求第一类Fredholm积分方程的离散正则化方法
求第一类Fredholm积分方程的离散正则化方法
【摘要】基于矩阵奇异值分解的离散正则化算法，本文给出了第一类Fredholm积分方程的求解方法。
并通过算例验证了此算法的可行性。
【关键词】第一类Fredholm积分方程；矩阵奇异值；正则化方法
0 引言
在实际问题中，有很多数学物理方程反问题的求解最后总要归结为一个第一类算子方程：
Kx=y（1）
的求解问题，其中K是从Hilbert空间X到Hilbert空间Y一个有界线性算子，x∈X，y∈Y。
通常右端项y是观测数据，因而不可避免的带有一定的误差δ。
文中假设方程（1）的右端的扰动数据yδ∈Y满足条件：yδ-y≤δ（C1）。
我们需要求解扰动方程Kx=yδ∈Y。
（2）
通常境况下，当K为紧算子时，方程（1）的求解时不适定的[1]。
即右端数据的小扰动可导致解的巨大变化。
消除不稳定性的一个自然的方式是用一族接近适定问题的模型去逼近原问题，比如最著名的Tikhonov正则化方法，用如下适定的算子方程：
去逼近原问题Kx=yδ，其中α>0为一正的“正则参数”，K*表示K的伴随算子。
正则化[2-3]是近似求解方程（1）的一种有效方法。
Krish应用奇异系统理论提出的正则化子的概念，这给正则化方法的建立提供了新的理论依据。
本文利用基于矩阵奇异值分解的离散正则化算法，通过适当选取正则化参数进行不适定问题的求解。
1 基于矩阵奇异值分解的离散正则化算法
矩阵的奇异值分解（SVD）是现代数值线性代数中最重要的基本计算分析工具之一，它具有优良的数值稳定性。
其重要应用领域包括矩阵理论以及自动控制理论，力学和物理学等，还有更多的应用方面尚在继续探索中。
对于一般算子方程Kx=y，利用高斯-勒让德求积公式、复化梯形公式或者复化辛普森求积公式等的数值方法将它离散得到一个矩阵方程Ax=y，这样，算子方程Kx=y的求解就转化为矩阵方程：
的求解。
定义设A是m×n实矩阵（m≥n），称n阶方阵ATA的非零特征值的算术平
方根为A的奇异值。
定理假设矩阵A具有奇异值分解：A=USVT，其中U=（uj）和V=（vj）均为单位正交矩阵，S=diag{sj}是对角阵，且sj是A的按降幂排列的奇异值：
s1≥s2≥s3≥…>sN>0而且，对于奇异系统{vj}，还成立：
Avj=sjuj，ATuj=sjvj
依据SVD方法，对于方程（3），
当y没有扰动时：
当y有扰动时：
采用正则化求解上式得：
2 正则参数的选取
定义正则化参数的取法α=α（δ）称为是允许的，如果在δ→0时，
都成立。
对矩阵方程Ax=yδ，yδ∈Y满足式（C1）.由扰动数据yδ∈Y求方程解的稳定近似值的正则化方法化为求式：
的极小元xα。
当误差水平δ>0已知时，存在α=α（δ）的一种选取策略使得δ→0时α（δ）→0且xα（δ）→x。
正则化参数的取法有先验和后验两种方式，下面将分别介绍一种先验取法和Morozov偏差原理的后验选取方法。
（1）先验取法
（2）利用Morozov偏差原理的后验选取方法
Morozov偏差原理是由Morozov在1966年引进的确定Tikhonov正则化参数的一种后验选取方法。
理论上，算子方程离散为矩阵方程后，Morozov相容性原理用：
来确定正则化参数，定义：
用A作用式（4）得：
由于yδ∈{uj}，且矩阵U是单位正交阵，故有：
从而有：
F（α）有唯一的零点，要求的最优正则化参数α*是F（α）的零点[1]。
3 数值算例
已知f（θ）的离散值的情况下，求解积分方程：
先将区间[-7，7]，变为[-1，1]，则上式变为：
用高斯-勒让德求积公式离散积分，得：
从而得到一个关于g=（g（7sj））的线性系统Ag=f，其中f就是给定的离散数据f（θ）。
对于此线性代数方程组，直接求解是数值不稳定的，而且随着离散节点数目的增加，得到的数值结果越来越坏[4]，因而应用正则化是必要的。
以下计算中取右端扰动数据为，线性系统两边都乘以AT将系数矩阵化为方阵，即ATAg=ATf，则ATA是n×n方阵。
对此方阵进行奇异值分解，再利用先验选取正则参数、Morozov偏差原理或吸收Morozov相容性原理后验选取正则参数，将求得的α*代入（4）得到g的Tikhonov正则解.最后，再利用多项式拟合求出g的拟合解，并作出图象观察拟合解和正则解的逼近情况。
【参考文献】
[1]A Kirsch. An Introduction to the Mathematical Theory of Inverse Problems[M]. Springer，New York，1996.
[2]Engl H W，Hanke M，Neubauer A. Regularization of Inverse Problems[M].Dordrecht：Kluwer，1996.
[3]李功胜，马逸尘.应用正则化子建立求解不适定问题的正则化方法的探讨[J].数学进展，2000，29（6）：53-541.
[4]李世雄，刘家琦.小波变换和反演数学基础[M].北京：地质出版社，1994.。
解一类Fredholm-Volterra型的积分微分方程
ｔ≤ １
ｒ
同伦摄动法（ 详见文献 ［ ４ ］ ）是计算数学 中 的一种 常 用方 法 ， 它 是通 过构 造 同伦 映 射进 而 引 入一个很小的嵌入算子 Ｐ ， Ｐ∈［ ０ ， １ ］ ． Ｐ从 Ｏ 到ｌ 的变 化使 得 非线 性 算 子 方 程 从 初 值 问题 连 续 变
换到 原始 问题 ． 根据 ＨＰ Ｍ， 可 以把 同伦 路径 所 满 足 的算子 方程 的解 写 成 关 于 Ｐ的一 个 幂 级 数形
法 的可 行性 和有 效性 ．
其 中Ｆ ｒ ｅ ｄ ｈ ｏ ｌ ｍ算 子 Ｓ ｕ （ ｘ ） 和Ｖ ｏ ｌ ｔ ｅ ｒ ｒ ａ 算子 Ｔ ｔ ｉ （ ｘ ） 分 别为
ｒ１
１ 同伦摄 动法
０
Ｓ ｕ （ ｘ ）＝ Ｉ Ｋ １ （ ， ｔ ） Ｎ １ （ （ ｔ ） ， ｕ （ ｆ ） ） ｄ ｔ ， ０≤
式．即 ：
Ｖ＝ ｏ＋ｐ ｖ ｌ ＋ｐ ２＋… （ ２ ） （ ３ ）
（ ）＝ Ｉ Ｋ ２ （ ， ｔ ） Ｎ ： （ ｕ （ ￡ ） ， ｕ （ ） ） ｄ ｔ ， ０≤
Ｊ ０
ｔ＜
≤ １ ．
其 中 ｕ∈ ［ ０ ， １ ］是 （ １ ）的解析 解 ， Ｎ （ “ ， Ｉ Ｉ ， ） 是 非 线 性 函 数 ，它 和 Ｎ （ ｕ ， ｕ ） ， Ｎ ２ （ １ １ ， ， ）都 是
Ｌ （ ） ， Ｌ 是 的 共 轭 算 子． 然 后 对
［ ０ ， １ ］＝ ｛ ｌ ｔ ｔ ” 是绝对 连续 实值 函数 ，
“ ”∈ Ｌ ［ ０ ， １ ］ ， Ｍ ‘ （ ０ ）＝ Ｍ ‘ ’ （ １ ） ， ＝０ ， １ ） ｝ 其 内积和范 数分 别为
摄 动 法
Fredholm积分方程的数值解
第18卷第2期核聚变与等离子体物理V ol.18,N o.2 1998年6月N uclear Fusion and Pla sma Physics J une1998Fredholm积分方程的数值解①徐文斌董家齐(核工业西南物理研究院,成都610041积分方程是泛函分析的一个重要分支,它是研究数学及其它学科,如偏微分方程边值问题和各种物理问题的重要数学方法。
为此,我们研制了求解Fredho lm积分方程的代码IT GM O,并给出了该代码实际应用的例子。
关键词Fredho lm积分方程Z i模数值解1引言在等离子体物理的计算中,经常需求解Fredholm积分方程,如求解Z i模的不稳定性[1,4]和求解微撕裂模的不稳定性[2]时就会碰到这样的问题。
为此我们编制了求解Fredholm积分方程的代码,以便研究和分析各种有关的物理问题。
积分方程的一般形式为:T(sx(s=y(s+λ∫b a k(s,tx(td t(1式中T(s、y(s和k(s,t是已知函数,λ、a、b是变数。
s和t可取[a,b]区间上的一切值。
λ称为积分方程的参数,x(s称为积分方程的解函数,k(s,t称为积分方程的核,y(s项称为自由项。
如果方程(1的未知函数是一次的,则称方程(1为线性积分方程。
如果y(s≡0,就称方程(1为齐次的积分方程,否则称为非齐次积分方程。
当y(s≡0时,又可称λ为积分方程(1的本征值,x(s为本征函数。
一般将Fredholm方程分为三类:第一类方程为:∫b a k(s,tx(td t=y(s(2第二类方程为:x(s=y(s+λ∫b a k(s,tx(td t(3第三类方程为:T(sx(s=y(s+λ∫b a k(s,tx(td t(4当第三类方程的T(s在[a,b]上是正函数时,此类方程便可以化成:①国家自然科学基金(19575014资助26核聚变与等离子体物理第18卷T(sx(s=y(sT(s+λ∫b a k(s,tT(sT(tT(tx(td t(5因此它变成含有x~(s=T(sx(s的第二类Fredholm方程。
基于模型函数与L-曲线的正则化参数选取方法
基于模型函数与L-曲线的正则化参数选取方法胡彬;徐会林;王泽文;喻建华【摘要】Based on the model function method,the modified L-curve principle is presented and a simple corre-sponding iteration method for choosing regularization parameters is given. Furthermore,the simple iteration method for choosing regularization parameters is proved to be local convergence under some conditions. The method is local-ly efficient by numerical experiments.%基于模型函数方法与修正的L-曲线准则，给出了选取正则化参数的1种迭代算法。
在一定条件下，证明了所提出的选取正则化参数的算法是局部收敛的，通过数值算例验证了该方法的局部有效性。
【期刊名称】《江西师范大学学报（自然科学版）》【年(卷),期】2014(000)006【总页数】5页(P569-573)【关键词】L-曲线准则;正则化方法;正则化参数;模型函数【作者】胡彬;徐会林;王泽文;喻建华【作者单位】东华理工大学理学院，江西南昌 330013;河南理工大学数学与信息科学学院，河南焦作 454000;东华理工大学理学院，江西南昌 330013;东华理工大学理学院，江西南昌 330013【正文语种】中文【中图分类】O241.8;O241.60 引言反问题研究已是计算数学及应用数学领域研究的热点问题之一.反问题一般是不适定的［1］，其不适定性在数值计算上表现为解不连续依赖测量数据.即使在实际测量过程中测量误差非常小，也会引起解的巨大波动.目前求解不适定问题最具有普遍性、完备性的是Tikhonov正则化方法，但该方法的有效性取决于选取到合适的正则化参数.目前比较有代表性的正则化参数选取策略有:Morozov偏差原理、广义交叉检验、L-曲线(L-curve)等准则.当误差水平已知或可估计时，Morozov偏差原理是最常采用的正则化参数选取策略之一，但是当不适定算子方程右端项的误差水平δ未知时，Morozov偏差原理就失效了.为了克服Morozov偏差原理需要已知误差水平的局限性，P.C.Hansen等提出基于L-曲线的正则化参数选取方法［2-3］，可以在误差水平未知的情形下找到近似最佳的正则化参数.在利用Morozov偏差原理确定正则化参数时需要借助牛顿迭代，而牛顿迭代的计算量比较大，为了克服这一缺点，文献［4-7］中提出了1种新的确定正则化参数的方法—模型函数法.它是将Tikhonov泛函定义为关于α的函数，再用1个简单的具有显示表达式的模型函数来近似F(α)，通过简单迭代确定正则化参数.本文在上述2种方法的基础上研究了基于模型函数的修正L-曲线准则，证明了所得序列点是局部收敛的，给出了相应的迭代算法.通过算例验证了该准则的有效性，同时也指出了目前还存在的不足和今后进一步研究的方向.1 模型函数法线性反问题一般可归结为解第1类不适定算子方程:其中K是Hilbert空间X到Y上的有界线性算子.由于观测数据存在误差，所以一般把方程(1)改写为其中δ为误差水平，‖yδ-y‖≤δ.Tikhonov正则化方法是将求不适定方程(2)的解转为求Tikhonov泛函的最优解，其中α＞0是正则化参数.对于固定的正则化参数α，记最优函数为引理1［4］设K:X→Y是有界线性算子，X，Y均为Hilbert空间.∀α ＞0，(3)式的唯一解x(α)是无穷次可微的，且g=dnx(α)dαn∈X可由递推求解得到.定理1［4-5］最优函数F(α)在(0，+∞)内是无限次可微的，且∀α ＞0，F(α)满足模型函数的方法就是在αk附近构造F(α)的局部近似函数Fk(α)，使其满足微分方程(4)，即若假设‖Kx(α)‖2≈ Tk‖x(α)‖2，代入(5)式并注意到F'(α)= ‖x(α)‖2，解得即得到双曲模型函数:由于Kx(α)≈ yδ，故可设‖Kx(α)‖2≈‖yδ‖2-Tk，代入(5)式得解微分方程(6)，得Fk(α)=Tk+Ckα，其中Ck、Tk是待定参数且由方程组确定，即于是，得到更为简洁的双曲模型函数:文献［8］研究了非精确数据下的线性模型函数选取正则化参数.虽然线性模型函数具有计算简单、收敛性较好等优点，但是却不能将它与L-曲线准则相结合而得到选取正则化参数的算法.文献［9］将双曲模型函数m1(α)应用于L-曲线选取准则获得选取正则化参数的新算法.本文是前述研究的继续和深入，基于双曲模型函数m2(α)研究修正的L-曲线选取准则，从而获得选取正则化参数选取的新方法.2 修正的L-曲线准则L-曲线准则是残差‖Kx(α)-yδ‖2与正则化解‖x(α)‖2在一组正则化参数下所构成的图像，也就是由(‖Kx(α)-yδ‖2，‖x(α)‖2)所构成的平面曲线.最优的正则化参数α出现在曲线的拐点处. 通常转化为对应的(2log‖Kx(α)-yδ‖，2log‖x(α)‖)曲线，因为曲线形状如字母L(见图1)，故称为L-曲线准则.从图像上很容易找到曲线的拐点，即最优正则化参数α在对应曲线的“角点”出现.记u(α)=2log‖Kx(α)-yδ‖，v(α)=2log‖x(α)‖，则L曲线上各点的曲率公式［10-11］为曲率最大的点对应正则化参数即为所需正则化参数.图1 L-曲线示意图由文献［12］知，若L-曲线在点α=α*处取到最大曲率，且在该点处曲线的斜率为 -1/μ，则下列泛函:在α=α*处取得极小值.因此，选取正则化参数的L-曲线准则等价为求泛函(8)的极小值点.修正的L-曲线准则就是通过求(8)的极小值来获得合适的正则化参数.由于是α的非线性隐式函数，不便于计算.本文利用模型函数的方法将(8)式显化，从而简化计算，提高计算效率.3 基于模型函数的修正L-曲线算法对于任意给定的α＞0，最优函数F(α)为且F'(α)= ‖x(α)‖2，则(8)式可改写成F(α)的形式，即模型函数m(α)是F(α)的局部近似，则(9)式的局部近似为本文主要研究了双曲模型函数m2(α)，代入(10)式得ω(α)=(T+2C/α)(-C/α2)μ.对ω(α)求导，得令ω'(α)=0，解得α=-C(1+2μ)(μT).对于正则化参数αk，求得对应的正则化解x(αk)，再根据方程组(7)可确定参数 Ck，Tk，则由(11)式及Ck＜0，Tk＞0知αk+1＞0且它是唯一的.该算法比文献［9］中的更为简单，因为文献［9］给出的是关于α的2次方程，选取其中较大的作为正则化参数αk+1.综合上面分析，得到基于双曲模型函数m2(α)与修正的L-曲线正则化参数选取策略的新算法:算法1 给定ε ＞ 0，yδ，K，μ ＞ 0;Step 1 给定1个初始值α0＞α*，置k=0;Step 2 解正则化方程αkx+K*Kx=Kyδ;Step 3 求出 Ck，Tk，αk+1;Step 4 当成立转Step 5，否则置k=k+1转Step 2;Step 5 停止迭代，输出正则化参数αk+1.定理2 如果则在算法1中函数ωk(α)在点αk处是局部严格单调递减的.证算法1中产生的函数ωk(α)为ωk(α)=(Tk+2Ck/α)(-Ck/α2)μ，则ωk'(α)=(-Ck)μ(-2Ck+(αTk+2Ck)·(-2μ))/α2μ+2.取α= αk，把(7)式中解得 Ck，Tk的表达式代入得由已知条件得ω'k(αk)＜0，即函数ωk(α)在点αk处是局部严格单调递减的.定理3 给定初始值α0满足(12)式，则算法1产生严格单调递减序列{αk}且收敛. 证由定理2 的证明过程知，令φ(α)=-2Ck+(αTk+2Ck)(-2μ)，显然φ(αk)＜ 0，φ'(αk)＜ 0.所以函数φ(α)是严格单调递减的.由算法1知φ(αk+1)=0，所以αk＞αk+1.又∀k均有αk＞0，故收敛性成立.4 数值算例例1 求解第1类Fredholm积分方程［13］:其中，核 K(s，t)=1 ［1+100(t-s)2］，本文用等距节点复化梯形公式来离散第1类Fredholm 积分方程(13)，得线性方程组Ax－=y－，其中把积分核K(s，t)离散成矩阵Am×n，x(s)离散成n维列向量x－.对方程组右端加入随机扰动为其中r为Matlab中的随机函数.取不同的误差值δ，求出对应不同误差值δ的正则化参数，并把不同正则化参数求出的正则化解对比(见图2～4)，其中实线表示无扰动下的精确解，星形线表示不同正则化参数下的数值近似解.情形1 当δ=5.8378e-4，α=3.7320e-4，正则化解的相对误差ρ=0.0678.正则化解与真解如图2和图3所示，其中图2是该情形下未作正则化处理的计算所得解(即当α=0时的最小二乘解)，图3为算法1计算所得解.情形2 当δ=8.5401e-8，α=6.6470 e-4，正则化解的相对误差ρ=0.0500，算法1计算结果如图4所示.图2 α=0图3 α=3.7320e-4图4 α=6.6470e-4例2 求解第1类Fredholm积分方程［14-15］:x(s)=a1e-c1(s-t1)2+a2e-c2(s-t2)2，a1=2，a2=1，c1=6，c2=2，t1=0.8，t2=-0.5，K(s，t)=(cos(s)+cos(t))2(sin(u)u)，u= πsin(s).情形1 当δ=0.0022，α=0.0470时，正则化解的相对误差ρ=0.1746.正则化解与真解如图5和图6所示，其中图5是未作正则化处理的计算所得解，图6为算法1计算所得解.图5 α=0图6 α=0.0470情形2 当δ=2.2268e-5，α=0.0466时，正则化解的相对误差ρ=0.1744，算法1计算结果如图7所示.图7 α=0.04665 结论本文基于模型函数方法研究了正则化参数选取的修正L-曲线准则，使得计算上更加简单.从算例的模拟结果可以看出，基于双曲模型函数m2(α)的所得修正后的L-曲线准则是有效的.但是，本文只证明了初始正则化参数选取满足一定前提条件下，算法1产生的序列是局部收敛的.对于是否存在全局收敛性的算法［16］，还有μ值选取原则等问题还需进一步研究.6 参考文献【相关文献】［1］刘继军.不适定问题的正则化方法及应用［M］.北京:科学出版社，2005.［2］Hansen P C，O’Leary D P.The use of the L-curve in the regularization of discrete ill-posed problems［J］.SIAM J Sci Comput，1993，14(6):1487-1503.［3］ Hansen P C.Analysis of discrete ill-posed problems bymeans of the L-curve［J］.SIAM Review，1992，34(4):561-580.［4］Xie Jianli，Zou Jun.An improvedmodel functionmethod for choosing regularization parameters in linear inverse problems［J］.Inverse Problems，2002，18(5):631-643.［5］王泽文，徐定华.线性不适定问题中选取Tikhonov正则化参数的线性模型函数方法［J］.工程数学学报，2013，30(3):451-466.［6］Wang Zewen，Liu Jijun.Newmodel functionmethods for determining regularization parameters in linear inverse problems［J］.Applied Numerical Mathematics，2009，59(10):2489-2506.［7］Wang Zewen.Multi-parameter Tiknonov regularization andmodel function approach to the damped Morozov principle for choosing regularization parameters［J］.Journal of Computational andApplied Mathematics.2012，236(7):1815-1832.［8］胡彬，夏赟，喻建华.算子非精确条件下确定正则化参数的一种方法［J］，江西师范大学学报:自然科学版，2014，38(1):65-69.［9］Heng Yi，Lu Shuai，MhamdiA，et al.Model functions in themodified L-curvemethod-case study:the heat flux reconstruction in pool boiling［J］.Inverse Problems，2010，26(5):1-13.［10］张立涛，李兆霞，张宇峰，等.结构识别计算中基于L-曲线的模型确认方法研究［J］.运动与冲击刊，2011，30(11):36-41.［11］王宏志，赵爽，胡艳君.基于L-曲线正则化的MAP超分辨率图像复原［J］.吉林大学学报:理学版，2008，46(2):275-278.［12］ Reginska T.A regularization parameter in discrete illposed problems［J］.SIAM J Sci Comput，1996，17(3):740-749.［13］樊树芳，马青华，王彦飞.算子及观测数据都非精确情况下一种新的正则化参数选择方法［J］.北京师范大学学报:自然科学版，2006，42(1):25-31.［14］王彦飞.反问题的计算方法及应用［M］.北京:高等教育出版社，2007.［15］郭文彬.奇异值分解及其广义逆理论中的应用［M］.北京:中国科学院研究生院，2003. ［16］高炜，朱林立，梁立.基于图正则化模型的本体映射算法［J］.西南大学学报:自然科学版，2012，34(3):118-121.。
反演第一类fredholm积分问题
反演第一类fredholm积分问题反演第一类Fredholm积分问题是数学领域中经常遇到的问题，它可以用于求解许多实际问题，例如声波传播、物理学中的分布分析等等。
在这篇文章中，我们将详细介绍反演第一类Fredholm积分问题及其求解方法，希望能对读者有所帮助。
一、反演第一类Fredholm积分问题概述反演第一类Fredholm积分问题是指一个特定形式的积分方程，它的解可以用其核函数和边界条件表示。
具体而言，假设有一个函数f(x)未知，且已知另一个函数K(x,y)，满足如下积分方程：f(x) = ∫[a,b] K(x,y)g(y)dy其中，g(y)为已知函数，K(x,y)为积分核函数，a、b表示积分区间。
该积分方程我们称之为反演第一类Fredholm积分问题。
二、反演第一类Fredholm积分问题的求解方法为了求解反演第一类Fredholm积分问题，我们可以采用以下两种方法：1. 特征值法这种方法首先对核函数进行特征值分解，然后对于每个特征值作出一组正交函数，并将它们扩展到整个积分区间。
接着，我们使用这组正交函数来表示未知函数，并将其代入积分方程中，从而得到系数，最终求出未知函数。
2. 傅里叶变换法这种方法利用函数的傅里叶变换和逆变换，将积分方程转化为代数方程，从而得出未知函数。
具体而言，我们首先对积分方程进行傅里叶变换，将其转化为一个代数方程组。
接着，将方程组解出来，并进行逆傅里叶变换，最终得到未知函数。
三、结论反演第一类Fredholm积分问题是一类重要的数学问题，它的求解方法有很多种。
本文主要介绍了特征值法和傅里叶变换法两种方法，希望能对读者有所启发。
同时，我们也希望更多的研究者加入到此领域，为该问题的研究做出更多的贡献。
无穷限第一类Fredholm方程的正则化方法
无穷限第一类Fredholm方程的正则化方法
杨平;伍继梅;吴开谡
【期刊名称】《北京化工大学学报（自然科学版）》
【年(卷),期】2013(040)0z1
【摘要】研究了无穷限第一类Fredholm积分方程的求解问题.第一类Fredholm 方程是不适定问题,解不稳定,必须采用正则化方法处理.为此,利用Tikhonov正则化方法研究这类问题,其中,展平泛函按标准的Sobolev空间范数来构造,正则化参数则通过Morozov偏差原理来选取.最后,证明了由此获得的正则化解存在唯一性.并讨论了求解正则化解的变分方法.
【总页数】5页(P117-121)
【作者】杨平;伍继梅;吴开谡
【作者单位】北京化工大学理学院,北京100029;北京化工大学理学院,北京100029;北京化工大学理学院,北京100029
【正文语种】中文
【中图分类】O175.5;O241.83
【相关文献】
1.求解第一类Fredholm积分方程的一种新的正则化算法 [J], 李功胜;刘岩
2.求解第一类Fredholm积分方程的小波-正则化方法及外推 [J], 张建平;韩惠丽;潘学锋
3.求第一类Fredholm积分方程的离散正则化方法 [J], 殷凤兰
4.基于改进正则化蝙蝠算法求解第一类Fredholm积分方程 [J], 张新明;刘一博
5.带复数核的第一类Fredholm积分方程的正则化方法及其应用 [J], 尤云祥;缪国平
因版权原因，仅展示原文概要，查看原文内容请购买。
关于Fredholm积分方程的一类改进数值算法及其应用的开题报告
关于Fredholm积分方程的一类改进数值算法及其应用的
开题报告
题目：关于Fredholm积分方程的一类改进数值算法及其应用
研究背景：
Fredholm积分方程广泛应用于科学和工程领域，尤其在信号处理、图像处理、物理和数学建模中应用广泛。
然而，由于数值解的数学复杂性，Fredholm积分方程通常需要使用一定的数值方法来求解。
由于其非线性特性和高维性质，许多传统的数值方法可能不够高效和准确。
研究目标：
本研究的目标是开发一类改进的数值算法来解决特定的Fredholm积分方程，该算法可提高计算精度和效率，并利用该算法解决实际问题。
研究方法：
首先，我们将对Fredholm积分方程的性质和特点进行系统分析。
然后，我们将开发一种基于加权残差法的新数值算法来求解该积分方程。
具体来说，我们将使用最小误差平方逼近来优化加权残差函数的选择，并通过广义交替迭代法来求解非线性积分算子。
此外，我们还将研究预处理和加速算法以提高求解效率。
最后，我们将使用该算法来解决实际问题，并与传统算法进行比较和分析。
研究意义：
该研究的成果将有助于开发一类新的高效和准确的数值算法来求解特定的Fredholm积分方程。
此外，该算法还可以应用于信号处理、图像处理、物理和数学建模等不同领域，从而提高计算效率和准确性。
预共轭梯度法求解第一类Fredholm积分方程
预共轭梯度法求解第一类积分方程摘要：在本文中，我们通过使用预共轭梯度法（PCG ）研究了带卷积核的第一类Fredholm 积分方程的数值解。
然后又通过求积法使得积分方程降为Toeplitz 体系。
因上述体系中的系数矩阵是对称正定的，所以可以使用共轭梯度法来解决。
在一般情况下，该体系包含在不聚于1附近的恰当特征值之中。
带有恰当预条件的共轭梯度法产生了1附近体系中的聚类特征值。
因此，稳定性和收敛速率都得到了保证。
关键词：Tpolitz 体系，循环矩阵，预共轭梯度法，特征值，积分方程 简介在科学与工程上的许多逆问题催生了第一类积分方程解法的发展，即b x a x g dt t y t x k ba≤≤=-⎰;)()()( (1)其中)(x g 与)(t x k -是已知函数，)(t y 是未知待定函数。
尽管若方程的一个解存在，则在)(x g 中响应比gy ∂∂的微小波动将可能变得任意大（Rashed ，2003），但这一类形式的积分方程是病态的，因为对一给定的)(t x k -、)(x g ，方程(1)可能无解。
有几个逼近于第一类积分方程的数值解法也是我们都知道的。
令ih a t ih a x j i +=+=,且nab h -=，假设i i t x =，n i ,,3,2,1,0∙∙∙=，然后就有了如下的线性体系：)()()()(,0i i j i j nij j j ijt g t t k w t y t tk w =-+-∑≠= (2)该体系的系数矩阵是一个Toeplitz 矩阵，其中的条件数很大。
在诸多的迭代法之中，误差界是由条件数所确定。
比如，在共轭梯度法中的误差界是由tk k ⎪⎪⎭⎫⎝⎛+-11和minmaxλλ=k 所定。
其中，t 是迭代次数，min λ、max λ分别为算子谱特征值绝对值的最小与最大值（Maleknejad ，2003）。
定义1：若 1,0;)(mod -≤≤=-n j i c C n j i ij ，则[]1,-==n j i ijn c C 就叫做循环矩阵。
fredholm积分方程
y2
k ( x, y ) f ( y )dy k ( x, y ) f ( y )dy
yi1
h h [k ( x, y0 ) f ( y0 ) k ( x, y1 ) f ( y1 )] [k ( x, yi 1 ) f ( yi 1 ) 2 2 h k ( x, yi ) f ( yi )] [k ( x, yn1 ) f ( yn1 ) k ( x, yn ) f ( yn )] 2 h2 (b a) k ( x, ) f ( ) 12 1 h[ k ( x, y0 ) f ( y0 ) k ( x, y1 ) f ( y1 ) k ( x, yi ) f ( yi ) 2 1 h2 (b a) k ( x, yn ) f ( yn )] k ( x, ) f ( ) 2 12 g ( x) [ a, b]
y ( s) 是未知函数。此类积分方程虽然形式简单，但
其求解却比较困难，所以这类方程在下文将做详细 介绍。
2 第二类 Fredholm 积分方程，具有如下的形 式：
y( x) k ( x, s) y(s)ds f ( x), a x b
a b
(2)
其中 k ( x, s) 称为积分方程的核，f ( x) 称为自由 项， 为参数， , k ( x, s), f ( x) 均为已知，而 y( x) 为 未知函数。 求积分方程(2)的解 y( x) 的数值方法就是在 区间[a,b]的某些点 x (i 1, 2, , n) 上求 y( xi ) 的近似 值 yi ，使得误差 y( xi ) yi 满足精度要求。
y( x) g ( x) K ( x, s)[ y(s)]mds
一类Fredholm-Volterra型积分方程的数值求解
应用泛 函分析学报
第１ ７ 卷
数获取 了高 阶线性 Ｆ ｒ ｅ ｄ ｈ ｏ ｌ ｍ— Ｖ ｏ ｌ ｔ ｅ ｒ ｒ ａ积分微分 方程的近似解 ． Ｙａ ｌ ｓ ｉ ｎ ｂ ａ ｓ 在文献 ｆ ３ ］ 中进 一步的 解决了非线性 Ｆ ｒ ｅ ｄ ｈ ｏ ｌ ｍ— Ｖ ｏ ｌ ｔ ｅ ｒ ｒ ａ积分方程的近似解算法． Ｙ ｕ ｓ ｕ ｆ ｏ ｇ ｌ ｕ和 Ｅ ｒ ｂ ａ ｓ ［ 】 基于插值的方 法求 出了线性 Ｆ ｒ ｅ ｄ ｈ ｏ ｌ ｍ— Ｖ ｏ ｌ ｔ ｅ ｒ ｒ ａ积分 方程 的数值 解． Ｍａ ｊ ｅ ｅ ｄ和 ０ｍｒ ａ ｎ 【 ５ 】 利用复化梯形 和复化 辛普森离散 的方法 求得 了线性 Ｆ ｒ ｅ ｄ ｈ ｏ ｌ ｍ— Ｖ ｏ ｌ ｔ ｅ ｒ ｒ ａ积分方程数值 解． 本文应用 Ｇ ａ ｌ ｅ ｒ ｋ ｉ ｎ法离散 Ｆ ｒ ｅ ｄ ｈ ｏ ｌ ｍ— Ｖ ｏ ｌ ｔ ｅ ｒ ｒ ａ 积分方程， 并以契贝晓夫多项式作为最佳平方 逼 近元， 解决 了这类方 程的数值解 问题 ．
fredholm,离散积分方程
1 第一类Fredholm 积分方程，具有形式如下：⎰=bax f ds s y s x k )()(),(,b x a ≤≤ (1)其中核函数),(s x K 和自由项)(x f 为已知函数，)(s y 是未知函数。
此类积分方程虽然形式简单，但其求解却比较困难，所以这类方程在下文将做详细介绍。
2 第二类Fredholm 积分方程，具有如下的形式：⎰+=ba x f ds s y s x k x y )()(),()(λ,b x a ≤≤ (2)离散积分方程的数值方法有很多种，比如可以用复化梯形公式、复化辛普森公式等，这里我们利用复化梯形公式来进行离散。
一、复化梯形公式离散过程如下：)]()(2)([2)(1b f x f a f hdx x f nk k b a++≈∑⎰=下面具体给出复化梯形公式对第二类积分方程的一般离散过程。
],[)()(),(12)()](),(21)(),()(),()(),(21[)(),(12)()](),()(),([2)](),()(),([2)](),()(),([2)(),()(),()(),()(),()(),(211002*********12110b a x g f x k a b h s y s x k s y s x k s y s x k s y s x k h f x k a b h s y s x k s y s x k h s y s x k s y s x k hs y s x k s y s x k h dss y s x k ds s y s x k ds s y s x k ds s y s x k ds s y s x k n n i i n n n n i i i i s s s s s s s s bann i i ∈=-+++++=--+++++++=+++++=----⎰⎰⎰⎰⎰--ηηηηη－最后对变量x 进行离散，将区间],[b a 等分为n 份，步长为nab h -=，同时忽略积分公式误差项：)](),(21)(),()(),()(),(21[)()(1100n n i i i i i i i i s y s x k s y s x k s y s x k s y s x k h x y x g +++++-=其中n i ,2,1,0= 得到线性方程组n n g Af =其中)](),(),(),([210n n s y s y s y s y f =，)](,),(),(),([210n n x g x g x g x g g =⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎣⎡---------=),(211),(),(21),(21),(1),(21),(21),(),(211101110101000n n n n n n y x hk y x hk y x k h y x hk y x hk y x hk y x hk y x hk y x hk A再对上述方程进行数值求解，即可。