一种调和Ritz向量的精化算法及应用

利用调和Arnoldi算法的一种等价形式,用较少的运算量将大规模矩阵特征值问题转化成一个小型的标准特征值问题来求解调和Ritz对。针对调和Arnoldi算法中调和Ritz值收敛而相应的调和Ritz向量往往不收敛的情况,保持调和Ritz值不变,结合精化Arnoldi算法的思想给出了一种在位移Krylov子空间上对调和Ritz向量进行精化求解的精化变形算法,以寻求使残量范数达到极小的近似特征向量。理论分析和数值实验表明这种精化变形算法的可行性、有效性以及更快的收敛速度,利用此算法可以更快求解满足精度要求的大规模矩阵的特征值和特征向量。同时,将这种算法应用于图像K-L变换的协方差矩阵的特征值和特征向量的求解,克服了K-L变换中由于图像矩阵过大而求解过程困难的问题,选取前若干个较大的特征值所对应的特征向量构成变换矩阵进行K-L变换来压缩图像,能直接应用于实时的图像压缩,较对图像分块在每个小块上进行K-L变换的方法更有效。     

反对称矩阵特征值问题的灵敏度及Rayleigh商迭代

设Ａ是实反对称矩阵。本文证明了Ａ的特征值具有对称矩阵特征值同样的完美性态；又若Ａ的特征向量对应于一个与其它特征值离得很开的特征值，则这个特征向量是良态的。本文给出了Ａ＾ＴＡ的Ｒａｙｌｅｉｇｈ商迭代计算Ａ的特征值和特征向量的方法。     

非对称实矩阵特征问题的广义Lanczos方法的收敛性

对大型非对称矩阵Ａ的特征问题，Ｓａａｄ曾证明，当Ａ只有实单重特征值时．广义Ｌａｎｃｚｏｓ方法对求Ａ 的端部特征值和对应的特征向量通常是快速收敛的。本文取消了对 Ａ的这一限制，在 Ａ只有线性初等因子的情形下，证明了广义 Ｌａｎｃ－ｚｏｓ方法对计算Ａ的少数端部特征值和对应的特征的量仍是快速收敛的。     

求解大规模矩阵内部特征值问题的精化与修正的精化调和块Arnoldi算法(英文)

调和块Arnoldi方法可以用于求解大规模矩阵的内部特征对,给定一个位移点τ可以用该方法求接近τ的内部特征值及其相应的特征向量.然而,理论分析表明,所求得调和Ritz向量可能收敛非常缓慢,甚至不收敛.为避免这种情况,给出了精化调和块Arnoldi及修正的精化调和块Arnoldi方法.此外,还给出了修正的精化调和Ritz向量和精化调和Ritz向量之间的关系.数值实验结果表明了新算法的有效性.     

特征值问题的一个算法

这里提供的特征值问题Ａｘ＝λｘ的解法利用了向量ｘ的伪逆。通过迭代,可以收敛到问题的最小特征值和相应的特征向量（λ１,ｘ１）给出的收敛性证明说明收敛度是比较快的。     

四元数矩阵的特征值与特征向量

讨论了四元数矩阵的左、右特征值及特征向量的性质。证明了如下结论：四元数矩阵Ｂ的属于其左特征值λ的所有特征向量添上零向量构成实数域Ｒ上的向量空间；四元数矩阵Ｂ的属于其左特征值λ０的所有特征向量添上零向构成Ｑ上右向量空间Ｑ＾ｎ的子空间，这里Ｑ表示四元数体。     

加速广义极小残余新算法

研究了Krylov子空间广义极小残余算法（GMRES（m））的基本理论，特别是残余向量与Krylov子空间的关系．根据残余向量所满足的代数方程组，深入探讨算法的收敛性质与所选择的子空间的关系，指出大大量按模很小的特征值对应的特征向量的存在会降低算法的收敛速度，从而提出一种利用按模很小的特征值对应的特征向量扩充Krylov子空间的加速广义极小残余算法（AGMRES（m））、理论分析和数值结果都表明，算法是可靠和有效的．     

行列式搜索法与解某类特征方程KX=λMX

本文针对K和M均为n阶实对称正定矩阵时的特征方程KX=λMX (A)的广义特征值及其相应的特征向量的求解问题,讨论了: 1.如何用行列式搜索法确定方程(A)在某个区间(0,μ)内的特征值的个数(其中μ>0)。2.反幂法求方程(A)的最小特征值和相应的特征向量的算法构造及其所构造的算法的收敛性问题。3.在行列式搜索法的基础上结合反幂法求方程(A)的任一个特征值的方法。4.初始迭代向量的生成方法,并严格证明了第P个初始迭代向量必能保证所构造的算法收敛到方程(A)的第P个特征值λ_p及其相应的特征向量φ_p。     

精化调和Ritz向量张成子空间上的调和Ritz值

研究了精化调和Rayleigh—Ritz过程中的近似特征值选取的问题．一般地。精化调和Ritz对在求解子空间中具有残量最小的最优性。因此在它们张成的子空间中应含有想求的特征向量的更丰富的信息，从而在此子空间上计算的调和Ritz值应该更准确．本正是从这一指导思想出发，研究如何求矩阵A在精化调和Ritz向量所张成的子空间上的调和Rit值θi．对Krylov子空间，建立了θi和调和Ritz值间的一个先验估计式，同时给出了用θi作为近似特征值的精化调和Arnoldi算法。最后的数值结果表明新的算法的有效性．     

求解对称矩阵特征问题的精化Arnoldi方法

研究在有限精度下,如何用精化Arnoldi方法求对称矩阵的一组正交程度可达到机器精度的近似特征向量组.首先给出精化Ritz向量的一个新的表达式,该表达式表明理论上对不同的近似特征值,一般地无法保证精化Arnoldi方法所确定的精化Ritz向量组是正交的.进一步,采用再正交化方法便可得到一组正交化程度可达到机器精度的标准正交近似特征向量组,最后的数值结果验证结论的准确性,同时再正交化后得到新的近似对的残量几乎是不变的.     

求解大型对称特征值问题的改进的块Davidson方法

块Davidson方法是求解大型对称矩阵特征值问题的一种有效方法．但对一些特征值问题，当Ritz值收敛以后，该方法并不能保证Ritz向量也同时收敛．因此，为加速块Davidson方法的收敛性，研究了块Davidson方法的重新开始技术，将精化策略和收缩技术应用于块Davidson方法，提出了收缩的精化块Davidson方法．数值试验结果及理论分析均表明，新方法比块Davidson和块Lanczos方法有更好的收敛效果，对计算大型对称矩阵的一些极端特征对是有效的．     

增广Krylov子空间上的精化Lanczos方法

精化Lanczos方法用于计算大规模对称矩阵特征对,与传统的Lanczos方法不同,主要是利用精化向量的优越性,用精化向量替代Ritz向量,介绍了用精化Lanczos重启方法和精化Lanczos压缩重启求近似特征对,理论上分析它们与传统方法的差别及优劣性。     

计算振动特征问题的一种新方法

本文结合振动系统特征值和特征向量的计算讨论了一种计算特征问题的新方法.通过大量实例计算证明这一方法具有精度高、速度快等特点.这一方法的关键在于:(1)建立新型剩余函数式,(2)应用新型的迭代法.本文所述的方法能很方便地扩散到许多领域内的特征问题求解.     

逼近广义逆AT,S^（2）的方法

给出一些迭代法计算广义逆ＡＴ，Ｓ＾（２）收敛的充分必要条件，并证明了迭代法收敛于广义逆ＡＴ，Ｓ＾（２）当且仅当这些条件满足，另外，讨论了迭代法的初始条件。     

Banach空间中广义变分不等式迭代算法的强收敛性

利用修改的外梯度方法，结合修改的Mann迭代方法，讨论了一类Banach空间中严格伪压缩映像的广义变分不等式问题.在适当的条件下，证明了算法所得到的序列强收敛到相应问题的解.     

Improvement and Parallelism of k-Means Clustering Algorithm

The k-means clustering algorithm is one of the most commonly used algorithms for clustering analysis. The traditional k-means algorithm is, however, inefficient while working on large numbers of data sets and improving the algorithm efficiency remains a problem. This paper focuses on the efficiency issues of cluster algorithms. A refined initial cluster centers method is designed to reduce the number of iterative procedures in the algorithm. A parallel k-means algorithm is also studied for the problem of the operation limitation of a single processor machine when given huge data sets. The analytical results demonstrate that these improvements can greatly enhance the efficiency of the k-means algorithm, i.e., allow the grouping of a large number of data sets more accurately and more quickly. The analysis has theoretical and practical importance for work on the improvement and parallelism of cluster algorithms.     

关于广义非凸变分不等式问题投影算法的注记

引入和研究了一类新的广义非凸变分不等式,利用投影技巧,给出了一个求解此类非凸变分不等式的迭代算法,最后证明了该算法在适当的条件下收敛.所得的结果修改了最近一些文献不足的结论,也对先前一些重要结论做了推广改进.