Newton分裂方法的存在性收敛性定理

本文在Ｋａｎｔｏｒｏｖｉｃｈ型定理的条件下，给出了两种Ｎｅｗｔｏｎ型分裂方法的存在性及收敛性定理。

复模糊集值复模糊积分及其收敛性定理

首先介绍复模糊集值测度与复模糊集值可测函数的概念及复模糊集值可测函数的性质,以及基于复模糊集值复模糊测度的复模糊集值积分概念及其基本性质;其次,研究了复模糊集值复模糊积分的收敛问题,得到了这种拓广到复模糊集值上的复模糊积分的单调收敛定理、法都定理、控制收敛定理等重要的收敛性定理.

AOR迭代法的一个收敛性定理

针对线性方程组的系数矩阵为α-链及双严格对角占优矩阵的情况,讨论了线性方程组求解AOR迭代方法的收敛性,给出了迭代法的一个收敛性定理,由此得到了几个重要的推论。所得到的结果不仅适用于这几类矩阵,还适用于广义α-对角占优矩阵类。不但解决了以往讨论迭代矩阵谱半径的估值问题,而且使用方便。最后举例说明了所给结果的优越性。

双α-对角占优矩阵与AOR迭代法的收敛性定理

对系数矩阵为严格双α-对角占优矩阵的情况,推广了解线性方程组的AOR迭代法,获得了AOR方法收敛的实用条件。推广了已有结果,并用数值例子说明了本文结论的实用性。

SOR迭代法的一个收敛性定理

为求解线性方程组Ax=b,常将矩阵A分解为A=M-N,这里M为非奇异矩阵.已知得到的迭代格式x(k+1)=M-1Nx(k)+M-1b(k=0,1,2,…)对任意初始向量x(0)都收敛到解x=A-1b,当且仅当M-1N的谱半径ρ(M-1N)<1,其中M-1N称为迭代矩阵.因此,估计ρ(M-1N)的界限就成了一个热点问题.针对线性方程组的系数矩阵为严格双α-对角占优矩阵的情况,讨论了线性方程组求解SOR迭代方法的收敛性,给出了迭代法的一个收敛性定理,由此得到了几个重要的推论.所得到的结果不仅适用于这几类矩阵,还适用于广义严格双α-对角占优矩阵类.解决了以往讨论迭代矩阵谱半径的估值问题,且使用方便.最后举例说明了所给结果的优越性.

AOR方法的收敛性定理

获得了著名的AOR方法收敛的实用条件和H矩阵的实用判别条件· 所得AOR方法的收敛条件便于实际计算应用,适用范围不要求方程组系数矩阵对角占优。

一族非扩张非自映射的强收敛性定理

建立了一种新的迭代序列,利用此序列逼近非扩张非自映射族的公共不动点,获得了一些强(弱)收敛定理.所得定理改进和推广了现有文献的一些相应结果.

关于Poincaré圆上拟共形调和映射的收敛性定理(英文)

本文证明了下列定理：设｛ｆｎ：Ｄ→Ｄ｝是单位圆Ｄ到自身的、关于Ｐｏｉｎｃａｒé度量的Ｋ拟共形调和映射序列，则序列｛ｆｎ｝中有一个在闭单位圆Ｄ上一致收敛的子序列，其极限函数也是Ｐｏｉｎｃａｒé圆上的调和映射．

ISHIKAWA和MANN迭代过程下强伪压缩映射的收敛性定理(英文)

应用新的逼近方法去研究在ISHIKAWA和MANN迭代过程下非LIPSCHITZ的强伪压缩映射的收敛性定理。在更一般的假设下 ,这些定理改进和推广了近期的一些研究结果 (见参考文献 [1],[3～ 6 ],[11～ 12 ],[14])

一类积分方程解的收敛性定理

研究了一类与传染病模型有关的积分方程,在已知其解存在且唯一的基础上,利用一个新的积分不等式证明了这类方程解的一个收敛性定理.

关于Newton迭代法收敛性定理的一个注记

文章分析了通常Newton迭代法收敛性定理的缺陷,并给出了一个新的命题(见文章第二部分),比通常的定理条件弱,适应性强,文中用实例加以验证。

H-矩阵非线性互补问题基于模的矩阵分裂迭代法改进的收敛性定理

该文在较弱的条件下,证明了解一类H-矩阵非线性互补问题基于模的矩阵分裂迭代法和相应的加速迭代法的收敛性定理.这意味着对于分裂A=M-N有更多的选择,使得基于模的矩阵分裂迭代法得以收敛.改进的收敛性定理扩展了基于模的矩阵分裂迭代法的应用范围.

概率度量空间压缩映象的广义拟Picard迭代收敛性定理的注记

文［１］第１３个定理中的条件：可去掉，应用文［２］的方法，得到与文［１］定理１３相同的结果。

某些迭代法的一个收敛性定理

为求解线性方程组Ax=b,将矩阵A分解为A=M-N,这里M为非奇异矩阵.得到的迭代格式x(k+1)=M-1Nx(k)+M-1b(k=0,1,2,…)对任意初始向量x(0)都收敛到解x=A-1b,当且仅当M-1N的谱半径ρ(M-1N)<1,其中M-1N称为迭代矩阵.针对线性方程组的系数矩阵为严格双α-对角占优矩阵的情况,讨论了线性方程组求解时几种常用迭代方法的收敛性,给出了迭代法的一个收敛性定理,由此得到了几个重要的推论.最后举例说明了所给结果的优越性.

关于极大熵聚类算法的收敛性定理的反例

追溯了极大熵聚类算法的历史渊源,指出了张志华等提出的算法本质上缺少新意,并构造了两个具体例子说明了极大熵聚类算法得到的迭代序列不一定收敛到目标函数的局部极小值,有可能收敛到鞍点。在此基础上,指出了他们关于极大熵聚类算法的收敛性定理一般不能成立的理论理由。

Thiele型向量连分式的收敛性定理

Thiele型向量连分式,不仅可用来解决一元和多元向量有理插值问题[1-3],一元和多元向量切触有理插值问题[3],还可用来研究向量Pade逼近及向量连分式逼近[1,3]。本文给出了这种连分式的收敛性定理,并把著名的Pringsheim定理推广到向量连分式上去。

“牛顿类”迭代的收敛性和误差估计

从求解非线性方程f(x)=0的一维“牛顿类”迭代法出发,在Banach空间中建立了“牛顿类”迭代公式,用优函数的方法,建立了相应的Kantorovich定理,并给出了比牛顿迭代更好的误差估计.

φ-强伪压缩映像带误差隐迭代过程的收敛性分析

在任意Banach空间讨论了有限个φ-强伪压缩映射族隐迭代过程的收敛性问题.利用φ的性质和迭代过程本身的特性,得到了具有误差的隐迭代过程收敛于公共不动点的若干结果.研究了误差项为γnun和un的隐迭代过程.

可数族弱Bregman相对非扩展映像的收敛性分析

在自反Banach空间中,引入可数族弱Bregman相对非扩张映像概念,构造了两种迭代算法求解可数族弱Bregman相对非扩张映像的公共不动点.在适当条件下,证明了两种迭代算法产生的序列的强收敛性.

随机变量的连续函数的收敛性

在概率论中研究了随机变量序列的几乎处处、依概率、依分布律等各种收敛性。很容易证明,如果 m 维随机变量序列ξ（n）→ξ,a·e·,而 g 是 m 维空间 R（m）的子集 D 上的连续函数,且ξ（n）,ξ只在 D 中取值时 g(ξ（n）)→g（ξ）,a·e·。对于依概率收敛,g 是