最小二乘等几何分析的多重网格方法

针对最小二乘等几何分析得到的代数方程系数矩阵的条件数大、迭代求解成本高的问题,提出了求解该方程的多重网格法。该方法在密网格上进行误差光顺,使高频误差快速衰减,在疏网格上进行误差修正,使低频误差快速衰减。通过节点插入算法自动生成不同尺寸的网格,根据离散B样条建立网格转换矩阵。采用该方法求解了泊松方程,对比了多重网格迭代与Gauss-Seidel迭代、PCG迭代的收敛性,结果表明Gauss-Seidel迭代收敛速度最慢,PCG迭代收敛速度随着代数方程自由度的增加而变慢,多重网格的收敛速度最快,能够有效求解最小二乘等几何分析得到的代数方程,解决了矩阵条件数过大的问题,并且收敛速度与网格尺寸无关。     

幂平均在非线性代数方程组上的应用

在求解二维非线性代数方程组的根中,通过引入幂平均的概念来对已知的牛顿迭代法进行修正和讨论,从而可以得到一类幂平均迭代算法。然后,把算法推广到n维非线性代数方程组上。最后通过实例说明所得到的算法的迭代次数更少,结果更有效。     

KdV方程的显式精确解

将非线性方程的解表示成修正的三角函数的有限级数 ,从而将非线性方程的求解问题转化为代数方程求解问题 ,借助 Mathematica软件 ,采用修正的三角函数法和吴文俊消元法 ,得到了 Kd V方程的多组显式精确解 .     

有限元线性代数方程组的紧致存储格式及解法

根据有限元总体系数矩阵的特点，提出了一种紧致存储格式及总体系数矩阵的合成过程，并提出了在此格式下，代数方程组的求解方法．该方法充分利用计算机内存，在内存中开辟消元区和暂存区，在微机上实现了大型流体力学问题的有限元求解．     

一类特殊的块方法

在求解常微分方程和微分代数方程中,块方法是一种有效的方法。这类方法是单步的,且其数值精度不受数值稳定性的约束,因而比线性多步法更适应于求解刚性微分方程或者高指标微分代数方程。但是,以往的块方法因为其巨大的计算工作量而未被广泛使用。本文研究了一类块方法,使其构成矩阵只含有一个重特征值,因而在隐式速代时,计算量大致上与线性多步法相当。本文讨论了该特征值与Lagurre多项式的关系,从而建立了这类块方法的构成公式,数值试验证明了理论上得到的计算量的估计。     

一个非线性耗散色散系统精确解的符号计算

非线性耗散色散系统的代表是BURGERS-KDV方程，因其丰富的数学物理内含而备受人们关注，采用双曲函数方法将非线性演化方程求解问题转化为非线性代数方程组，再利用吴文俊消元法(WR)和计算机代数系统求解非线性代数方程组，从而获得的非线性偏微分方程显示精确解，其求解方法也适用于求解其它非线性演化方程。     

一个求解非线性代数方程组软件GAS的实现

基于DIXON结式的聚筛法是求解非线性代数方程组的一种非常有效的方法，但是应用该算法需要专家干预，极大地影响了该算法在求解非线性代数方程组方面的推广和应用．作者提出了变元全排列算法和方程扩充法，有效地提高了聚筛法实现的效率，同时完成了求解非线性代数方程组的自动化软件GAS．     

解除方程组中n_0个变量为一组线性约束条件的数学处理方法

应用有限元方法数值求解流体力学或其他工程技术问题,通常所得n阶代数方程组具有线性和对称的性质.当方程组中有任意n_0(2≤n_0≤n)个待定变量为一组线性约束时,为解除这一约束,则可使用本文提供的数学处理方法,使原先n阶线性、对称的方程组在解除上述线性约束条件后,方程组的阶次不变,而且仍具有线性、对称的性质.     

基于子结构分析的多重子步模型修正方法

为了解决模型修正过程中修正目标众多和测量信息有限的矛盾，提出了多重子步模型修正方法(MSMUM)，先进行误差定位，再实现参数修正，把复杂的模型修正过程分步实现。利用子结构技术，使结构模型在整体上仅包含有限数目的子结构，对各子结构所对应的超级单元的刚度参与系数进行识别来实现误差定位，通过建立测量信息与待修正参数间的代数方程来修正误差定位后子结构内部构件的参数。数值算例表明，建立的模型修正方法有效可靠。利用建立的多重子步模型修正方法对润扬大桥南汊悬索桥桥塔模型进行了修正。     

数值模拟在煤自燃控制中的应用

对描述煤自燃过程温度场和氧浓度场的微分方程组采用控制容积积分法进行离散。解算代数方程时采用了温度场和氧浓度场异步耦合及块修正技术和ＡＤＩ技术。自行编制了模拟ＸＫ型煤自燃实验台的ＣＬＴＣＳ程序并进行了试算。     

空间曲线参数方程与一般方程互化

空间解析几何的首要问题就是空间曲线方程的求解问题,由曲线建立它的轨迹方程,方法很多.但是任何一种曲线方程的求解方法都不能适用于所有的方程求解,因此,如何完成空间曲线不同方程互化便成了一个基本问题.本文通过例题展示空间曲线参数方程与一般方程互化的作用,及两种方程互化中需要注意的事项.     

平面六杆机构的非全参数综合

平面六杆机构用位移矩阵进行轨迹综合时,分别要列出28—70个非线性方程,求解困难。本文提出了选定少量参数的非全参数综合法,将六杆机构的综合转化为杆组或四杆机构的综合。简化了综合过程,方便实用。     

大型线性代数方程组解法的探讨

针对Saint-Venant方程组离散后所形成的线性代数方程组的求解问题,将Gauss列主元消去法与压缩存贮技术相结合,提出了存贮单元少、舍入误差小且数值计算稳定的计算方法,使得河网非恒定流的数值计算更加高效,并且计算的精度可得到充分的保证。     

块迭代解法在偏微分方程数值解中的应用

本文从偏微分方程定解问题出发,比较偏微分方程数值解的各种方法,针对大型稀疏的方程组的系数矩阵的块结构性质,提出将块迭代解法用于求解偏微分方程,从而有效地解决了该类问题。     

一种隐式特征有限元方法的误差估计

特征有限元方法已经被证明比传统的有限元方法能更好地处理对流问题并能取更大的时间步长计算.但目前的特征有限元方法大多是对拟线性标量方程给出.该文给出求解一种二维非线性对流扩散方程组的一个隐式特征有限元方法,利用有限元逼近的理论和方法以及离散Gronwall不等式,证明了该方法的H1模最优阶误差估计.     

Cauchy微分方程的一种新的数值解法

众所周知，求解微分方程（组）常用的数值方法有有限差分法，有限元素法等，这些方法都是将微分方程（组）分离散化后求解．若将网格划分得粗了，则求解精度不高，不能满足工程实际需要，若将网格划分得细了，则所需计算机内存量和计算量都太大．为解决上述问题，本文给出微分方程（组）的解的概率表达式的一种新的数值解法──概率数值解法．     

关于线性方程组的一般解

《高等代数》教材介绍的关于线性方程组的一般解的基本方法是行初等变换法,计算量大,方法、步骤比较麻烦。从而给出线性方程组一般解的另外四种方法:基础解系法、填充矩阵法、行列初等变换法、列初等变换法,降低学生学习错误的可能性,拓宽学生的思维。     

基于Broyden改进算法的航空发动机性能模拟研究

航空发动机特性计算的核心问题之一就是求解描述发动机部件共同工作的非线性方程组。目前,最常用的求解非线性方程组的方法是Newton-Raphson方法,但是Newton-Raphson方法,在迭代次数很多的情况下需要大量发动机气动热力过程计算,计算速度明显下降,同时Newton-Raphson方法还存在不收敛的问题。为了克服Newton-Raphson方法的缺陷,本文详细分析了航空涡轮发动机部件共同工作的非线性方程组的求解收敛性问题,分析了不收敛的机理,并发展了基于 Broyden方法求解发动机非线性方程组的改进算法。利用基于Broyden方法的改进算法对某型发动机进行一系列验证计算,通过分析计算结果,证明了采用Broyden方法可以提高发动机特性计算的计算速度并且改善发动机特性计算的收敛性。     

求解一阶常微分方程的五阶Adams格式

讨论了一阶常微分方程初值问题五阶Adams显示公式以及隐式公式,同时,由于隐式公式较显示公式相比局部截断误差以及系数的绝对值之和较小,因此给出了五阶Adams预测-校正系统.     

An Approximate Linear Solver in Least Square Support Vector Machine Using Randomized Singular Value Decomposition

In this paper, we investigate the linear solver in least square support vector machine(LSSVM) for large-scale data regression. The traditional methods using the direct solvers are costly. We know that the linear equations should be solved repeatedly for choosing appropriate parameters in LSSVM, so the key for speeding up LSSVM is to improve the method of solving the linear equations. We approximate large-scale kernel matrices and get the approximate solution of linear equations by using randomized singular value decomposition(randomized SVD). Some data sets coming from University of California Irvine machine learning repository are used to perform the experiments. We find LSSVM based on randomized SVD is more accurate and less time-consuming in the case of large number of variables than the method based on Nystrom method or Lanczos process.