用插值法求拟三对角方程组的数值解

文章将求解三对角线性方程组数值解的插值法进行推广,得到一种求解拟三对角方程组的插值算法.从理论分析和数据实验两方面都表明,此算法的时间复杂性和精度都与LU分解法相当.由于在计算过程中不需设置二维数组,和其它算法比较起来,它占有较小的内存.另外,此算法的设计思想还可用来求解其它一些线性方程组.     

用解线性方程组方法求三对角矩阵的逆及其应用

根据三对角矩阵的特点,给出一种利用解线性方程组的方法求三对角矩阵的逆矩阵的算法.该算法有两个优点.第一,运算量小. 在整个计算过程中,只需进行O(3/2n2)次乘除运算.第二,节省内存. 除原始数据外,只定义3个一维数组,而不需任何二维数组.数值实验表明,它具有较高的精度.此算法特别适用于求解一大批具有相同的系数矩阵,而具有各自不同的非齐次项的线性代数方程组.     

Newton迭代法的一点注记

对求解非线性方程组的Newton迭代法进行改进,放宽了对其迭代函数的限制,并对改进后的迭代法的收敛性进行了严格的证明,为进一步设计出成本低且收敛速度较慢的迭代法提供了理论依据.     

多参数MRV算法的理论证明

MRV迭代法是求非线性方程组的数值解的一种Newton型迭代法.它通过修改右端向量,使得迭代过程中各步的线性方程组具有相同的系数矩阵.在每步迭代过程中,利用一个参数的选择,来优化步长修正量.MRV迭代法的收敛速度较快,界于定点Newton法和Newton迭代法之间.借助于LU分解,可使其计算成本降低,低于定点Newton法.现利用多个参数,将MRV迭代法进行改进,得到一种新的迭代法--多参数MRV迭代法,并对其收敛性进行了严格的证明.得出多参数MRV迭代法的收敛速度比MRV迭代法要快的结论.     

多参数MRV算法的算法设计与数值实验

MRV迭代法是求非线性方程组的数值解的一种Newton型迭代法. 它通过修改右端向量, 使得迭代过程中各步的线性方程组具有相同的系数矩阵. 在每步迭代过程中,利用一个参数的选择,来优化步长修正量. MRV迭代法的收敛速度较快, 界于定点Newton法和Newton迭代法之间. 借助于LU分解, 可使其计算成本降低, 低于定点Newton法. 这是一种非常实用的算法. 然而,其收敛速度仍需提高. 为此, 文献[9]利用多个参数, 得到一种新的迭代法--多参数MRV迭代法, 并对其收敛性进行了严格的证明. 通过对该算法进行进一步的研究,特别是对那些仅含少量非线性方程的非线性方程组,设计出一些比较好的算法, 既克服了Newton法每个迭代步都要计算Jacobi矩阵的缺点, 又保持了和Newton型迭代法相同的收敛速度. 并通过数值实验, 对这些算法的优点进行了验证.     

求非线性方程组的数值解的MRV迭代法的特殊应用

MRV迭代法是求非线性方程组的数值解的一种Newton型迭代法.它通过修改右端向量,使得迭代过程中各步的线性方程组具有相同的系数矩阵.其收敛速度较快, 界于定点Newton法和Newton迭代法之间.借助于LU分解,可使其计算成本降低,低于定点Newton法.将MRV迭代法用于只含一个非线性方程的非线性方程组, 得到一种新的迭代法--SMRV迭代法.其计算成本更低,收敛速度更快.其收敛速度与Newton迭代法相同,即至少是平方收敛的.     

分块三对角方程组的数值解法

本文给出一种求解分块三对角线性方程组的一种新算法.它是一种直接解法,可以避免迭代法所产生的误差积累.由于充分利用了分块三对角矩阵的特点,这又是一种快速解法.经过严格的理论证明可知,本文算法是数值稳定的.数值实验验证了本文的算法具有很高的精确度.     

用解线性方程组方法求三对角矩阵的逆

根据三对角矩阵的特点,给出一种利用解线性方程组的方法求三对角矩阵的逆矩阵的算法.该算法有两个优点.第一,运算量小.在整个计算过程中,只需进行较少次的乘除运算.第二,节省内存.除原始数据外,只定义三个一维数组,而不需任何二维数组.数值实验表明,此算法具有较高的精度.     

斐波那契图及其定理

一个图G被称为斐波那契图,如果可以给它的项点分配非负整数,使得由分配给每条边的端点的数之和所得到的边的值能够排成一个斐波那契数列1,1,2,3,5,8,13,21,34…Fn.我们证明了路、圈及完全图KP是斐波那契图的充要条件.