提高曲面拟合精度的最佳扰动算法

本文对[1]中的迭代算法提出了一个改进。改进的算法对于n个基函数的最小二乘拟合问题,最多扰动计算n次即可达到至少有n+1个最大拟合误差降到一致的结果。在许多情况下,这也是该问题的离散切比雪夫解。     

基于切比雪夫小波基与年龄相关种群模型的数值解

基于切比雪夫小波基给出与年龄相关种群模型的数值解.利用切比雪夫小波基的性质使得所求偏微分方程转化为矩阵方程,从而简化了数值解的求解过程.最后通过数值例子验证其理论结果.     

解非线性方程组的牛顿-切比雪夫方法

切比雪夫迭代法是解系数矩阵为对称正定的线性方程组的一种比较有效的方法(例如见[4],[5])。本文将切比雪夫迭代法推广去解非线性方程组,构造和研究了l步牛顿-切比雪夫方法,建立了局部收敛性定理,估计了收敛速度;同时还证明了这一方法的迭代参数较之更一般的l步牛顿-多参数同步迭代法的迭代参数为佳。 考虑非线性方程组     

最小二乘问题及其研究

本文从理论上讨论了线性方程中最小二乘解的存在性及最小范数最小二乘解的唯一性，并给出求最小二乘解及最小范数最小二乘解的公式方法。     

Hermitian自反矩阵反问题的最小二乘解

本文研究了Hermitian自反矩阵反问题的最小二乘解及其最佳逼近.利用矩阵的奇异值分解理论,获得了最小二乘解的表达式.同时对于最小二乘解的解集合,得到了最佳逼近解.     

加权总体最小二乘问题的分析

总体最小二乘问题由Golub和Van Loan首先进行数学的分析,随后人们对于总体最小二乘问题的算法、解的各种形式、总体最小二乘解和最小二乘解的关系、总体最小二乘解的扰动理论以及数值试验作了大量的研究工作。近来,[10]中给出了总体最小二乘问题(TLS)较一般地讨论。另一方面,Golub和Van Loan研究了总体最小二乘问题的特殊均加权形式。本文试图在[10,11]的基础上讨论最一般的总体最小二     

加权的最小二乘形式矩阵Padé-型逼近

当最小二乘形式矩阵Pade-型逼近(LSMPTA)中Hankel矩阵呈病态时,其逼近解往往很不稳定.通过引入适当的权因子矩阵,将LSMPTA转化为与之等价且稳定性较高的一种新的LSMPTA,即加权的最小二乘形式矩阵Pade-型逼近,并给出了最佳权因子的选择标准.最后,通过数值实例说明了该方法的有效性.     

基于GA-Chebyshev神经网络的分数阶Bagley-Torvik方程数值解法

本文基于现有的切比雪夫神经网络,提出了一种利用遗传算法优化切比雪夫神经网络求解分数阶Bagley-Torvik方程数值解的新方法,结合多点处的泰勒公式原理,给出数值解的一般形式,将原问题转化为求解无约束最小化问题.与现有数值方法的数值结果进行比较表明了本文方法的可行性和有效性,为分数阶微分方程中类似问题的求解提供了新的思路.     

加权总体最小二乘问题的解集和性质

本文讨论了加权总体最小二乘问题的等价解集，分析了加权总体最小二乘解与加权最小二乘问题的解之间的关系。推广了Ｇｏｌｕｂ和Ｖａｎ Ｌｏａｎ，Ｖａｎ Ｈｕｆｆｅｌ和Ｖａｎｄｅｗａｌｌｅ，及Ｗｅｉ的相应结果。     

回归函数的速归LS─权估计的强收敛性

本文讨论了把传统的最小二乘方法与非参数的权函数法结合起来所得回归函数的递归最小二乘—权估计（简记为ＬＳ—权估计）的强收敛性。     

双变量LMEs一种异类约束最小二乘解的MCG算法

借鉴求线性矩阵方程组(LMEs)同类约束最小二乘解的修正共轭梯度法,建立了求双变量LMEs的一种异类约束最小二乘解的修正共轭梯度法,并证明了该算法的收敛性.在不考虑舍入误差的情况下,利用该算法不仅可在有限步计算后得到LMEs的一组异类约束最小二乘解,而且选取特殊初始矩阵时,可求得LMEs的极小范数异类约束最小二乘解.另外,还可求得指定矩阵在该LMEs的异类约束最小二乘解集合中的最佳逼近.算例表明,该算法是有效的.     

线性流形上对称自正交相似矩阵最佳逼近

讨论了线性流形上对称自正交相似矩阵的最小二乘解,得到了解的一般表达式,对于任意给定的矩阵A*,在最小二乘解集中得到了的A的最佳逼近解.     

比例Volterra积分方程的切比雪夫谱配置法

采用谱配置方法研究比例Volterra积分方程的收敛性并进行数值分析.首先进行适当的变换,然后利用切比雪夫-高斯求积公式离散方程中的积分项,紧接着从理论上证明切比雪夫谱配置方法的收敛性,最后给出数值例子,数值结果表明方程的精确解与近似解之间的误差在无穷范数空间和加权的L~2范数空间中均呈现指数衰减,仿真结果验证方法的可行性.     

求矩阵方程组的反对称最小二乘解的递推算法

讨论了矩阵方程组A_1XB_1=D_1,A_2XB_2=D_2反对称最小二乘解的递推算法,该算法不仅能够用于计算反对称最小二乘解,而且在选取特殊的初始矩阵时,算法能够求出矩阵方程组的极小范数反对称最小二乘解,以及对给定的矩阵进行最佳逼近的反对称解.     

线性流形上广义中心对称矩阵的最佳逼近

讨论了线性流形上广义中心对称矩阵的最小二乘解,得到了解的一般表达式。对于任意给定的实对称矩阵A,在最小二乘解集中得到了A的最佳逼近解．     

Sylvester矩阵方程极小范数最小二乘解的迭代解法

研究了Sylvester矩阵方程最小二乘解以及极小范数最小二乘解的迭代解法,首先利用递阶辨识原理,得到了求解矩阵方程AX+YB=C的极小范数最小二乘解的一种迭代算法,进而,将这种算法推广到一般线性矩阵方程A_iX_iB_i=C的情形,最后,数值例子验证了算法的有效性.     

切比雪夫定理的初等证明

记 Tn( x) =cos( narccosx) ,这是一个首项系数为 2 n- 1的关于 x的 n次多项式 ,称为切比雪夫多项式 .在函数逼近论中 ,切比雪夫用连续函数的方法证明了一个基本结果 :定理 1 (切比雪夫 )　记Ωn={f( x) | f( x) =xn+ an- 1xn- 1+… + a1x+ a0 ,a0 ,a1,… ,an- 1∈R},则对任意 f( x)∈ Ωn,都有 max- 1≤ x≤ 1| f( x) |≥ 12 n- 1,且等号成立当且仅当 f( x) =12 n- 1Tn( x) .容易证明定理 1等价于下面的 :定理 2　记Mn={f ( x) | f ( x) =anxn+… + a1x+ a0 ,a0 ,a1,… ,an∈ R ,且当 - 1≤ x≤ 1时 ,| f ( x) |≤ 1 },则对任意 f( x)∈ …     

多指数衰减曲线的拟合问题

对于多指数衰减曲线的拟合问题、本文就以下三个问题给出了回答:如何确定近似解,如何选择相应的非线性最小二乘问题的权,以及如何根据数据确定多指数衰减曲线的项数。     

求矩阵方程AXB+CXD=F的中心对称最小二乘解的迭代算法

该文建立了求矩阵方程AXB+CXD=F的中心对称最小二乘解的迭代算法.使用该算法不仅可以判断该矩阵方程的中心对称解的存在性,而且无论中心对称解是否存在,都能够在有限步迭代计算之后得到中心对称最小二乘解.选取特殊的初始矩阵时,可求得极小范数中心对称最小二乘解.同时,也能给出指定矩阵的最佳逼近中心对称矩阵.     

矩阵方程组AX=C,XB=D的公共最小二乘解

通过使用矩阵秩方法,我们给出了矩阵方程组AX =C,XB =D的公共最小二乘解的通解表达式,以及公共最小二乘解的极大秩和极小秩.