求解热传导反问题的一种正则化Newton型迭代法

讨论热传导方程求解系数的一个反问题.把问题归结为一个非线性不适定的算子方程后,考虑该方程的Newton型迭代方法.对线性化后的Newton方程用隐式迭代法求解,关键的一步是引入了一种新的更合理的确定(内)迭代步数的后验准则.对新方法及对照的Tikhonov方法和Bakushiskii方法进行了数值实验,结果显示了新方法具有明显的优越性.     

有限维逼近无限维总极值的水平值估计方法

变分计算、最优控制、微分对策等常常要求考虑无限维空间中的总极值问题,但实际计算中只能得出有限维空间中的解.本文用有限维逼近无限维的方法来讨论函数空间中的总体最优化问题.用水平值估计和变侧度方法来求得有限维逼近总体最优化问题.对于有约束问题,用不连续精确罚函数法将其转化为无约束问题求解.     

无穷维系统中算子Riccati方程解的注记[英文]

本文采用正交投影技巧研究无穷维系统中算子Riccati方程的解,利用有限维空间中一序列来逼近该算子Riccati方程的解.并给出一个数值例子来说明我们的结论.     

加罚N-S方程的有限元非线性Galerkin方法

非线性Galerkin方法是对耗散型非线性发展方程的一种数值解法,其空间变量不象一般Galerkin方法那样在线性空间上离散,而是在非线性流形上离散,所得逼近解在时间变量增大时可以更快地逼近其精确解.精细的理论分析可见[1],[2]等,在有限元逼近基础上将此方法应用到Navier-Stokes方程上的工作可参见[3],[4],这些文章主要针对速度与压力同时求解的混合元情形做了讨论.本文在[4]的基础上对加罚Navier-Stokes方程的一种非线性Galerkin方法的半离散和全离散有限元逼近格式分别进行了误差估     

局部列紧(正规)算子与局部列紧(正规)收敛

在数值求解非线性算子方程时,列紧 算子、正规算子与列紧收敛、正规收敛理论,即列紧、正规算子逼近理论[1]、[3]、[5],导致了在较少假定下方程的近似解的收敛性[1]—[6]。作为列紧、正规算子逼近理论的推广,本文引入局部有界点列、局部有界算子、局部列紧算子(线性或非线性、有界或无界)、局部正规算子与局部列紧收敛、局部正规收敛等     

加罚N-S方程的有限元非线性Galerkin方法

非线性Galerkin方法是对耗散型非线性发展方程的一种数值解法,其空间变量不象一般Galerkin方法那样在线性空间上离散,而是在非线性流形上离散,所得逼近解在时间变量增大时可以更快地逼近其精确解.精细的理论分析可见[1],[2]等,在有限元逼近基础上将此方法应用到Navier-Stokes方程上的工作可参见[3],[4],这些文章主要针对速度与压力同时求解的混合元情形做了讨论.本文在[4]的基础上对加罚Navier-Stokes方程的一种非线性Galerkin方法的半离散和全离散有限元逼近格式分别进行了误差估     

一类不精确拟牛顿型算法的局部收敛性分析

为了求解Hilbert空间中算子方程或minimax问题,构造了一类无穷维空间中的不精确拟牛顿算法,并考虑了其线性收敛性和超线性收敛性,是对有限维空间中不精确拟牛顿法的推广.当迭代算子由Broyden修正给出时,在一定的假设条件下,得到了不精确Broyden方法的线性收敛性和超线性收敛性.这为使用不精确拟牛顿法结合投影法求解算子方程做好了准备.     

一阶HÖlder条件下带参数的修正型Euler-Halley迭代族的局部收敛性

1引言设X和Y为实或复Banach空间,Ω■X是开凸子集,F:Ω■X→Y是一阶连续可微的非线性算子.非线性算子方程F(x)=0 (1.1) 的求解及收敛域问题是现代科学计算理论的基本问题.解方程(1.1)的最著名的迭代方法是Newton法,在适当的条件下,它是二阶收敛的,此即著名的Kantorovich定理.关于Newton法收敛球半径的估计由Traub和王兴华分别给出,见[2]和[3],而收敛性研究的进一步发展可参看[4,5,6]及综述文章[7].     

一个新的不动点定理

<正> 本文在作者工作[1]的基础上,利用Leray-Schauder度理论给出无穷维Banach空间中非线性全连续算子的一个新的不动点定理,此不动点定理把著名的锥拉伸和锥压缩不动点定理中的序关系换成了范数关系,从而具有特点.我们还举例说明了此不动点定理对于Hammerstein积分方程非零解存在性的应用.     

矩阵方程AXB+CYD=E的M对称解的迭代算法

在共轭梯度思想的启发下,结合线性投影算子,给出迭代算法求解了线性矩阵方程AXB+CYD=E的M对称解[X,Y]及其最佳逼近.当矩阵方程AXB+CYD=E有M对称解时,应用迭代算法,在有限的误差范围内,对任意初始M对称矩阵对[X_,Y_1],经过有限步迭代可得到矩阵方程的M对称解;选取合适的初始迭代矩阵,还可得到极小范数M对称解.而且,对任意给定的矩阵对[X,Y],矩阵方程AXB+CYD=E的最佳逼近可以通过迭代求解新的矩阵方程AXB+CYD=E的极小范数M对称解得到.文中的数值例子证实了该算法的有效性.