简介:利用带有积分余项的Taylor公式重新推导了Simpson校正公式,同时给出了其误差的精确表示,而这一结果将优于Simpson校正公式[J]中的误差估计.
简介:本文给出了重新启动的LGMRES方法的一种代价更小的实现方式。这种做法基于消除以下减慢收敛速度的现象:重新启动的simplerGMRES的每次循环结束时得到的残向量经常交替方向,与重新启动的GMRES的情形类似。这种新的变形的方法的优点是它比重新启动的LGMRES所需要的计算量要少,大量的例子表明该方法计算速度更快。
简介:设E是任意实Banach空间,T:E→E是Lipschitz的强增生算子.证明了,带误差的Ishikawa迭代序列强收敛到方程Tx=f的唯一解.特别地,还给出了Ishikawa迭代序列的收敛率估计.另一方面,一个相关结果,讨论了E中lipschitz强伪压缩映象的不动点的带误差的Ishikawa迭代序列的收敛性.