建立空间曲线的参数方程的方法及应用

将空间曲线的一般式方程 F1(x,y,z) =0F2 (x,y,z) =0 化为参数方程x =x(t)y =y(t)z =z(t)是个难点 .而在计算两类曲线积分时 ,由于公式中曲线方程是由参数形式给出的 ,因此会遇到这个问题 .本文采用把曲线投影到坐标面上的方法 ,通过投影曲线标准方程的参数方程达到化空间曲线的一般式方程为参数方程的目的 .最后给出此问题的讨论在计算两类曲线积分时应用的例 .例 1　将曲线 L 的一般式方程x2 y2 z2 -x 3 y -z -4 =02 x -2 y -z 1 =0化为参数方程 .解　在方程中消去 z,得曲线 L 在 xoy平面上的投影曲线为L′:5 x2 -8xy 5 y2 …     

补偿凸变换与半凸函数的几何奇点提取

补偿凸上变换和下变换是对给定函数作"紧贴"逼近的单参数单向变换.本文将它们应用到R~n中局部具有一般模的半凸/半凹函数和DC-函数(即两个凸函数的差函数)的奇点提取.(局部)半凹函数最常见的几何例子有Euclid距离函数和平方Euclid距离函数.对于局部具有一般模的半凸函数f,本文证明在局部意义下,x是f的奇点(即不可微点)当且仅当它是f的1-阶"谷点",因而用本文的方法可以从具有一般模的局部半凸函数中提取所有的这些精细的几何奇点.更确切地讲,如果f是局部具有一般模的半凸函数,则"局部的"1-阶"山谷"变换在每个点x的极限存在,而且有显式表示lim_(λ→+∞)λV_λ(f)(x)=r_x~2/4,其中Vλ(f)(x)是f在x点的"山谷"变换,rx是f在x点次微分?-f(x)的最小包含球面的半径.所以,极限函数V∞(f)(x):=lim_(λ→+∞)λV_λ(f)(x)=r_x~2/4提供了一个半凸函数奇点1-阶"谷点"的"景观函数".同时,它也提供了补偿上凸变换Cuλ(f)(x)当λ→+∞时的一阶渐近展开式.对于具有局部线性模的局部半凸函数,本文进一步证明,补偿凸上变换的梯度当λ→+∞时的极限lim_(λ→+∞)▽C_λ~u(f)(x)存在,并且这个极限等于次微分?-f(x)的最小包含球面的中心.对于DC-函数f=g-h,本文证明它的1-阶"边缘"变换,当λ→+∞时满足lim inf_(λ→+∞)λE_λ(f)(x)(r_(g,x)-r_(h,x))~2/4,其中r_(g,x)和r_(h,x)分别是次微分?-g(x)和?-h(x)的最小包含球面的半径.     

不可微规划算法的实现

本文考虑如下的不可微规划问题其中目标函数f是局部Lipsohitz函数。根据可以定义方向导数f~0(x; d)和次微分集合(?)f(x)。现有的一些求解(NSP)的算法,例如[2],几乎都假定可以求得(?)f(x)或者(?)f(x)中的一个元素。然而,Shor指出既使f是凸函数,若(?)f(x)不是独点集,则不可能有算法保证对于ε>0,可以求得矢量g_a,使得当f是凸函数时,他同时给出一个求点x处近似次梯度的方法,即任意给定δ,δ>0,可以构造出矢量g,使得存在x∈B(x,δ),满足对于其他特殊情形,我们有如下结果。     

不可微优化不动点算法的收敛性

定义 设f(x)是定义在R~n上的实函数,若存在λ∈[0,1],使得对任意的x,y∈R~n,当f(x)≤f(y)时,总成立: 则称f(x)是R~n上的λ次凸函数。显然,λ=1时,f(x)即为通常的凸函数,λ=0时,f(x)为拟凸函数。 考虑一般不可微数学规划问题:     

两类下降的非线性共轭梯度法的全局收敛性

本文在文献[1]中提出了一类新共轭梯度法的基础上,给出求解无约束优化问题的两类新的非线性下降共轭梯度法,此两类方法在无任何线搜索下,能够保证在每次迭代中产生下降方向.对一般非凸函数,我们在Wolfe线搜索条件下证明了两类新方法的全局收敛性.     

一类非凸优化问题广义交替方向法的收敛性

考虑利用广义交替方向法(GADMM)求解线性约束两个函数和的最小值问题,其中一个函数为凸函数,另一个函数可以表示为两个凸函数的差.对GADMM的每一个子问题,采用两个凸函数之差算法中的线性化技术来处理.通过假定相应函数满足Kurdyka-Lojasiewicz不等式,当增广Lagrange(拉格朗日)函数的罚参数充分大时,证明了GADMM所产生的迭代序列收敛到增广Lagrange函数的稳定点.最后,给出了该算法的收敛速度分析.     

三次矩阵方程的解的判定

给定A∈Mn(F),g(x)=x3+ax2+bx+c∈F[x],本文讨论矩阵方程g(X)=A的解的存在性问题.在Li′s研究的基础上,当f(x)=p1(x)p2(x)…ps(x)时,我们给出g(X)=A有解的充要条件为对每一个pi(x),pi(g(x))在F[x]中存在ni次因式,ni=degpi(x).     

三次函数的单调性

设三次函数 F( x) ( x∈ R)的导函数 F′( x) =ax2 bx c( a≠ 0 ,a,b,c为常数 ) ,Δ=b2 - 4ac.1 )　若 Δ=0 ,则当 a>0时 ,F′( x)≥ 0 ,F( x)在 R上为单调递增函数 ;当 a<0时 ,F( x)在 R上为单调递减函数 .2 )若Δ<0 ,则当 a>0时 ,F′( x) =ax2 bx c>0 ,函数 F( x)在 R上为单调递增函数 ;当 a<0时F′( x) =ax2 bx c<0 ,函数 F( x)在 R上为单调递减函数 .3)若Δ >0 ,设 F′( x) =0的两根分别为 x1,x2 ,x10时 ,F′( x)在 ( -∞ ,x1) ,( x2 , ∞ )上为正 ,在 ( x1,x2 )上为负 ,从而 F( x)在 ( -∞ ,x1) ,( x2 , ∞…     

一种解带补偿的随机规划的逼近方法

其中f(x)∈C~1且f(x)为凸函数,A∈IR~(m×n),x∈IR~n,b∈IR~m.(1)的一般形式可用可行方向法(Topkis-Veinott情形)得到一个Fritz-John点.但当f(x)或△f(x)太复杂以致难以计算时,此方法就不适当.为此考虑逼近问题:     

一种具有充分下降性的三项共轭梯度法

提出了一种带两个参数的三项共轭梯度法,新算法具有如下特点:1)满足共轭性条件;2)自动具有充分下降性;3)新的搜索方向具有更大的下降量.在合适的条件下,证明了算法在强Wolfe线搜索下具有全局收敛性.最后对新算法进行了数值实验,结果表明算法对求解无约束优化问题是有效的.     

三角函数的凸性及其应用

1凸函数和Jensen不等式 我们首先引入凸函数的概念. 设f(x)是定义在(a,b)内的函数,如果对(a,b)内的任意两点x1,x2,都有那么称f(x)在(a,b)内是凸函数(简称f(x)为凸的).如果当x1≠x2时,(1)中不等号都成立,那么称f(x)在(a,b)内是严格凸函数(简称f(x)为严格凸的).     

求解无约束优化问题的两类修正的WYL共轭梯度方法

针对无约束优化问题,通过修正共轭梯度参数,构造新的搜索方向,提出两类修正的WYL共轭梯度法.在每次迭代过程中,两类算法产生的搜索方向均满足充分下降性.在适当条件下,证明了算法的全局收敛性.数值结果表明算法是可行的和有效的.     

两个谱共轭梯度法的全局收敛性及数值效果

谱共轭梯度法是求解无约束优化的一种有效算法.该文首先对JJSL共轭参数[Jiang et al.Computational and Applied Mathematics,2021,40（174）]进行投影修正,再通过选取合适谱参数以保证其搜索方向有下降性,从而得到两个有效的谱共轭梯度法.一般假设下,分别使用常规非精确线搜索计算步长,获得这两个新算法的全局收敛性.数值试验结果以及相应性能图进一步说明其数值有效性.     

化直线参数方程{x=x_0 at y=y_0 bt}为标准式的有关问题

在化直线参数方程一般式{x=x_0 at y=y_0 bt}(简称方程(Ⅰ))为标准式{x=x_0 tcosa y=y_0 tsina}(简称方程(Ⅱ))的问题上,存在一些模糊观念与错误作法,甚至在一些中学数学书刊与复习资料上也时有所见。如文[1]认为当a~2 b~2≠1时,方程(Ⅰ)中t不具有几何意义,而当a~2 b~2=1时,方程(Ⅰ)中t的几何意义与方程     

L~(p(x))(Ω)中关于Luxemburg范数和共轭Orlicz范数间的一个最佳不等式

令 L~(p(x))(Ω)为变指数 Lebesgue空间,其中 p：Ω→[1,∞]．‖·‖_(p(x))和‖·‖_(p(x))~o 分别表示 L~(p(x))(Ω)中的 Luxemburg 范数和共轭 Orlicz 范数．本文证明成立最佳不等式‖·‖_(p(x))≤‖·‖_(p(x))~o ≤ d_(p-,p )‖·‖_(p(x)),其中 d_(p-,p )是一个依赖于 p-=essinf_Ωp(x)和 p =esssup_Ωp(x)的常数．当1＜p-＜p ＜∞时, (?) 当 p-=1或 p =∞时,d(p-,p )是相应的极限形式．     

一类高阶线性微分方程解的增长性

本文讨论一类一般的齐次和非齐次高阶线性微分方程解的增长性,证明了当整函数F,A_j,D_j和s≥1次多项式P_j(z)(j=0,1,…,k-1)满足某些条件时,方程(其中k≥2),f~(k) (A_(k-1)(z)e~(P_(k-1)(z)) D_(k-1)(z))f~((k-1)) … (A_0(z)e~(P_0(z)) D_0(z))f=F当F≡0时,所有非零解具无穷级；当F≠0时,至多除去一个有限级解f_0外,其余所有解均满足■(f)=λ(f)=σ(f)=∞且σ_2(f)≤max{s,σ(F)},从而推广了M．Frei,M．Ozawa,G．Gundersen,J．K．Langley,陈宗煊,李纯红等人的结果。     

无约束优化的一类共轭梯度法

本文给出了一类具有４个参数的共轭梯度法，并且分析了其中两个子类的方法。证明了在步长满足更一般的Ｗｏｌｆｅ条件时，这两个子类的方法是下降算法。同时还证明了这两个子类算法的全局收敛性。     

无约束优化的一类共轭梯度法(英)

本文给出了一类具有4个参数的共轭梯度法，并且分析了其中两个子类的方法．证明了在步长满足更一般的Wolfe条件时，这两个子类的方法是下降算法．同时还证明了这两个子类算法的全局收敛性．     

二元二次多项式实分解的条件和应用

设二元二次多项式为f(x,刃二A护 ZB二,十c沪, ZDx ZE, F(*)并记11二次三项式的因式分解一样,可根据问题的特点,分别采用提公因式、处组分解、公式法、求根法等等.为便于应用,这里给出实分解的一般结果(具体推导由读者完成)./、 (一)在条件1o下. l)当AZ CZ笋0(不妨设A笋0)时,扮BCAB圣1一A 所谓f(x,功的实分解,是指f(x,功分解为两个实系数的二元一次式的积.在这方面,我们要研究的问题可归结为下面的三类: 1.f(x,刃在什么条件下可实分解?怎样分解? 2.若f(二,功的系数中含有一个未知参数,参数取何值时f(二,约可实分解?一 3.若f(二刀)的…     

一类代数式的求值方法新议

题:当 x=2-3~(1/2),求代数式:(7+43~(1/2))x~2+(2+3~(1/2))x+3~(1/2)的值.解等此题一般是直接把 x 的值代入所求式进行计算.而事实上,只要善于将7+43~(1/2)变形为(2+3~(1/2))~2,这题应用代入法也的确是非常简单的.但如果我们设想把各项系数变化一下,比如把二次项系数7+43~(1/2)改变为11+73~(1/2),把一次项系数改成3+