RUS  ENG
Полная версия
ЖУРНАЛЫ // Вестник Южно-Уральского государственного университета. Серия «Математическое моделирование и программирование» // Архив

Вестн. ЮУрГУ. Сер. Матем. моделирование и программирование, 2015, том 8, выпуск 2, страницы 69–80 (Mi vyuru264)

Эта публикация цитируется в 1 статье

Математическое моделирование

On perturbation method for the first kind equations: regularization and application

[Метод возмущений в регуляризации уравнений первого рода и приложения]

I. R. Muftahova, D. N. Sidorovabc, N. A. Sidorovc

a Irkutsk State Technical University, Irkutsk, Russian Federation
b Melentiev Energy Systems Institute of Seberian Branch of Russian Academy of Sciences, Irkutsk, Russian Federation
c Irkutsk State University, Irkutsk, Russian Federation

Аннотация: Одной из распространенных задач, возникающих в различных приложениях, является задача вычисления производной функции, заданной в виде зашумленных или неточно заданных экспериментальных данных. Использование стандарных методов в таких случаях усиливает исходный шум, делая результаты дифференцирования бесполезными для практических приложений. В данной работе эта типичная некорректная задача рассмотрена с точки зрения теории линейных операторных уравнений первого рода. Метод возмущений применяется к линейным уравнениям первого рода $Ax=f$. Предполагается, что оператор $\tilde{A}$ и функция $\tilde{f}$ заданы приближенно. Построено регуляризирующее уравнение $\tilde{A}x + B(\alpha)x = \tilde{f},$ которое имеет единственное решение. Здесь $\alpha \in S,$ где $S$ предполагается открытым множеством в $\mathbb{R}^n$, $0 \in \overline{S}$, $\alpha= \alpha(\delta)$. Строится алгоритм устойчивого численного дифференцирования, позволяющий получать устойчивые результаты в случае сильно зашумленных исходных данных.

Ключевые слова: операторное уравнение первого рода; численное дифференцирование; метод возмущений; параметр регуляризации.

УДК: 517.983

MSC: 47A52

Поступила в редакцию: 11.03.2015

Язык публикации: английский

DOI: 10.14529/mmp150206



Реферативные базы данных:


© МИАН, 2024