预条件平方Smith法求解连续Lyapunov方程

探讨了如何数值求解连续时间的Lyapunov矩阵方程AX+XA~T+BB~T=0,给出了一种预条件的平方Smith算法,该算法首先利用交替方向隐式法即ADI法处理连续Lyapunov方程,构造出含ADI参数的对称Stein方程;然后利用平方Smith法迭代产生Krylov子空间中的低秩逼近形式。得到一些数值实验,这些例子表明预条件平方Smith法是非常有效的。     

一种求解非对称线性方程组的JBICR算法

针对求解大型稀疏非对称线性方程组,研究了大规模稀疏线性方程组的预条件迭代求解算法.结合Krylov子空间方法和Jacobi迭代,给出了一个新的求解算法,即预处理雅可比-双共轭残量法(简称JBICR),同时给出了算法的收敛性分析.数值实验显示了算法的快速收敛性.     

一类Krylov子空间方法在求解Sylvester方程的应用

提出了一种求解Sylvester方程AX+XB=EFT的块Krylov子空间方法。当矩阵A和B非常大,并且右侧的的秩很小时,给出如何求解精确低秩近似解。理论结果和数值实例证明了方法的有效性。     

求解非线性特征值问题的两种迭代投影法

研究求解大型非线性特征值问题的两种迭代投影法:非线性有理Krylov子空间法和非线性Arnoldi方法.通过引入精化策略和不精确求解线性系统的思想,给出了精化有理Krylov方法和不精确非线性Arnoldi方法的实用算法,通过数值算例验证了改进后的方法可以提高计算的效率.     

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.     

解大型线性方程组的轮换重新开始Krylov子空间方法

重新开始Krylov子空间方法(包括Galerkin法和最小二乘法)是求解大型线性方程组的一类流行和重要的方法。然而,这类方法容易在收敛过程中发生中断或停滞现象。为了解决这一问题,本文提出一种新的重新开始格式,称之为轮换重新开始格式。该格式的基本思想是通过轮流使用方程组系数矩阵与其转置矩阵来生成Krylov子空间。轮换重新开始Krylov方法的迭代残量容易在各个特征向量方向上取得大致相等的收敛量,从而使得收敛得到改善。数值实验结果表明轮换重新开始Krylov子空间方法能够有效解决收敛失败的问题。     

Euler—Lagrange方程的高精度计算方法

Euler—Lagrange方程是多体系统动力学的基本方程之一,是高指标的强非线性微分代数方程组。利用零空间方法对Euler—Lagrange方程作简化处理,然后利用高精度谱积分对得到的微分代数方程组作数值离散,形成配置离散格式。针对高阶微分代数方程的离散方程组的病态问题,采用预条件技术改善了方程组的求解条件,然后利用Newton—Krylov方法迭代求解。这种求解技术可以得到任意阶精度且A-稳定算法,并且采用预条件技巧极大的降低了计算的复杂性。     

解大规模矩阵内部特征问题的简单调和Arnoldi方法

给出了调和Arnoldi算法的一种等价变形.利用求解Krylov子空间和其位移子空间的基之间的巧妙关系式,作者以较少的运算量将原大规模矩阵特征问题转化为一个标准特征问题求解,比原来调和Arnoldi算法求解广义特征问题要简单.简要分析了新方法收敛的充要条件.数值试验表明了新方法比调和Arnoldi算法有效,尤其是当求解子空间维数较小时,新方法的优越性更明显.     

GMRES(m)算法在离散不适定问题中的应用

基于投影方法的规划算法——Krylov子空间技术,研究了离散不适定正则化和Krylov子空间广义极小残余算法(GMRES(m))的基本理论,特别是残余向量与Krylov子空间的关系。利用离散不适定正则化方法,将不适定问题转化为适定问题,利用广义极小残余算法对此适定问题进行数值求解。数值结果表明该算法是可靠和有效的。     

两点边值问题2次Lagrange形函数有限元方程的条件数和预处理

求解积分形式的两点边值问题时,基于2次Lagrange形函数形成的有限元方程是病态正定对称五对角方程组.为了寻找该方程的病态原因,提出根据系数矩阵的特别结构,设计出预条件子的方法,并将产生病态的因子定义为致病因子,预条件子称为去病因子.分析结果表明,使用去病因子进行预处理,可以保证系数矩阵的正定对称性,迭代求解时,预条件子几乎不增加迭代的计算量,预处理后的条件数接近1.