关于大数混合基表示的算法与问题

本文基于求解ｎ个简单同余方程组的思想给出了一个求解同余方程组的算法，算法将花费３ｎ次模运算及ｎ次求逆元运算，优于牛顿迭代法。对大数的混合基表示提出了扩张问题与压缩问题，并证明了扩张问题与其求解问题是线性等价的，而压缩问题的难度小于扩张问题。     

关于对称方程组非零解的判定与解法

给出对称方程组ｘ１＋ｘ２＋…＋ｘｎ＝０… … … … ｘ＾ｉ－１ １＋ｘ＾ｉ－１ ２＋…ｘ＾ｉ－１ ｎ＝０ ｘ＾ｉ＋１ １＋ｘ＾ｉ＋１２＋…＋ｘ＾ｉ＋１ ｎ＝０… … … … ｘ＾ｎ＋１ １＋ｘ＾ｎ＋１ ２＋…＋ｘ＾ｎ＋１ ｎ＝０非零解的判别条件、求解方法以及严格的证明。     

差分方程组的解及其应用

该文利用求特征方程的特征根的方法讨论形如的常系数齐次差分方程组的求解问题，给出了求出ｆｉ（ｎ）的一般表达式及其所满足的差分方程的一个简便方法，并用来求解几个计数问题。     

求解线性代数方程组的一种松驰失代算法及其收敛性

对于线性代数方程组Ａｘ＝ｂ的求解，Ｇａｕｓｓ－Ｓｅｉｄｅｌ迭代算法并不能保证对所有的ｎ×ｎ矩阵Ａ都收敛。本通过向Ｇａｕｓｓ－Ｓｅｉｄｅｌ算法中加入松驰因子而导出一种松驰迭代算法，并且给出了收敛性定理及其证明。该算法对所有的对称正定矩阵Ａ都具有收敛性，拓宽了Ｇａｕｓｓ－Ｓｅｉｄｅｌ方法的使用范围。     

块交替拟Newton法与超定方程组求解

本文推广了交替拟Ｎｅｗｔｏｎ方法至块的形式，并将它应用于成组超定方程组的求解，证明了对于给出的ｐ组ｍ×ｎ的线性超定方程组，方法具有至多（ｍ＋１）／Ｐ步迭代的有限终止性．     

求解复系数线性带状方程组的追赶法

设计了求解复系数线性三对角方程组问题的一种新方法－－初参数追赶法。这一方法克服了传统的（ＬＲ）追赶法在实算时是否可具体实现的问题上所固有的缺陷，并保持了追赶法及初参数方法的全部优点。文中还将初参数追赶法推广对复系数带状线性方程组的求解，给出了适用于带宽为２ｒ＋１（１≤ｒ≤ｎ／２）的ｎ阶复系数带状方程组的一个紧凑算法形式，最后，给出了应用初参数追赶法求解Ｓｃｈｒｏｄｉｎｇ方程的一个算例。     

非线性耦合标量场方程组的精确解析解

利用新近提出的一种直接代数方法,在Maple系统上重新求解了非线性耦合标量场方程组,获得了该方程组形式更为一般的精确解,更正了他人手工计算所出现的一些错误.     

微分形式吴方法在Lie对称中的应用

Lie对称法和微分形式吴方法相结合的方法来计算微分方程（组）的对称.首先,用Lie对称法得到对称的确定方程组,该方程组一般比较大,难于求解,然后,用微分形式吴方法把确定方程组分解为一系列较简单的方程组来求解,文中算例说明这种方法是有效的.     

改进量子遗传算法求解非线性方程组

非线性方程组的求解在科学技术和工程应用中经常遇到。将非线性方程组的求解问题转化为函数优化问题,并应用改进量子遗传算法求解此优化问题。数值模拟的结果验证了该方法的可行性和有效性。     

并行计算一类奇异方程组的PCR算法

本文给出了一个计算奇异方程组Ｒ（Ａｋ））的新的高度并行算法．通过该算法可以在时间步内，用ｐ＝２ｎ（ｎ－１）台处理机得到方程组的解ｘ＝Ａｄｂ．     

线性方程组正交化行处理法的C语言实现

给出利用线性方程组的正交化行处理法求解线性方程组的Ｃ语言程序实现方法．     

Adomaint原理与线性方程组的网络并行计算

论证了广西大学龚仁喜教授,邓艳等基于Adom aint原理建立的线性方程组的求解方法与Jacob i迭代法理论上等价;基于其思想,给出了一种求解线性方程组的并行算法,并将1~16台PC机联网,分别安装W in-dows2000、PVM3.4和VC6.0以组建网络并行计算平台,并在该平台上编程对该算法进行了并行数值试验,算例计算结果(表1和表2)表明该算法具有较高的加速比和效率,适合大型线性方程组的并行求解.     

非线性方程组行处理迭代法

给出求解非线性方程组的行处理迭代解法并证明其收敛性     

一种序列线性方程组滤子算法的收敛性分析

笔者曾提出一种不可行序列线性方程组滤子方法.它将不可行无需二次规划(QP-free)方法与滤子技巧结合,可以避免罚参数的选取.只需求解两个具有相同系数矩阵的线性方程组以得到搜索方向.在一定程度上克服了序列二次规划方法的缺点.在以上算法的基础上,增加了一个同系数矩阵的线性方程组以计算二阶校正步,使得算法避免了Maratos效应.在一定的条件下,证明了该算法的局部超线性收敛性.     

判断空间中若干几何图形位置关系的教学设计

线性代数有着非常广泛的应用.判断空间中几何图形的位置关系是空间解析几何的重要内容,同时也是线性代数的一种重要应用.这些知识点与线性代数中矩阵的秩、线性方程组等内容相互关联,形成了一个有机整体.探讨利用线性代数的相关理论判断空间中若干几何图形位置关系的教学设计.     

解不等式约束问题的不可行SSLE滤子算法

考虑将原不等式约束优化问题转化为与其等价的带等式约束的优化问题,并证明它们具有相同的KKT条件.转化后的问题要求其乘子是非负的,故其KKT条件与一般的等式约束优化问题不同. 针对这种具有特定的等式约束优化问题,提出了一种求解不等式约束优化问题的不可行序列线性规划滤子方法.该算法只需求解两个具有相同系数矩阵的线性方程组以得到搜索方向,因此计算量较小.最后给出了该算法的全局收敛性证明和数值结果.     

非线性最优化中超线性收敛的序列线性方程组方法

提出了一个超线性收敛的序列线性方程组方法（ＳＳＬＥ）．此方法与现有的序列二次规划（ＳＱＰ）方法相比，其优点有：（１）由于新方法每一次迭代只需计算三个系数矩阵完全相同的线性方程组，因此迭代的计算量减少且算法的稳定性提高；（２）每一次迭代产生的点是可行的；（３）具有一步超线性收敛速度。     

一种序列线性方程组滤子算法的全局收敛性

提出了一种不可行序列线性规划滤子方法,只需求解2个具有相同系数矩阵的线性方程组以得到搜索方向,在一定程度上克服了序列二次规划方法的缺点并提高了计算效率.算法中使用了χ-有效集.给出了该算法的全局收敛性证明,并给出了数值结果说明该算法的有效性.     

遗传算法在非常态方程组求解中的应用

给出了用遗传算法求解非常态线性方程组时需要考虑的若干问题,并以求解一个非常态线性方程组为例,验证了遗传算法的有效性     

基于神经网络的病态线性方程组求解

提出了一种基于神经网络的病态线性方程组求解方法。将病态线性方程组的一般系数矩阵转化为对称正定矩阵，然后将此方程组的求解转化为一个无约束优化问题。以此优化问题的目标函数作为神经网络的能量函数，利用最速下降原理构造神经网络的动力学方程，并证明该神经网络系统的稳定性。从而把原病态线性方程组的求解问题转化为一个等价的神经网络优化问题。最后通过两个算例的数值仿真求解以及与其他求解方法的比较，验证了该方法的可行性与有效性。