关于Ремеэ算法中一个线性方程组的快速解法

Ремеэ算法是解决最佳一致逼近问题的一个著名算法。其中最重要的一步是解一个含有n 2个未知量的线性方程组。本文通过分析该方程组的特点，设计了一种快速算法。该算法仅需O（n^2)的工作量，而用经典的Gauss消去法解该线性方程组则需要O（n^3）的工作量。二者比较，快速算法要好得多。     

Loewner型方程组极小范数最小二乘解的快速算法

通过构造特殊分块矩阵及其三角分解给出了求秩为n 的m×n阶Loewner型矩阵为系数阵的线性方程组极小范数最小二乘解的快速算法, 该算法的计算复杂度为O(mn)+O(n²), 而一般方法的计算复杂度为O(mn²)+O(n³) .     

Loewner型方程组极小范数最小二乘解的快速算法

通过构造特殊分块矩阵并研究其三角分解,给出求以秩为n的m×nLoewner型矩阵为系数阵的线性方程组极小范数最小二乘解的快速算法,该算法的计算复杂度为O(mn)+O(n2),而一般方法的计算复杂度为O(mn2)+O(n3).     

求解一类T型线性方程组的快速算法

本文首先给出一个求解一类T型线性方程组的快速串行算法,它的复杂性是O(nlogn),比目前最好的O(n~2)算法复杂性要低。接着又指出了它的并行计算方案,在n台处理机的条件下,计算步数不超过O(logn),速度倍数是O(n),效率是O(1)。     

大规模带状线性方程组的追赶法

利用五对角线性方程组的追赶法思想矩阵LU分解的方法,推导出任意带宽的大规模带状线性方程组的追赶法.理论推导表明:对于带宽为2t+1的n阶带状线性方程组,该算法的运算量级为O([2t2+5t+3]n),存储量级为O[2(t+1)n].数值实验表明:该算法比其他一些算法有明显的速度和内存优势.这极大地提高了解线性方程的速度.     

Cauchy型方程组极小范数最小二乘解的快速算法

对于秩为n的m×n阶Cauchy型矩阵C,通过构造特殊分块矩阵并研究其三角分解,进而得到了线性方程组C x=b的极小范数最小二乘解的快速算法,所需运算量为O(m n)+O(n2),而通常构造法方程组的方法所需运算量为O(m n2)+O(n3),用正交化法虽然避免了构造法方程组,但所需的运算量更大些.     

资源受限最小赋权树形图的一种贪婪分解启发式算法

资源受限的最小赋权树形图问题(RMWA)是NP-难的,针对RMWA问题给出一种新的贪婪分解启发式算法.通过分解目标函数和约束条件,把RMWA模型分解成一个最小赋权树形图问题和n个独立的特殊背包问题.对这n个独立的特殊背包问题,设计贪婪算法求其解,其时间复杂度为O(nmlog2m);然后调整该解使其满足树形图的约束条件得到RMWA问题的一个可行解,该算法总的复杂度为O(nm2).最后,给出实例来阐述该贪婪分解启发式算法.     

Cauchy方程组极小范数最小二乘解的快速算法

对于秩为n的m×n阶Cauchy矩阵C,通过构造特殊分块矩阵并研究其逆矩阵的三角分解,进而间接地得到了线性方程组Cx=b的极小范数最小二乘解的显式表达式及其快速算法,所需运算量为O(mn)+O(n2),而通常构造法方程组的方法所需运算量为O(mn2)+O(n3),用正交化法虽然避免了构造法方程组,但所需的运算量更大些.     

Loewner方程组极小范数最小二乘解的快速算法

对于秩为n的m×n阶Loewne矩阵,通过构造分块矩阵并研究其三角分解,进而得到了求线性方程组的极小范数最小二乘解的快速算法,所需运算量为O(mn)+O(m2),而通常构造法方程组的方法所需运算量为O(m2n)+O(m3),用正交化法虽然避免了构造法方程组,但所需的运算量更大。     

r-置换因子循环线性系统求解的快速算法

在置换因子循环矩阵的基础上给出了r-置换因子循环矩阵的概念,得到以这类矩阵为系数的线性方程组AX=b有解的判定条件和快速算法.当r-置换因子循环矩阵非奇异时, 该快速算法求出线性方程组的唯一解,即存在唯一的r-置换因子循环矩阵C∈PRCMn,使AX=b的唯一解是C第一列;当r-置换因子循环矩阵奇异时, 该快速算法求出线性方程组的特解与通解,即存在唯一的r-置换因子循环矩阵H∈PRCMn及C∈PRCMn,使得C的第一列X1是AX=b的一个特解,而且X=X1+(I-H)Z是AX=b的通解,这里Z是任意的n维列向量.     

一种基于数据块交换的快速稳定原地归并算法

与其它排序算法相比.二路归并最适合于对2个有序子表进行排序。归并长度分别为m和n的2个 有序子表,经典算法有2种/第一种算法完成归并需要附加O(m+n)的空间,O(m+n)次比较和移动/第 二种算法是原地的.但完成归并需要O(m+n)次比较和O(m*n)次移动,提出了一种基于块交换的快速 稳定原地二路归并算法.实验证明,该算法与以前的原地算法相比,大大降低了元素的移动次数.     

Hankel矩阵和Vandermonde矩阵之逆的新矩阵表示式及快速算法

利用线性方程组是否有解给出Hankel矩阵、Vandermonde矩阵可逆的条件及求逆的递推公式，并给出了逆矩阵新的表示式．表明Hankel矩阵、Vandermonde矩阵的逆矩阵可以表示为一些特殊矩阵的乘积之和，并以Hankel矩阵为例，得到了求逆的快速算法，所需计算量为O(n^2)，一般n阶矩阵求逆的计算量为O(n^2)．     

带状Toeplitz方程组的解

本文提出求解带状 Toeplitz 线性方程组的一种新方法.其计算复杂度为O(n(p+q)),而不是一般 Toeplitz 方程组的算法的 O(n~2).这里,n 是方程的阶,p 和 q 分别是上和下半带宽.此外,该方法比用一般的带状 LU 分解方法既节省运算量,也少用计算机存贮.     

循环矩阵开平方的快速算法

利用快速傅立叶变换 (FFT) ,给出了 n阶循环矩阵开平方的一个快速算法 ,计算循环矩阵的同型平方根矩阵 (平方根矩阵也是循环矩阵 ) ,证明了同型平方根矩阵的个数为 2 n ,它是关于 n的指数函数 ;计算一个同型平方根矩阵的时间复杂性为 O(nlog2 n) ;计算全部同型平方根矩阵的时间复杂性为 O(n2 n) .     

Loewner矩阵Moore-Penrose逆的快速算法

给出了求以秩为n的m×n阶Loewner矩阵Moore-Penrose逆的快速算法,该算法的计算复杂度为O(mn) O(n2)。     

2个置换因子循环矩阵相乘的快速傅氏变换法

借助于快速傅氏变换(FFT)技术,给出了计算2个n阶置换因子循环矩阵之乘积阵的一种快速算法,其算术复杂性为O(nlog2n),最后给出一个算例.     

一类矩阵方程中心对称解的可信性验证

考虑矩阵方程AXB+BXA=C(A,B,C,X∈C~(n×n))中心对称解的可信性验证问题.在A,B可同时对角化的假设下,提出一种区间算法,该算法输出一个近似中心对称解及其相应的误差界,使得在近似解的误差范围内必存在该方程的一个精确中心对称解,且该算法的复杂度仅为O(n~3).     

Cauchy型矩阵Moore-Penrose逆的快速算法

给出了求以秩为n的m×n Cauchy型矩阵Moore-Penrose逆的快速算法,该算法的计算复杂度为O(mn) O(n2).     

Cauchy方程组极小范数最小二乘解的快速算法

给出了求以秩为n的m×n阶Cauchy矩阵为系数矩阵的线性方程组极小范数最小二乘解的快速算法.     

追赶法并行求解循环三对角方程组

给出了求解循环三对角线性方程组的一种并行算法.在系数矩阵满足对角占优的条件下,利用该方法能够快速、稳定地求解循环三对角线性方程组,在单个进程上的计算量仅为○(17n).与传统算法求解循环三对角线性方程组的计算量相同.而且,本算法可以方便地实施分布式并行计算,各进程仅需向主进程传递8个实数,而主进程向各子进程传递2个实数,通讯量较小.数值实验结果表明:对于大规模的循环三对角线性方程组.利用16个进程计算的并行效率均在0_75以上.求解三对角线性方程组的传统追赶法实则是本文算法的一种特例,因此.该算法也可用于求解三对角线性方程组.