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     

求解特征值反问题的同伦方法

§1.引言 本文讨论经典的加法问题,即 问题A.给定一个n阶实对称矩阵A和n个实数λ_1,…,λ_n,求n维实向量x=(x_,…,x_n)~T,使得A+diag(x_1,…,x_n)的特征值是λ_1,…,λ_n。 求解问题A的数值方法已有很多,一般是先把问题A化为一个等价的非线性方程组,然后用Newton法求解相应的非线性方程组.在[6]中,Friedland等对这方面的工     

Volterra积分微分方程解的稳定性与有界性

这里A为n×n常数矩阵,C(t,s)为n×n函数矩阵,对0≤s≤t<∞连续,f:(-∞,∞)→R~n连续。 我们规定‖·‖表示向量x=(x_1,x_2,…,x_s)~T或矩阵A=(aij)_(s×s)的模,T表示转置。我们取     

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=(?)     

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.     

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     

非线性规划的一个可行方向方法

<正> 本文的目的是给出非线性规划问题(P) min(?) f(x),R={x|Ax=b,x≥0}的一个具收敛性的算法.其中,f(x)∈C′,A 是 m×n 阶矩阵(m相似文献   

一类函数方程的样条配置求解和波的有限传播法

其中f,g为未知和已知的连续函数,而F=(f_1,f_2,…,f_m)~T和G=(g_1,g_2,…,g_m)~T为未知和已知的m元连续函数向量;A_i为m阶实常数矩阵,a_i,a_i为实常数,且|a_i|<1。鉴于(1.3)是方程(1.4)在m=1时的特款,将主要讨论函数矩阵方程(1.4)的数值解法。 在[2]中,我们曾给出了方程(1.4)的解存在唯一的两个充分条件,即 定理1 对函数矩阵方程(1.4),若存在实数μ≥0,使     

不用二进制倒排的快速富里埃变换

设有一个n维向量f=(f_0,f_1,…f_(?-1))~T(这里符号T表示转置),它可以是输入信号的一些抽样值,并且可以取复数值。考虑它的离散富里埃变换(DFT):     

F-相对极值超曲面的Bernstein性质(英文)

设x:M→R~(n+1)是一个局部严格凸的超曲面,由定义在一个凸域Ω()R~n上的严格凸函数x_(n+1)=f(x_1,x_2,…,x_n)给出.设Y=(0,0,…,0,1)是超曲面的古典相对法,则相应的余法场U=(-(()f)/(()x_1),-(()f)/(()x_2),…,-(()f)/(()x_n),1).本文相对于余法向量场U~F=F(ρ)U又定义了一个相对法化,称之为M的F-相对法化,其中ρ=[det(f_(ij))]~(-1/(n+2)),并证明了F-相对极值超曲面的Bernstein性质.     

Vincent定理的多元推广

Vincent定理指出:若f(x)为d次实系数多项式,(a_1,b_1)为开区间,则多项式f(x)在(a_1,b_1)上没有实根当且仅当存在正常数δ,使得对任意区间(a,b)(a_1,b_1),当|a-b|δ时,多项式(1+x)~df((a+bx)/(1+x))的系数不变号(都是正数或都是负数).文章的主要工作是推广这一结果到一般的多变元代数系统.设实系数多项式f∈R[x_1,x_2,…,x_n],f相对于变元x_i的次数记为d_i.记区间的笛卡尔积为I=[a_1,b_1]×[a_2,b_2]×…×[a_n,b_n](也称为Box).记φ(I)=max{b_i-a_i,i=1,2,…,n}.定义f_I=(1+x_1)~(d_1)(1+x_2)~(d_2)…(1+x_n)~(d_n)f((a_1+b_1x_1)/(1+x_1),(a_2+b_2x_2)/(1+x_2),…,(a_n+b_nx_n)).称f_I为f相对于Box I的伴随多项式.证明了:若多项式f_1,f_2,…,f_m∈R[x_1,x_2,…,x_n],且BoxΛR~n,则方程组{f_1=0,f_2=0,…,f_m=0}在BoxΛ上没有零点,当且仅当存在正常数δ(与BoxΛ有关),使得对于任意Box IA,当φ(I)δ时,伴随多项式f_(1I),f_(2I),…,f_(mI)中至少一个f_(iI)的非零系数全是正(或负)数且f_i在Box I的所有顶点上的值不为0.     

约束极值的一个可行方向法

<正> 引言我们讨论下面的约束极值问题(NP):(?)f(x_1,x_2,…,x_n) (1)(NP)R={x|a_j~Tx≤b_j,x∈E~n,j∈I},I={1,2,…,m}.(2)其中 a_j=(a~(j_1),a_(j_2),…a_(j_n))~T,x~T=(x_1,x_2,…,x_n)是 n 维向量,b_j 是标量,f(x_1,x_2,…,x_n)是一阶连续可微的凸函数.     

线性约束凸规划的既约变尺度法

本文讨论如下的非线性规划的求解问题:其中,可行集R={x|Ax=b,x≥0},x=(x_1,x_2,…,x_n)~T∈E~n,A为m×n矩阵,秩为m。b=(b_1,b_2,…b_m)~T为常向量。对于这个问题已有许多解法。但在现有的方法中,或是没有讨论收敛速度,或者收敛速度是线性的。在[1]中,对于包含线性等式与不等式约束的凸规划问题,我们将梯度投影与     

一个联系Fisher信息和Amari曲率的极限定理

其中 x=(x_1,x_n)~T 是一随机向量,θ=(θ~1,…,θ~n)~T 是未知参数.θ∈H,H 是 R~n的一个开凸集.本文将采用 Einscein 求和约定.在以上条件下由(1.1)式确定的分布密度的集合形成一个 n 维的微分流形 S.我们考虑一个光滑地嵌入在 S 中的(m,n)-曲指数族 M,其元素可表示为 p(x,θ(u)),其中u=(u~1,u~m)~T,m相似文献   

带约束的最小平方和

<正> §1.引言设 x=(x_1,…,x_n)~T,f(x)=(f_1(x),…,f_m(x))~T,g(x)=(g_1(x),…,g_l(x))~T,其中 f_i(x)(i=1,…,m)与 g_j(x)(j=1,…,l)可以是非线性函数.令     

标准Jacobi矩阵的混合型特征反问题

0 引言 本文讨论如下标准形式的Jacobi矩阵 其中a_i>0(i=1,2,…,n),b_i>0(i=1,2,…,n-1)。 对于Jacobi矩阵(对称三对角矩阵)的特征反问题,已有的成果[1],基本上集中在由两组频谱或两个特征对(指特征值及相应的特征向量)构造Jacobi矩阵的元素这样两类问题上,习惯上称之为频谱型或特征向量型反问题。本文提出且求解了第三类型——混合型特征反问题。即由一组频谱数据和一个特征向量构造矩阵元素的问题: 问题Ⅰ 给定正数λ~(1),λ~(2),…,λ~(n)和实向量x=(x_1,x_2,…,x_n)~T,其中x_1=1。构造一个标准形式的Jacobi矩阵J,使其第k阶顺序主子阵恰以λ~(k)(k=1,2,…,n)为其特征值。且(λ~(n),x)为其特征对。 问题Ⅱ 给定正数0<λ_1~(n)<λ_1~(n-1)<…<λ_1~(1)和正向量x=(x_1,x_2,…,x_n),其中x_=,x_k>0(k=2,…,n),构造一个标准形式的Jacobi矩阵J,使其第K阶顺序主子阵恰以λ_1~(k)为其最小特征值,而(λ~(n),x)为J的特征对。 问题Ⅲ 给定n个实数0<λ_1)<λ_2<…<λ_n和m个实数λ~(1),λ~(2),…,λ~(m)及m维向量x=(x_1,…,x_m)~T。构造n阶标准形式的Jaeobi矩阵J,使其第K阶顺序主子阵恰以λ~(k)(k=1,2,…,m)为其特征值,而(λ~(m),x)为第m阶顺序主子阵的特征对,且λ_k(k=1,2,…,n)为J的特征值。这里系大于或等     

Jacobi和Gauss-Seidel迭代收敛的新判别准则

设线代数方程组 Ax=bA=D-E-F,其中D、E、F分别为A的对角、严格下三角、严格上三角矩阵。此时Jacobi迭代阵和Gauss—Seidel迭代阵分别为 B=D~(-1)(E+F)=L+U, B’=(D-E)~(-1) F=(I-L)~(-1)U     

关于M序列反馈函数的构造方法

n级非奇异移位寄存器的反馈函数f(x_1,x_2,…,x_n), f(x_1,x_2,…,x_n)=x_1( )f_0(x_2,…,x_n)的重量ω(f),是指n-1个变元的布尔函数f_0(x_2,…,x_n)的重量ω(f_0),即f_0(x_2,…,x_n)取值为1的点的个数。设f(x_1,x_2,…,x_n)是n级M序列的反馈函数,我们知道,当n>2时,有     

高阶稀疏局部非线性方程组的一种拟牛顿方法

§1.引言 当用有限元法或有限差分法分析非线性偏微分方程问题时,必然会导致求解非线性方程组的问题,即求 F(x)=0 (1.1)的解.其中,x=(x_1,x_2,…,Xx_n)~T∈D,D?R~n;F:D→R~n是一个非线性映射.因此,有效地求解非线性方程组(1.1),是分析相应的非线性问题的关键. 不管这些非线性问题是来自流体力学、固体力学,还是其他的物理范畴,它们所对应     

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。