SOR与SSOR以及AOR与SAOR迭代收敛速度之比较

本文对迭代求解大型稀疏线性方程组的两个主要方法SOR和AOR迭代与它们的对称方法SSOR和SAOR迭代的收敛速度进行了比较,指出:当系数矩阵为相容次序矩阵时,如果不进行半迭代加速度处理,则对称迭代方法的效率并不高于原迭代方法。     

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.     

新的L-矩阵线性方程组的预条件AOR迭代法

在预条件矩阵Pα=(I+Sα)和Pαβ=(I+Sαβ)的基础上提出一个新的预条件矩阵为P^αβ=(I+S^αβ)的预条件AOR迭代法,建立了新的预条件AOR迭代法与经典的AOR迭代法的比较定理,数值试验表明预条件AOR迭代法更为有效.     

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.     

一种求解线性方程组的新方法

提出了一种求解线性方程组的新方法．该方法是基于Adomian提出的变量分解思想,将每个待求未知量分解为无穷多个解分量的代数和．该方法的特点是方法简单、解精度较高、收敛速度较快．     

论克拉维乌斯的二重双假设法求解公式的一致性

意大利数学家斐波那契(Fibonacci,C. 1170-C. 1250)在《计算之书》(Liber Abaci,1202)中首次利用多重双假设法求解多元线性方程组问题,成为之后三百多年欧洲数学家处理此类问题的标准算法。德国数学家克拉维乌斯(Clavius,1538-1612)在《算术实践概要》(Epitome Arithmeticae Practicae,1583)中运用二重双假设法求解三元线性方程组问题时,发现了求解公式的一致性,开始对斐波那契的方法做出重要简化。该文通过对比二者求解的异同,对克拉维乌斯的方法如何简化运算给出了量化分析,解释了克拉维乌斯双假设法求解公式一致性的数学原理,并进一步提出,他可能是基于对4个特殊三元线性方程组问题的计算结果进行分析和归纳,从而发现了求解公式的一致性。     

一类新的广义同步与异步并行矩阵多分裂松弛算法(英文)

对于并行求解大型稀疏线性代数方程组的同步与异步并行矩阵多分裂向前向后松弛算法,提出了分别适用于ＳＩＭＤ和ＭＩＭＤ多处理机系统的有效变型;并在通常条件下,建立了它们的收敛理论．     

模糊线性方程组的基本迭代解法

利用迭代法求解模糊线性方程组是一种重要的方法.研究了模糊线性方程组的几种基本迭代解法.在模糊线性方程组系数矩阵是拟对角占优矩阵的条件下,得到了迭代法的收敛性定理.最后,给出了数值例子.     

线性代数向量组正交化的教学改革

线性代数课程中的向量组正交化的传统方法,即施密特正交化过程。多年来,很多教材都是沿用施密特正交化过程方法,但其计算量比较大。论述了使用齐次线性方程组求非零解的方法,将向量组正交化,产生一种新的构思。     

病态线性方程组的并行迭代求解

分析了病态线性方程组的相关概念及判别方法,给出了一种病态线性方程组并行迭代的求解算法。算法首先对病态线性方程组的系数矩阵进行严格对角占优预处理,在此基础上,用并行的Jacobi迭代法进行多步迭代求解。新算法易于在多核架构的微机中实现,且数值实验也验证了算法具有良好的收敛性和并行性。