对称次反对称的线性方程组的缩减算法

利用对称次反对称矩阵的性质解对称次反对称线性方程组Ax=b,给出该类方程的缩减算法.两个数值例子说明算法是可行有效的.     

略论线性方程组解的误差估计

由于计算机计算时会出现舍入误差和舍位误差,因此用计算机解线性方程组Ax=b(A∈Cn×n,b∈Cn)时就不可避免地会有计算误差,本文借助矩阵范数和向量范数的概念,结合矩阵幂级数的有关结论,给出了线性方程组Ax=b(A∈Cn×n,b∈Cn)解的绝对误差和相对误差的四个上界.     

控制系统的稳定条件与线性方程组的反问题

一类控制系统绝对稳定的充要条件涉及一个线性方程组Ax=b的反问题。本文用矩阵分解法给出该反问题在正定矩阵类及正交矩阵类中的通解。这种方法简单灵活、不涉及线性空间的结构,从而容易在计算机上实现。     

中心或反中心对称的线性方程组的迭代算法

研究中心或反中心对称矩阵的线性方程组Ax=b的迭代算法,充分利用中心或反中心对称矩阵的性质,给出求方程组解的两个迭代算法.两个数值例子说明算法是可行有效的.     

三次PE方法收敛性的分析

提出了解线性方程组Ax=f的三次PE方法,并且证明了当系数矩阵A为非奇异M矩阵时,三次PE方法的可解性和收敛性.     

反对称次对称的线性方程组的缩减算法

充分利用反对称次对称矩阵的性质,研究了反对称次对称的线性方程组Ax=b的缩减算法,给出求该类解方程的缩减算法.2个数值例子说明算法是可行有效的.     

双反对称的线性方程组的迭代算法

充分利用双反对称矩阵的性质,研究了双反对称的线性方程组Ax=b的迭代算法,给出求方程解的迭代算法.通过2个数值例子说明算法是可行有效的。     

行简化幂等矩阵与线性方程组标准通解

给出了行简化幂等矩阵的定义,证明了给定n阶方阵A与唯一的行简化幂等矩阵AD行等价,因此A可分解为可逆矩阵与唯一的行简化幂等矩阵的乘积.作为应用不仅指出了对给定的m×n阶矩阵A所确定的广义行简化幂等矩阵是唯一的,而且得到了非齐次线性方程组Ax=d标准通解的显示矩阵.     

Hermite正定矩阵的多分裂算法的收敛性

本文研究了系数矩阵为Hermite正定矩阵的解大型线性方程组Ax=b的并行AoR算法.在假定A具有分离形式的前提下,证明了并行多分裂AoR算法的收敛定理.     

关于数域F上线性方程组的反问题

就数域F上线性方程组的反问题:给定b∈Fs(s≥1),αi∈Fn(i=1,2,…,m且m≤n),满足α1,…,αm线性无关,求所有的s×n矩阵A,使Aαi=b(i=1,2,…,m),给出了解法,并把结果推广至α1,α2,…,αm线性相关及m＞n的情形.     

Ax＝b在广义正定矩阵类中的反问题

研究线性方程组Ａｘ＝ｂ的反问题在广义正定矩阵类中的求解，得到了一个简便的充要条件，从而使这类反问题获得了较完满的解决     

逐次超松弛法因子的选取

文章在系数矩阵A满足对称正定的情况下给出了一类解大型稀疏线性系统Ax=b的最新方法,即渐近最优超松弛迭代法,避免了传统选择最佳松弛因子带来的不便,并通过理论性证明此算法收敛于Ax=b的解或近似解.     

三对角线性方程组的一种并行解耦算法

就三对角线性方程的求解，提出了一个适用于MIMD并行计算机的并行解耦算法，新的算法适用于工作站群式的分布式并行计算机(COW)，数值测试结果表明，当方程组的规模较大时，并行效率明显。     

线性方程组的解法

本文提出一种利用初等变换解线性方程组的方法，该方法的优点是简便实用；特别是对于非齐次线性方程组，它是否有解的判断及有解时的所有解可以一次性完成．     

矩阵A的广义逆A_(T，S)~((2))快速并行算法

提出了计算广义逆AT,S^（2）的一个并行算法，并且证明了理论结果：广义逆AT,S^（2）的并行计算复杂性，一般约束线性方程组Ax=b，x∈T，b∈R（A）求解，和计算m＋n-h阶矩阵A的特征多项式和行列式有同样的增长率，其中h=rank（G），R（G）=T和N（G）=S．     

非Hermitian正定矩阵的一种分裂迭代格式

对正定线性方程组Ax=b,构造了一种分裂迭代格式,并对该算法的收敛性进行了证明.     

奇异线性系统Drazin逆解的DQMR算法

近年来,关于奇异线性系统Drazin逆解的算法引起了众多学者的广泛关注,并获得了依赖于Krylov子空间的大量研究成果.然而,Krylov子空间法十分繁琐且解决奇异线性不相容系统十分困难.基于此,利用投影法给出了相容或非相容奇异线性系统Ax＝b的Drazin逆解的DQMR算法,其中A∈?n×n是一个具有任意指标的奇异Hermitian矩阵. DQMR算法“类似”于非奇异系统的QMR算法.     

斜投影方法收敛速度的估计

对斜投影法的收敛速度给出了上下界 .     

广义线性系统的极点配置

主要研究了广义线性系统-Ex(t)=Ax(t) Bu(t)，x(t0)=x0，t≥t0，y(t)=Cx(t) Du(t)的极点配置问题，利用矩阵的奇异值分解和矩阵的广义逆，得到了广义线性系统的奇异值标准形，使得广义线性系统的极点配置问题转变为正常系统的极点配置问题，从而给出广义线性系统极点配置的一种新方法。