求多项式全部零点的快速并行Halley算法

在Halley圆盘迭代法的基础上,用圆盘算术构造了一种求多项式全部零点的快速并行Halley算法,并在与Halley迭代法相同的条件下建立了其收敛性定理, 该算法取得了10阶收敛速度。     

用回归分析方法进行多项式降次

用迭代法求一个以上的多项式零点是困难的,这是因为迭代序列可能正巧几次收敛于同一个零点。为避免这种情况,多项式必须降次,消去所计算得到的零点的因子。关于多项式的向前,向后降次,Wilkinson在文[1]中作了详细论述。七十年代初期,Peters和Wil-     

计算复根的n+1信息的2~n阶迭代(英文)

本文作者提出了一种求多项式和其它解析函数复零点的多点迭代法。它每次迭代只用到n+1个信息,但却具有2~n阶的敛速。其计算效能也高于常用的迭代程序。     

两个同时求多项式零点的3阶Newton型迭代法

构造了两个同时求多项式零点的Newton型并行迭代法，同时证明它们的收敛性，证明其收敛阶为3，并讨论其初始条件，最后给出数值例子．     

PC－映照的Jacobi矩阵的快速求逆法及其应用

本文提出与多项式系数有关，从ＤＲＮ的ＰＣ－映照的Ｊａｃｏｂｉ矩阵的一种快速求逆法──逐步线性推算法，估计了它的计算工作量；进一步地，应用它导出了求算多项式全部近似复零点的一种显式迭代。最后给出若干数值试验结果。     

求函数多重零点的高阶迭代

求函数f(x)的多重零点,用一般求单零点的方法(例如Newton法、弦截法)往往收敛缓慢、计算效能低,甚至迭代不收敛,为此我们考虑求多重零点的迭代方法. 设α是函数f(x)的m重零点,记u(x)=f(x)/f′(x),(1)则α是u(x)的单零点.求单零点的迭代法用到u(x)上就可导出求f(x)的多重零点的迭代法.例如,对u(x)使用Newton迭代法就导出求f(x)多重零点的二阶迭代函数     

两个求解多项式方程的的迭代法

本文讨论了两个求多项式根的迭代法。这两个方法里只用到多项式本身及其一阶导数。假如是单根，证明了适当条件下这两个迭代法都是至少４阶收敛的。     

两个求解多项式方程的迭代法

本文讨论了两个求多项式根的迭代法。这两个方法里只用到多项式本身及其一阶导数。假如是单根，证明了在适当条件下这两个迭代法部是至少４阶收敛的。     

一族新的免求二阶导数的Chebyshev—Halley型迭代法

给出了求解非线性方程的一族新的带单参数／3的免求二阶导数的Chebyshev—Halley型迭代法．新的迭代法在每次迭代过程中只需计算2次函数值和1次一阶导数值,其收敛阶至少为3．若参数β=3／2,则新的迭代法收敛阶为4．数值实验结果验证了此方法的有效性．     

KNA算法计算单零点多项式全部零点的复杂性

证明用KNA算法计算n次单零点多项式全部零点所需的多项式计值次数不超过O(n~3 log_2(n/ε)),其中ε是计算精度。     

一个高阶并行迭代公式的构造

利用拉格朗日插值构造了一个同时求解多项式全部零点的高阶并行迭代公式,并对其收敛性进行了研究.数值例子说明该迭代公式具有较高的计算效率。     

求解多项式重零点的并行迭代方法

建立了一种至少4阶收敛的求解多项式重零点的并行迭代方法，分析并证明了相应的收敛性定理。     

用Chebvshev多项式加速的预处理子空间迭代法

研究了计算大型稀疏对称矩阵的若干个最大或最小特征值的问题的子空间迭代法.首先引入了加速子空间迭代法的Chebyshev迭代法和预处理技术.为了更好地加速子空间迭代法的收敛速度,作者把Chebyshev多项式和预处理技术同时应用到子空间迭代法中,对预处理过的残余矩阵用Chebyshev多项式加速.即讨论了Chebyshev迭代法对预处理子空间迭代法的应用.这样既缩小了矩阵特征值的分布范围,又改善了每次循环的初始矩阵.从而给出了用Chebyshev多项式加速的预处理子空间迭代法.最后给出了数值例子,结果表明加速后的预处理子空间迭代法比原来的预处理子空间迭代法更优越,进一步加速了迭代法的收敛速度,减少了计算量和计算时间.     

用Padé逼近构造高阶收敛的方程求根迭代公式

本文用[1/M]Pade逼近构造方程求解迭代公式,其收敛速度为M+2阶。此族公式包括著名的牛顿选代公式和Halley迭代公式。文中还给出了有效的算法。     

预处理并行AOR迭代法

AOR迭代法是经典的迭代法,不同的AOR迭代法和并行AOR迭代法被广泛研究.近年来,预条件迭代法引起了人们的极大兴趣,提出了多种预条件因子.论文提出预处理并行AOR迭代法,并给出了相应的收敛性和比较理论.最后,通过数值例子说明新算法的有效性.     

滑动平均模型参数估计的Gevers-Wouters算法的指数收敛性

可逆的向量滑动平均(MA)模型参数估计问题本质上是一个矩阵谱分解问题。基于向量MA模型和状态空间模型之间的变换,用Kalman滤波方法证明了矩阵谱分解的Gevers-Wouters算法的一致性和指数收敛性,且证明了收敛速度由MA多项式矩阵的行列式的零点决定。当这些零点不接近单位圆周时,Gevers-Wouters算法可高精度、快速地给出MA参数估计,因而提供一种快速有效的谱分解工具。     

关于同时求多项式重零点的迭代法

利用Gauss Seidel加速技巧建立了一种至少4阶收敛的求解多项式重零点的并行迭代方法,分析并证明了相应的收敛性定理,最后还给出了数值例子。