版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、河北大學碩士學位論文φ強偽壓縮映象隱迭代過程的收斂性分析姓名:劉麗梅申請學位級別:碩士專業(yè):應(yīng)用數(shù)學指導教師:何震20050601Abstract_IIII__●________日____≈女_●__●∞_目_∞l__●______●AbstractInthispaperwediscusstheconvergenceproblemsofanimplicititeration姍cessforfinitefamilyofp—s塒cflyps
2、eudocontractivemappingsinarbitraryBanaehspaceUsingthepropertyof伊andselfiterationprocess,someresultsareobtainedwhicharctheimplicititerationprocesswitherrorsandwithouterrorsconvergestoaconllnonfixedpoints,nleo煳21andtheorem
3、23aretheiterationprocesswithouterrorsTheorem24andm∞r(nóng)cm25aretheimplicititerationprocesswitherrorsynu。Theorem26istheimplicititerationprocesswitherrors甜^Theresultsobtainedinthispaperrepresent髓extension懿wellasimprovementofwe
4、llknownresultsHencethetheoryandmethodsofanimplicititerationareenrichedanddevelopedKeywordsandphrasesslricflypseudocontraetiveMappingsimplicititerationprocessimplicititerationprocesswitherrorscommonfixedpointsconvergencet
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 偽壓縮映象迭代算法的收斂性.pdf
- 嚴格漸近偽壓縮映象隱迭代序列的收斂性.pdf
- 嚴格偽壓縮映像隱迭代過程的收斂性.pdf
- 關(guān)于嚴格偽壓縮映象和m-增生映象迭代序列的收斂性.pdf
- 非擴張映象變形迭代算法的強收斂性.pdf
- 偽壓縮映射迭代序列的收斂性.pdf
- 漸近非擴張映象下的幾類迭代序列的強收斂性
- 幾類映象迭代序列的強弱收斂性.pdf
- 漸近非擴張映象下的幾類迭代序列的強收斂性.pdf
- 漸進偽壓縮映射的隱迭代收斂定理.pdf
- 漸近擬偽壓縮型映像不動點的迭代算法收斂性.pdf
- 非擴張非自映射迭代的強收斂性.pdf
- 關(guān)于若干迭代算法的收斂性分析.pdf
- banach空間中有限族嚴格偽壓縮映像的隱迭代序列的收斂性問題【畢業(yè)論文】
- 迭代逼近Banach空間中強偽壓縮映象的不動點和強增生算子方程的解.pdf
- 正混合halpern迭代序列的強收斂性【畢業(yè)論文】
- 修正混合halpern迭代序列的強收斂性【任務(wù)書】
- 優(yōu)化迭代學習控制算法及其收斂性分析.pdf
- 均衡問題的若干迭代算法及其收斂性分析.pdf
- 一類矩陣的AOR迭代收斂性分析及兩種預條件迭代的收斂性定理.pdf
評論
0/150
提交評論