迭代法求解相容矩阵方程组A1 X＋ XB1＝ C1，A2 X＋ XB2＝ C2

对任意初始矩阵,在没有舍入误差的情况下,经过有限步迭代得到问题的一个解。若取特殊初始矩阵,则得到问题的极小范数解。解决了对给定矩阵求最佳逼近解的问题。     

线性矩阵方程组A1XB1=D1,A2XB2=D2的相容性及应用

给出联立线性矩阵方程Ａ１ＸＢ１＝Ｄ１,Ａ２ＸＢ２＝Ｄ２的相容性充要条件及通解的显式显示,作为应用,还得出矩阵方程ＡＸＢ＝Ｄ,Ｘ＾Ｔ＝Ｘ的相容性条件及通解表示。     

求解相容的矩阵方程组A_1 XB_1=D1,A_2XB_2=D_2的一种迭代法

给出了求解矩阵方程组A1XB1=D1,A2 XB2 =D2 的迭代法 .     

求解矩阵方程组AX=C,XB=D的迭代法

给出了求解矩阵方程组ＡＸ＝Ｃ,ＸＢ＝Ｄ的迭代法,迭代收敛到它的极小Ｆ－范数解,并给出了此极小Ｆ－范数解的显式．     

矩阵方程组[A1XB1,A2XB2]=[C,D]的最小二乘解

一类复合线性系统的数学模型归结为求解线性矩阵方程组[A1XB1，A2XB2]=[C，D]，但该方程组在一般情况下未必相容，因此研究其最小二乘解与研究其相容条件下的准确解同样具有重要意义，利用矩阵对的广义奇异值分解及Frobenius范数正交矩阵乘积不变性，给出了实矩阵方程组[A1XB1，A2XB2]=[C，D]的最小二乘解的求法及其解的表达式。     

求解一类非线性矩阵方程组的迭代法

研究了一类非线性矩阵方程组,讨论其正定解的存在性问题.进一步,提出了一种迭代法求其正定解,并对数值算法进行了收敛性分析和误差估计.数值实验表明新算法有效.     

一类矩阵方程组的正交投影迭代解法

讨论了矩阵方程组AX=B,XC=D一般解的正交投影迭代解法.利用正交投影原理和一般矩阵的结构、性质构造迭代算法,再利用矩阵的奇异值分解、F-范数的正交不变性及矩阵方程组解的性质,证明了算法的收敛性,且推导出收敛速率的估计式.经数值实例验证了算法的有效性.     

求解L-矩阵方程组的一种Gauss-Seidel型预条件迭代法

在1991年A.D.Gunawardena等人首先提出了以I＋S为预处理子的Gauss-Seidel型迭代法比基本的迭代法有较好的收敛性.文章提出以阶梯矩阵作预处理子的Gauss-Seidel型迭代法,文中给出了收敛定理并以数值例子说明文章的方法比基本的迭代法及A.D.Gunawardena等人的方法有较好的收敛率.     

求AX=B的最小二乘解的一种迭代法

提出了梯度矩阵(ΔF(x))的概念,构造了一种迭代法求最小二乘问题‖AX-B‖=min。通过这种方法,给定初始矩阵X1,在没有舍入误差的情况下,经过有限步迭代,找到它的一个解。并且,通过选择一种特殊的初始矩阵,得到它的最小范数解X*。另外,给定矩阵X0,通过求最小二乘问题min‖AX-B‖(其中B=B-AX),得到它的最佳逼近解。     

矩阵方程A^T XB—B^T X^T A＝D的最小二乘解

通过矩阵对的广义奇异值分解(GSVD)技术，获得了一类矩阵方程在最小二乘意义下的解的一般形式。     

二阶椭圆方程Dirichlet问题的迭代法求解

对二阶椭圆方程Dirichlet问题,利用有限差分法进行离散化处理得到了差分方程组,通过Jacobi迭代法对该方程组进行求解,数值算例验证了该方法的有效性.     

具有二分划(A1,A2)的二连通偶图的 (A1,A2)Hamilton连通性

给出了具有二分划(A     

混合有限元方程的叠代解法

本文提出一种解形如(1.1)的线性方程的叠代解法,研究了它的收敛条件、收敛速度及最佳叠代参数的选择问题,特别对混合有限元方程导出的形如(1.1)的方程估计了它的收敛阶。     

迭代法解线性方程组的收敛性比较

迭代法是解线性方程组的一个重要的实用方法,特别是适用于求解在实际中大量出现的系数矩阵为稀疏阵的大型线性方程组,而Matlab程序能够提高实际计算的能力和计算的速度。用Matlab程序来实现解线性方程组Jacobi的迭代和Gauaa-Seidel迭代,特别给出一种新的迭代方法的Matlab程序,并对这3种迭代法收敛条件及收敛速度做出比较。     

线性代数方程组的单纯形解法

本文提出求解线性代数方程组的单纯形方法,即将所给线性代数方程组转化成为一个非负右端项和非负变量的特殊方程组,进而构造一个规范形式的标准线性规划问题,然后采用单纯形方法求解这个线性规划问题。如果这个线性规划问题的目标函数的最优值为零,则可求出这个线性代数方程组的基础解系,如果这个线性规则问题的目标函数的最优值不是零,则这个线性代数方程组无解。     

离散卷积方程组的反卷积解法

对于离散卷积方程组,一般采用傅氏变换的方法求解,但在某些特定系统的情况下,零频率丢失。如在空间域用直接反卷积法求解,将解决这一问题,首先分析了离散卷积和离散反卷积的计算方法,对用高斯消去法和求逆法求解离散卷积方程组作了说明,最后对直接反卷积求解的计算量进行了估计。     

求解非线性方程的五阶收敛迭代法

导出了一种求解非线性方程的五阶迭代法,讨论了该迭代法的收敛性和误差估计式,并通过数值实验进行了验证,表明此方法具有较高的收敛阶数和效率指数.