求解非对称线性方程组的预对称混合 GMRES 算法

对于非对称线性方程组Ax＝ b ,当A是正定可对称化矩阵时,利用预对称化技术和混合迭代技术,结合GM RES算法提出了一种新的预对称混合GM RES迭代算法,理论表明,新算法可以使迭代的收敛效果得到明显改善。数值例子表明该算法迭代次数要少于解非对称线性方程组的GM RES方法。     

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GMRES法的收敛性

对求解大型非对称线性方程组问题，Ｓａａｄ提出了ＧＭＲＥＳ法。在理论方面，Ｓａａｄ仅对系数阵可对角化时给出了收敛性分析。本文将取消这一限制，对系数阵Ａ为亏损的一般情况，建立了该方法的误差估计式，并由此说明了该方法当Ａ非亏损阵时亦是收敛的。     

求解线性方程组的一种迭代算法及其收敛性

对于求解线性方程组Ax=b,考虑当矩阵A为对称正定矩阵或者M矩阵时,文章给出了一种松弛迭代算法并且讨论了其收敛性.从数值结果,可以看出此算法的优越性.     

求解线性方程组的一种迭代算法

对系数为对称正定矩阵的线性方程组,利用系数矩阵主对角线上元素的和构造一种新的收敛迭代格式．     

求解线性方程组的一种迭代法的改进

对系数为对称正定矩阵的线性方程组,将文献[1]中构造的收敛迭代格式进行了改进,并给出了数值仿真结果.     

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。     

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。     

广义正定矩阵的判别及相应线性方程组的求解

通过给出广义正定矩阵判别的充分条件和充要条件,研究求解广义正定矩阵线性方程组的HSS迭代算法,分析算法的收敛性,并给出数值实验.     

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.     

GMRES迭代算法的两种变形研究

本文简要介绍了几种GMRES算法的推广和变形,给出了实现其原理的算法,讨论其各种适用的条件。它们是GGMRES算法,MGMRES算法     

可对称化矩阵

定义了可对称化矩阵 ,讨论了它的性质 ,推广了以往文献的结果     

关于对称且次对称矩阵的次正定性

讨论了对称且次对称矩阵次正定的某些充要条件     

迭代算法求解矩阵方程埃尔米特双对称解

通过构建一个迭代算法来求解复矩阵方程组最小F范数剩余问题:min‖[A_1XB_1+C_1D_1A_2XB_2+C_2D_2]-(M_1M_2)‖,其中X是埃尔米特双对称矩阵,即满足X=X~H=S_nXS_n;在不考虑舍入误差的条件下,对于任意双埃尔米特矩阵X_0,矩阵方程组的解都能在有限步内得到;最后,给出一个数值试验来检验算法的有效性.     

求解奇异线性方程组的双逐次投影法

用双逐次投影迭代法来求解奇异线性方程组,当线性方程组的系数矩阵是对称半正定时,给出了不同情形时有关参量的选取以及相应的算法,并就收敛结果分别与雅可比迭代法和Gauss-Seidel迭代法进行了比较,数值结果表明,该方法对求解奇异线性方程组是很有效的.     

线性方程组的特殊解法——平方根法

由对称正定矩阵的性质，引出平方根法的递推算法。从而给出了对称正定矩阵的线性方程组的求解方法。     

求解对称正定线性方程组的正交基变换方法

求解对称正定线性方程组是线性代数和数值分析一项重要内容.通过证明对称正定线性方程组与函数逼近理论中正规方程组一一对应,将对称正定线性方程组类比为函数逼近理论中正规方程组,利用施密特正交化方法将对称正定线性方程组转化为对角方程组进行求解,提出并推导了求解对称正定线性方程组的正交基变换方法.数值算例表明该算法有效、可靠,且计算量小于平方根法.为求解对称正定线性方程组提供了新方法.     

对称化算子诱导的混合矩阵函数

引入了卡氏和张量混合积空间上的对称化算子和相应的分块矩阵上的混合矩阵函数，给出了关于它们的若干关系式。