基于不同分裂形式的逐次超松弛迭代法收敛性

在预条件后用逐次超松弛迭代方法解大型线性方程组Ax=b时,对迭代矩阵的分裂给出三种含参数分裂形式,分析证明不同分裂形式能够使超松弛迭代法收敛,并与一般的预条件方法进行比较分析,证明这些分裂形式加速效果更好.     

具有严格对角占优矩阵的线性系统的加速超松弛迭代法

考虑n元线性方程组Ax=b,这里A是严格对角占优矩阵,即 得出了加速超松弛迭代法中迭代矩阵Gr,ω的谱半径的界,推广了超松弛迭代法中的有关结果,并给出了几种类型迭代法的收敛条件.     

求解线性方程组的一种迭代算法及其收敛性

对于求解线性方程组Ax=b,考虑当矩阵A为对称正定矩阵或者M矩阵时,文章给出了一种松弛迭代算法并且讨论了其收敛性.从数值结果,可以看出此算法的优越性.     

预处理后不同分裂形式下的松弛迭代法敛散性分析

在以往预处理的基础上,结合矩阵分析及分裂理论,用迭代法求解线性方程组Ax=b,给出预处理后松弛迭代法的2种不同分裂形式,从理论和数值两个方面说明这种分裂形式的收敛效果优于常见的预处理方法．     

广义逆在最小二乘问题求解中的应用

文中应用矩阵的广义逆讨论了相容线性方程组Ax=b的解,并用Penrose广义逆给出了矛盾方程组Ax=b的最小二乘解及极小范数最小二乘解的Moore-Penrose逆表示。     

解Fuzzy矩阵方程A=

首先在A=(aij)m×n为满列秩梯形形状Fuzzy数矩阵，b=（b1,b2，…，bm）T为梯形形状Fuzzy数向量的条件下给出了矩阵方程Ax=b的解。然后深入地研究了矩阵方程Ax=b的解的性质，并给出了求解算法。     

解大型稀疏线性代数方程组的一种通用算法

本文提出一种解大型对称或非对称稀疏线性代数方程组Ax=b的通用算法。在解Ax=b的过程中,长操作次数比较少,使用的存贮单元比较少。     

略论线性方程组解的误差估计

由于计算机计算时会出现舍入误差和舍位误差,因此用计算机解线性方程组Ax=b(A∈Cn×n,b∈Cn)时就不可避免地会有计算误差,本文借助矩阵范数和向量范数的概念,结合矩阵幂级数的有关结论,给出了线性方程组Ax=b(A∈Cn×n,b∈Cn)解的绝对误差和相对误差的四个上界.     

利用超松弛预处理共轭梯度法求解大型稀疏方程组

利用有限差分法构造大型稀疏方程组对井地电位成像测量非均质电阻率的三维正演进行研究。对于线性方程组Ax=b,A是大型稀疏的带状矩阵,解大型稀疏方程组的直接共轭梯度法,一般要求巨大的计算机内存来存储系数矩阵A,而且计算速度极其慢。因此引入按行索引的稀疏存储模式及超松弛预处理共轭梯度算法,充分利用系数矩阵A的稀疏性,使得需要的内存大大减小,充分提高运算速度。这种方法对井地电位成像测量非均质电阻率的三维正演具有一定的实用价值。     

关于线性方程组Ax=b的解的注记

考虑了当b固定时，怎样的矩阵G，使x=Gb是相容或不相容线性方程组Ax=b的极小范数解，最小二乘解，从而得到许多有益的结论。     

一类矩阵方程的反对称正交反对称解及其最佳逼近

定义了一种新的矩阵类：反对称正交反对称矩阵,研究了一类矩阵方程的反对称正交反对称解的存在性及其最佳逼近问题。利用矩阵的广义奇异值分解,得到了该矩阵方程有反对称正交反对称解的充要条件及其通解表达式,并且给出了矩阵方程的解集合中与给定矩阵的最佳逼近。     

矩阵方程AXB＝E的加权最小二乘Skew-Hermite解

作者运用CCD的手段,得到了矩阵方程AXB=E的极小范数加以最小二乘Skew-Hermite解的表达式和方程有Skew-Hermite解的充要条件,而且也引伸出给定矩阵在Skew-Hermite解集中的最佳逼近解的表达式.     

基于对角广义反射矩阵的线性微分系统及其周期解

为了解决具有对角广义反射矩阵的线性微分系统周期解与稳定性问题,采用通过广义反射函数寻找其Poincaré映射的方法.首先在广义反射函数定义下,给出可交换线性微分系统的反射矩阵的定义及广义反射矩阵的一般形式,得到具有对角广义反射矩阵的线性微分系统的广义反射矩阵,然后通过对角广义反射矩阵找到Poincaré映射,从而得到该类系统的周期解及稳定性,并推得二维线性微分系统的周期解与稳定性.由于广义反射函数解决周期解稳定性比其他方法具有很大的优势,所以,此种方法对研究相关微分系统周期解与稳定性具有一定的参考价值和指导意义.     

矩阵方程AXB=C的广义中心对称解及其最佳逼近

利用矩阵对的广义奇异值分解,给出了矩阵方程AXB=C广义中心对称解的充要条件和通解表达式,证明了在矩阵方程AXB=C的广义中心对称解集合中存在唯一与给定矩阵X*的最佳逼近解,给出了求解最佳逼近解的数值算法和数值例子.     

首加尾循环线性系统求解的快速算法

利用多项式快速算法,给出了首加尾循环线性系统求解的快速算法。当首加尾循环矩阵非奇异时,该算法求首加尾循环线性系统的惟一解,当首加尾循环矩阵奇异时,该算法求首加尾循环线性系统的特解和通解。最后,利用首加尾循环矩阵与首加尾向后循环矩阵之间的关系,给出了首加尾向后循环线性系统求解的快速算法。     

矩阵方程组中心对称最小二乘解的迭代算法

建立了求矩阵方程组AtXBi+CiXDi=Fi(i=1,2)中心对称最小二乘解的迭代算法.如果忽略舍入误差,对任意给定的初始中心对称矩阵,该算法能够在有限步迭代计算后得到此方程组的中心对称最小二乘解,给定特殊的初始矩阵可得到极小范数中心对称最小二乘解.另外,在上述解集合中也可得到给定矩阵的最佳逼近矩阵的表达式.     

矩阵最小剩余问题及其最优近似问题的对称解

主要给出了矩阵的最小剩余问题及其最优近似问题的对称解.首先,分别给出了与矩阵最小剩余问题及其最优近似问题等价的线性方程;其次,用广义奇异值分解得到了与最小剩余问题等价的线性方程的对称解,即最小剩余问题的对称解;最后,通过寻求与最优近似问题等价的线性方程的对称解,从而得到了矩阵的最优近似问题的最优近似解.     

一类Jacobi 矩阵的广义特征值反问题

在综合分析矩阵论中某些反问题和Jacobi 矩阵特征值反问题的基础上, 提出了一类Jocobi 矩阵广义特征值反问题, 给出了问题有唯一解的一个充要条件和解的表达式, 并提供了一个数值例子.     

弱双四元数广义Sylvester方程的混合解

利用矩阵半张量积、弱双四元数矩阵的复矩阵表示以及特殊矩阵的H-表示方法对弱双四元数广义Sylvester方程的混合解进行研究。利用H-表示方法提取特殊矩阵的独立元素，从而去除冗余。结合矩阵半张量积、弱双四元数矩阵的复矩阵表示将弱双四元数Sylvester方程转化为具有独立变量的复矩阵方程。由经典矩阵理论给出广义Sylvester方程存在混合解的充要条件及通解表达式。通过数值算例验证该方法的有效性。     

齐次线性方程组的一种简捷的公式化解法

n元齐次线性方程组当其矩阵的秩小于n时有非零解.要求出这个非零解,通常是将矩阵进行初等变换而得到.但对矩阵的秩是一个n-1的方程组,却有一个和克莱姆法则一样的简捷的公式化解法.这一解法对三元齐次线性方程组来说特别方便.