简介：利用匹配渐近展开法,讨论了一类边界层位置转移的非线性奇摄动边值问题,并且通过对参数的五种不同取值的分类探讨,得到了该问题具有左边界层、右边界层或内部层之一的结论（其中左、右边界层又各分为两种类型）.进而给出了该问题解的一致有效的零次渐近解,推广并改进了已有的结果.

简介：研究了具有边界摄动的非线性泛函椭圆型方程奇摄动边值问题.在适当的条件下,利用伸长变量、微分不等式理论,讨论了问题解的渐近性态和原问题解的存在唯一性.更多还原

简介：本文获得了一类高阶非线性边值问题的奇摄动解的存在性及其渐近估计式

简介：利用渐近方法和对角化技巧研究了伴有边界摄动的高维非线性系统边值问题的奇摄动，在适当的假设下，证得摄动问题解的存在并导出其解关于ε的高阶近似。

简介：针对在Shishkin网格上数值求解含内点层的奇异摄动问题，在迎风有限差分格式的基础上，提出了一种基于差分进化算法的Shishkin网格参数估计方法。利用该方法可计算出最优的Shishkin网格参数，同时获得了相应的数值结果。数值实验表明差分进化算法具有很好的全局寻优能力和较快的收敛速度，能有效解决传统迭代优化算法对初值的依赖问题。

简介：本文利用改进的对角化方法和技巧讨论了非线性系统的奇摄动，在一定假设条件下，证明了第二边值问题摄动解的存在，并给出了渐近估计式。

简介：讨论了形如x′(t)=f(x(t),x(t-τ1(t)),…,x(t-τm(t)),y(t),y(t-τ1(t)),…,y(t-τm(t)))和εy′(t)=g(x(t),x(t-τ1(t)),…,x(t-τm(t)),y(t),y(t-τ1(t)),…,y(t-τm(t)))(0<ε1)的非线性多变延迟奇异摄动系统的理论解的稳定性,得到了系统稳定的一个充分条件.在此条件下还证明了隐式Euler方法的数值解是稳定的.

简介：考虑了一个二阶奇摄动非线性边值问题，利用匹配展开法研究了该问题的激波解，讨论了该问题的激波位置与边界条件的关系．

简介：本文应用多重尺度法构造出非线性微分方程组的解的渐近展开式。并用微分不等式的技巧，证明原问题的解的存在性，且给出解的一致有效渐近估计．

简介：对一类具有转向点的Voltcrra型积分微分程奇摄动非线性边值问题证明了解扮存在性并给出了解的一致有效渐近估计。

简介：讨论了一类半线性椭圆型方程奇摄动广义边值问题.在适当的条件下,研究了边值问题广义解的存在、唯一性及其渐近性态.

简介：主要研究一类具有双参数的拟线性微分方程的奇摄动Robin边值问题．利用微分不等式理论，对两参数分三种不同情形对解的构造进行分析．并得到相应问题在各情形下的渐近解和余项估计．

简介：研究带有高阶转向点的二阶非线性微分方程的边值问题{εy〃=f(t)y12+g(t,y)y(a,ε)=A,y(b,ε)=B的奇异摄动现象.在一定的条件下,得到了摄动解关于退化解的渐近性质及误差估计.

简介：本文考虑如下形式的微分方程组:

简介：本文讨论如下边值问题：Lεy=ε^5y^(5)+ε^2a(x)y^(4)+εb(x)y^″′+c(x)y″+f(z，y)=0y′(-1，ε)=A(ε)，y″(-1，ε)=B(ε)，y″′(-1，ε)=C(ε)，y′(0，ε)=D(ε)，y(0，ε)=B(ε)x=0是转向点(c(0)=0)，而在x=-1处出现多重边界现象，对不同层次采用不同的伸长变量。构造具有不同级的边界层校正项，得到关于解的一致有效的渐近展开式和有关的余项估计。

简介：给出了在一些Shiskin型网格[21,23,19,18]上,利用一个任意次的混合有限元方法在L2-模下得到奇异摄动问题解的最优一致收敛阶的一个统一方法.通过研究一个四阶问题,定常和不定常问题,我们显示了这个方法的一般性.结果显示非传统Shiskin型网格上的误差估计比传统Shiskin型网格上的误差估计更容易得到.但两种网格给出的误差估计是相容的,它们证明了Roos的猜想[21]是合理的.

简介：本文证明了一类具有转向点的二阶拟线性系统奇摄动边值问题解的存在性，给出摄动解及其导数按分量一致有效渐近估计。

简介：研究含多个Volterra型积分算子的积分微分方程组Robin边值问题的奇摄动．在适当的条件下，利用微分不等式理论．证明了解的存在及解的按分量一致有效的估计。

简介：研究了一类奇摄动2m阶椭圆型方程解的多重边层现象．利用比较定理得到解的一致有效的渐近展开式．

简介：你好，我是一名大学生，现在想买一部手机，我想了解一下多普达565和索尼爱立信K700c之间有什么样的区别？多普达565和索尼爱立信K700c出自两个完全不同的厂商．多普达565使用的是微软的SmartPhone操作系统，而K700c则是SONY自家的系统。如果论功能来说，多普达565可扩展性和功能都更丰富，更好玩，但K700c外形更漂亮，屏幕表现更为优秀。