性.假设f(x),c_i(x),i=1,…,t为二次连续可微函数,x~*为(1.1)的解,且在x~*处满足二阶充分性条件,以及假设     

惩罚函数法

引言非线性规划问题大致可分为两类:一类是无约束最优化问题:极小化f(x),x=(x_1,…,x_n)~T∈E~n;(0.1)另一类是约束最优化问题:极小化f(x),x=(x_1,…,x_n)~T∈E~n;约束g_j(x)≤0,j=1,…,m;(0.2)h_k(x)=0,k=1,…,l。     

Existence Results for a Class of Semilinear Elliptic Systems

In this paper, we study the existence of nontrivial solutions for the problem
{-△u=f（x,u,v）＋h1（x）in Ω
-△v=g（x,u,v）＋h2（x）inΩ
u=v=0 onδΩ
where Ω is bounded domain in R^N and h1,h2 ∈ L^2 （Ω）. The existence result is obtained by using the Leray-Schauder degree under the following condition on the nonlinearities f and g：
{lim s,｜t｜→＋∞f（x,s,t）/s=lim ｜s｜,t→＋∞g（x,s,t）/t=λ＋1 uniformly on Ω,
lim -s,｜t｜→＋∞f（x,s,t）/s=lim ｜s｜,-t→＋∞g（x,s,t）/t=λ-,uniformly on Ω,
where λ＋,λ-∈（0）∪σ（-△）,σ（-△）denote the spectrum of -△. The cases （i） where λ＋ = λ_ and （ii） where λ＋≠λ_ such that the closed interval with endpoints λ＋,λ_ contains at most one simple eigenvatue of -△ are considered.     

关于Bernstein-Kantorovich算子的Steckin-Marchaud型不等式

§1. Introduction For the Bernstein PolynomialsBn(f,x)=∑nk=0nkxk(1-x)n-ffkn,(1.1)Ditzian［1］ proved a pointwise approximation:Bn(f,x)-f(x)≤Cω2φλf,φ1-λ(x)n, 0≤λ≤1, φ(x)=x(1-x),(1.2)which unified the classical estimate for λ=0 and the norm estimate for λ=1. As the inverse result, Erich Van Wickeren［2］ proved:ω2α(f,n-1/2)≤Mαn-1∑nk=1Bkf-fα.But, this is only a norm estimate (with ω2φ(f,t)), not inclusive of the classical estimate (with ω2(f,t)). For f∈C［0,1］, the …     

完全非线性扰动方程的线性化原理

本文讨论方程u_i=a(t,εu,ε▽u,ε▽u)·▽u f(t,x,u,▽u)带第一初边值条件的解的存在性,其中a(t,0,0,0)>0,当|ξ|相似文献   

ASYMPTOTICALLY OPTIMAL EMPIRICAL BAYES ESTIMATION FOR PARAMETERS OF TWO-SIDED TRUNCATION DISTRIBUTION FAMILIES

Consider the two-sided truncation distrbution families written in the formf(x,θ)dx=w(θ_1, θ_2)h(x)I_([θ_1,θ_2])(x)dx, where θ=(θ_1,θ_2).T(x)=(t_1(x), t_2(x))=(min(x_1,…,x_m), max(x_1, …,x_m))is a sufficient statistic and its marginal density is denoted by f(t)dμ~T. The prior distribution of θ belongs to the familyF={G:∫‖θ‖~2dG(θ)<∞}.In this paper, the author constructs the empirical Bayes estimator (EBE) of θ, φ_n (t), by using the kernel estimation of f(t). Under a quite general assumption imposed upon f(t) and h(x), it is shown that φ_n(t) is an asymptotically optimal EBE of θ.     

边界层的奇性分析

设 λ∈[λ_0,∞)(0<λ_0<<1),H_1=H_0~2(Ω)∩H~3(Ω),H_2=H_0~1(Ω)∩H~3(Ω),H_3=H~3(Ω),k_1=1/4,k_2=1/12,k_3=1/36,J_6(λ)=integral d(x,Γ)≥a~λlog(1+a~(-β) |△▽(u_e-u)|~2dx,α(ε)=1/6×log_ε1/C(C>1).我们考虑问题(?)定理.若 u=f∈H_i,对问题(1),有如下三种情形成立:i)正规区域 当 λ_0≤λ≤1/6-α(ε)时,有J_6(λ)≤C‖f‖_(H~3(Ω))~2;ii)奇性增长区域当1/6-α(ε)<λ<1/6+k_i/6时,有J_6(λ)≤Cε~(-6λ+2k_i)‖f‖_(H~3(Ω))~2;iii)奇性稳定区域当 λ≥1/6+(k_i)/6时,有J_6(λ)≤Cε~(-1+k_i)‖f‖_(H~3(Ω))~2;其中 i=1,2,3,β≥(45)/(32),C 为同 ε 无关的常数(见图1).