用三种迭代方法求解奇异非线性方程

用三种迭代方法求解奇异非线性方程

论文摘要

假设B是一个Banach空间, F是B到B上的可微算子,研究奇异非线性方程F ( x ) = 0的解法,在自然科学和社会科学中具有理论和现实意义,例如边界层理论、弹性力学、反应扩散系统、鞍点、折点、非线性光学等。针对非奇异问题,许多学者做了较深入系统的研究,取得了一定的成果。在非奇异问题取得研究成果的基础上,国内外一些学者继续对奇异非线性方程进行探索研究。本文以前人的研究成果为基础,讨论了奇异问题的三种数值解法。全文共分四部分:一、针对形如: F ( x ) = 0的非线性方程,对奇异问题的研究现状及研究的必要性进行阐述。二、把外推的方法与Newton-Moser迭代法结合,构造了新的迭代格式,并且应用到奇异非线性方程F ( x ) = 0的求解方面,提高了收敛阶。最后,通过数值算例验证了其有效性。三、在非奇异情况下,King-Werner迭代法是行之有效的方法,其收敛阶是1 + 2,本文给出了奇异情况下King-Werner迭代法的修正格式,证明了收敛性,并提高了收敛速率。四、针对非线性方程的奇异问题,证明了平行割线法的收敛性并得到了收敛速率。在平行割线法的迭代格式上加了一个修正式,其计算量几乎不增加,但修正的迭代法的收敛速度大大提高。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 研究目的及意义
  • 1.2 研究现状及分析
  • 1.2.1 奇异问题研究现状
  • 1.2.2 奇异问题分析
  • 1.3 课题来源
  • 1.4 本文的主要工作
  • 第2章 用改进的Newton-Moser 迭代法求解奇异问题
  • 2.1 引言
  • 2.2 奇异情况下Newton-Moser 迭代法
  • 2.3 用改进的Newton-Moser 迭代法求解奇异问题
  • 2.4 算法举例
  • 2.5 本章小结
  • 第3章 用改进的King-Werner 迭代法求解奇异问题
  • 3.1 引言
  • 3.2 奇异情况下King-Werner 迭代法
  • 3.3 用改进的King-Werner 迭代法求解奇异问题
  • 3.4 算法举例
  • 3.5 本章小结
  • 第4章 用平行割线迭代法求解奇异问题
  • 4.1 引言
  • 4.2 奇异情况下平行割线迭代法
  • 4.3 用改进的平行割线迭代法求解奇异问题
  • 4.4 本章小结
  • 结论
  • 参考文献
  • 攻读硕士学位期间所发表的学术论文
  • 致谢
  • 相关论文文献

    • [1].基于改进粒子群算法的小波神经网络分类器[J]. 仪器仪表学报 2010(10)
    • [2].泰勒公式在数值计算中的应用[J]. 济宁学院学报 2011(03)
    • [3].电网长期负荷快速预测[J]. 上海电机学院学报 2019(04)
    • [4].关于半鞅的双幂变差门限版本的收敛速度(英文)[J]. 应用概率统计 2015(04)
    • [5].常数π的计算方法[J]. 电子制作 2013(16)
    • [6].基于影响函数的迭代控制器2-D分析与设计[J]. 信息与控制 2009(05)
    • [7].改进的遗传算法在加速寿命试验设计中的应用[J]. 电子世界 2013(23)
    • [8].汽车多通道多频点自适应降噪方法研究[J]. 机械设计与制造 2019(12)
    • [9].Carleman类模型光滑解的整体存在及渐近分析[J]. 云南师范大学学报(自然科学版) 2019(01)
    • [10].“偏微分方程数值解法”实验设计[J]. 数学学习与研究 2014(23)
    • [11].基于泽尼克模式系数的自适应光学遗传算法[J]. 中国激光 2008(03)
    • [12].磁悬浮开关磁阻电机的迭代学习控制[J]. 微电机 2010(06)
    • [13].收敛速度阶数更高的迭代开方公式[J]. 赤峰学院学报(自然科学版) 2011(02)
    • [14].Hlder范数下关于Brown运动增量的泛函局部收敛速度[J]. 数学杂志 2016(06)
    • [15].广义逆向学习方法的自适应差分算法[J]. 智能系统学报 2015(01)
    • [16].采用影响函数的时滞系统迭代控制2D分析[J]. 计算机工程与应用 2013(12)
    • [17].神经网络的特点及改进方法综述[J]. 科技广场 2011(07)
    • [18].基于云计算技术的大规模数据聚类分析[J]. 现代电子技术 2020(15)
    • [19].基于引领个体策略的人工蜂群算法[J]. 电脑与信息技术 2018(06)
    • [20].改进基于记忆的人工蜂群算法[J]. 北京邮电大学学报 2017(05)
    • [21].基于高斯函数递减惯性权重的粒子群优化算法[J]. 计算机应用研究 2012(10)
    • [22].PID神经网络的研究和改进[J]. 广东工业大学学报 2011(04)
    • [23].基于排斥作用的改进粒子群算法[J]. 声学与电子工程 2018(02)
    • [24].基于改进Landweber算法的两相流检测的研究[J]. 工业仪表与自动化装置 2011(02)
    • [25].随机变量和的估计定理[J]. 河北师范大学学报(自然科学版) 2011(06)
    • [26].海量数据中均值变点的快速估计方法[J]. 应用概率统计 2020(05)
    • [27].指数-威布尔分布参数的经验Bayes检验问题[J]. 江西师范大学学报(自然科学版) 2019(04)
    • [28].一种交叠的Shuffled-BP LDPC译码算法[J]. 电子与信息学报 2016(11)
    • [29].中国经济收敛速度的估计[J]. 经济研究 2009(06)
    • [30].基于频域法的二阶多智能体系统快速一致性分析[J]. 浙江理工大学学报(自然科学版) 2020(03)

    标签:;  ;  ;  ;  

    用三种迭代方法求解奇异非线性方程
    下载Doc文档

    猜你喜欢