求解具有多个右端项线性方程组的总体GMERR算法

提出求解具有多个右端项大规模非对称线性方程组AX=B的一个新方法.广义最小误差(GMERR)方法用于求解AX=B时,需要对每一个右端项分别求解,运算量大,并且求解一个线性方程组的信息不能有效的应用于另一个方程组.针对以上不足,将初始残量矩阵总体投影在一个Krylov子空间上,得到总体广义最小误差方法(总体GMERR方法)及相关性质.数值实验结果表明新方法比用GMERR算法分别求解每一个同系数矩阵而右端项不同的方程组更为有效.     

求解H-矩阵线性方程组的预处理Gauss-Seidel方法

针对系数矩阵A为H-矩阵,为线性方程组Ax=b引入了两种形式的预处理矩阵I+-S和I+S^,给出了相应的预处理Gauss-Seidel方法.证明了若系数矩阵A为H-矩阵,则新的系数矩阵(I+-S)A和(I+S^)A仍是H-矩阵,并给出了相应预条件Gauss-Seidel方法的收敛性分析.通过数值算例验证了新的预处理迭代方法的收敛率比经典的Gauss-Seidel迭代法以及J.P.Milaszewicz提出的改进Gauss-Seidel迭代法更好.     

求解大型线性方程组的GATOR方法

本文建立了求解大型方程性方程组Ａｘ＝ｂ的一处新的迭工法－－ＧＡＴＯＲ方法，讨论了系数矩阵Ａ在不同情况下的算法的收敛性问题。     

求解线性方程组的初参数方法

本文提出一种求解线性方程组的直接解法，该方法把较大方程组的求解化为可并行的较小方程组求解。可适用于大系统问题或高维数值解问题的求解，也可处理混合问题的不同区域，方法的实施与方程组的可解性无关。这对于求解变系数不定常问题是有意义的。     

求解线性方程组SOR-k方法的一个注记

考虑将p循环矩阵划分为k循环矩阵（2≤k≤p）来解决p循环系统Ax=b（p〉2）的SOR-k方法．Evans和Li在隐函数存在和可微的假定下，比较了SOR-k选代矩阵Lω^（K）（2≤k≤p）的最优谱半径．但是，Evans和Li并未给出此假定合理性的证明，本文将给以证明．     

求解L-矩阵线性方程组的预处理迭代法

文章提出了求解系数矩阵为L-矩阵的线性方程组的预处理迭代方法,详细研究了该方法的重要性质及比较定理,表明了新的预处理方法提高了Gauss-Seidel型迭代法的收敛速度.最后以数值例子验证了该预处理迭代法的有效性.     

用Excel求解线性规划及线性方程组的方法

对利用美国微软公司开发的Office组件中的电子表格软件Excel求解线性规划的方法给予了介绍 ,并将该功能给予扩充 ,给出了用该软件求解线性方程组的方法     

求解大型稀疏线性方程组的Krylov子空间方法的发展

 求解大型稀疏线性方程组是许多科学和工程计算中最重要的问题之一,Krylov子空间方法是求解这类线性方程组的一个研究热点.本文介绍了Krylov子空间方法及其分类,例如正交投影方法(或Ritz-Galerkin方法),正交化方法(或极小残差方法),双正交化方法(或Petrov-Galerkin方法),解法方程组的CGNE和CGNR方法等,指出了这些方法在算法设计方面国内外研究现状和存在问题,着重考虑稀疏矩阵向量乘积与内积计算方法的并行处理问题;讨论了预条件与并行预条件技术,残差磨光技术及其并行实现,数据的合理分布问题,内积瓶颈问题等方面研究的发展趋势,希望有更多学者了解和研究这些方法.     

求解线性方程组的简单方法

对文献[1]中的求解线性方程组的简单方法进行了改进,得到了更简单、更实用的方法.     

线性方程组迭代求解的近似逆方法收敛性

利用近似逆矩阵定义，构造一类双对称矩阵，讨论解线性方程组迭代求解近似逆方法的收敛性。     

求解非对称线性方程组的积多项式预处理GMRES算法

当系数矩阵的条件数过大时,求解非对称线性方程组通常采用预处理方法.根据GMRES算法的补足收敛特性,构造一种有效的积多项式预处理因子.在一定条件下,应用积多项式对系数矩阵进行预处理,可以显著降低谱条件数,从而加快残量的收敛速度.数值试验表明,新算法在残量收敛方面具有明显的优势.     

求解非对称线性方程组的总体拟极小向后扰动方法

在利用QPMR方法求解非对称线性方程组(尤其是病态方程组)的Lanczos过程中通常会发生算法中断或数值不稳定的情况．为解决这个问题，将求解非对称线性方程组的QMR方法与总体向后扰动范数拟极小化的技巧相结合，给出求解非对称线性方程组的总体拟极小向后扰动方法(TQMBACK方法)，同时，为减少存储量和运算量，新算法将采用重新开始的循环格式，通常人们采用残量范数作为判断算法终止的准则，但是，当近似解非常接近真值时，残量范数是小的，而反过来不一定，为克服残量范数作为算法终止准则的不足，将总体向后扰动范数作为判断算法终止的准则，得到求解非对称线性方程组的循环总体拟极小向后扰动方法(RTQMBAK方法)，数值实验表明，新算法比Lanczos方法和QMR方法收敛速度更快．而且，新算法对求解病态的非对称线性方程组很有效。     

分析有限元线性方程组的求解方法

目的试图从几种常用的线性方程组的求解方法找出最优化方法. 方法从存储单元,运算量及收敛速度方面做了一系列比较分析.结果发现迭代法优于直接法,超松弛法优于其他迭代法.结论通过分析比较得出当迭代法收敛时,超松弛方法最优.     

Excel中用“规划求解”解线性方程组的方法

本文介绍了一种利用Excel中的“规划求解”功能解线性方程组的方法。该方法较其它方法简单,且适用范围较广。     

求解线性方程组迭代法的Excel实现

本文介绍了在Excel工作表中,用迭代法求解线性方程组的具体实现方法.列举了线性方程组求解的Jacobi迭代法、G-S迭代法和SOR方法.方法简单,结果直观.     

求解带扰动的线性方程组的贪婪随机Kaczmarz方法

当相容的线性代数方程组的右端向量发生扰动时,给出了由贪婪随机Kaczmarz方法所产生的迭代解与原线性代数方程组的最小范数解之间的期望误差的上界,并说明了随着迭代步数的增长,该期望解误差以线性速率下降至一个给定阈值。数值实验表明,该阈值能够很好地估计贪婪随机Kaczmarz方法的迭代解误差所能达到的最小值。     

求解大型稀疏线性方程组的贪婪距离随机Kaczmarz方法

基于一种从系数矩阵中选取工作行的新概率准则提出一类求解大型稀疏线性方程组的贪婪距离随机Kaczmarz方法 .理论表明该方法收敛到相容线性方程组的最小范数解,而且该方法的理论收敛因子小于经典随机Kaczmarz方法的收敛因子.数值实验表明该方法比传统的随机Kaczmarz方法收敛更快.     

求解大型线性方程组的带动量贪婪随机Kaczmarz方法

基于一种新而有效的概率准则,白和巫构建了一个求解大型线性方程组的贪婪随机Kaczmarz(GRK)方法。结合贪婪策略和Heavy-Ball技术,提出了带动量GRK方法(m GRK),并且建立了m GRK方法的全局线性收敛性理论。最后,数值实验表明m GRK方法在迭代步数和计算时间方面均优于GRK方法。     

基于线性方程组右端向量修改的拓扑图同构判别

为了提高拓扑图同构判别速度,借助邻接矩阵动态修改法的拓扑图同构判别思想,即利用素数对拓扑图顶点动态赋值以获得线性方程组解向量的改变,从而找到拓扑图同构的映射关系。为进一步减少计算量,简化判别过程,提出保持邻接矩阵不变,仅修改线性方程组右端向量以获得解向量的改变的方法,给出了该方法的初步理论依据。与邻接矩阵动态修改法相比,该方法无须重新形成邻接矩阵,在每次右端向量修改中省去了形成邻接矩阵的运算量,且判别算法变得更为简单。拓扑图同构判别实例表明,该方法有效、可靠。     

不适定的线性方程组的求解方法

本文对不适定的线性方程组给出一种求解方法．给出了相对优解的定义，证明相对优解的存在性与唯一性，进而构造了ｎ维欧氏空间上一个连续泛函，证明该泛函的极值问题解的存在性和唯一性．并利用泛函极值问题的解给出不适定线性方程组相对优解的近似解和近似解收敛于相对优解的证明．