一种线性方程组的迭代解法

利用线性代数方程组的系数矩阵A的一个初始近似逆矩阵P,导出求解方程组AX＝b的一种迭代方法,其迭代格式简单,确定迭代次数方便,能有效地控制舍入误差的影响,适合于在计算机上计算。     

求解线性方程组的一种迭代解法

对任意线性方程组ＡＸ＝Ｂ（Ａ∈Ｒ＾ｎ＾×＾ｍ，Ｂ∈Ｒ＾ｎ），在文（１）基础上给出了一种迭代算法。其收敛速度比文（１）方法快，并证明了该算法的收敛性。最后通过几个算例说明了本文算法的有效性。     

解线性方程组的一种新的迭代法

提出了解线性方程的新迭代算法,证明了当系数矩阵严格对角占优,不可约弱对角占优,对称正定时该方法收敛.给出新迭代算法的迭代矩阵的谱半径的上界.数值例子说明新方法在选取合适的参数的情况下,收敛较快。     

线性方程组的一种快速算法

根据压缩映射原理，提出了一种求解线性方程组的快速算法，并对其误差进行了估计。     

解线性方程组的迭代方法研究

用求解线性方程组的多参数投影法推出Jacobi迭代法和Gauss-Seidel迭代法,并指出了松弛迭代法和Gauss-Seidel迭代法的内在联系.从最优化的观点分析了Jacobi迭代法收敛速度较慢的原因,即其下降矩阵与步长向量两者并非最优组合.并对Jacobi迭代法,Gauss-Seidel迭代法具有相当的收敛速度给出了合理的解释.     

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。     

双对称的线性方程组的迭代算法

充分利用双对称矩阵的性质,研究了双对称的线性方程组Ax=b的迭代算法,给出求方程解的迭代算法,两个数值例子说明算法是可行有效的.     

反中心对称的线性方程组的迭代算法

研究了反中心对称矩阵的线性方程组Ax=b的迭代算法,充分利用反中心对称矩阵的性质,给出求方程组解的迭代算法。数值例子说明算法是可行有效的。     

一种线性方程组的迭代解法

利用线性代数方程组的系数矩阵A的一个初始近似逆矩阵P,导出求解方程组AX=b的一种迭代方法,其迭代格式简单,确定迭代次数方便,能有效地控制舍入误差的影响,适合于在计算机上计算.     

第二类线性Fredholm积分方程迭代算法的一个注记

讨论第二类线性Fredholm积分方程Galerkin解的迭代,在Long给出的迭代算法的基础上,提出一种简化的迭代算法,并保留其迭代解的精度.     

求解块三对角线性方程组的二级并行算法

针对块三对角线性方程组提出一种适合于MIMD分布式存储并行机的二级并行迭代算法。理论上证明了在系数矩阵为对称正定矩阵和M-矩阵时算法的收敛性。在HP rx2600集群上进行数值试验，并与多分裂方法进行比较，结果表明此算法有良好的并行性。     

变预处理子SOR-双共轭残量法

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SOR迭代,给出了一个新的求解算法,即变预处理子SOR-双共轭残量法,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。     

一阶线性定常迭代法及其加速方法

首先,从理论上分析和总结了一阶线性定常迭代法及其加速方法,给出了它们的计算公式、收敛条件,分析了这类算法的并行实现方法;然后,通过分布式环境下的数值实验,比较了这些算法的性能,从而验证了加速方法的可行性。     

对称线性方程组的一种实用对称三角分解法

针对一般对称线性方程组三角分解法的不足,提出了一种实用的对称三角分解法,它保持了一般对称三角分解法计算量少和计算简捷的特点,同时扩大了对称三角分解的适用范围,可求解任何非奇异对称线性方程组。     

解线性方程组的Jacobi迭代法和投影法之比较

从线性方程组的多参数投影法推出Jacobi迭代法。从最优化的现点分析了Jacobi迭代法收敛速度较慢的原因，即其下降矩阵与步长向量两者并非最优组合。     

一个求解单调线性互补问题的不可行内点算法

基于核函数设计一个求解单调线性互补问题的不可行内点算法,在算法的每一步迭代中,只需要求解线性方程组得到新的搜索方向. 然后,按照一定的线性搜索规则,选择合适的步长得到新的迭代点.数值实验结果显示该算法是有效的.     

线性系统拟线性对称松弛递推辨识算法

提出了线性系统拟线性对称超松弛形递推辨识新算法,并对其收敛性应用常微分方程的方法进行了分析。结果表明:该方法适合于求解大规模系统辨识问题,易于实现系统的在线辨识,精度较高,满足Lyapnouv渐近收敛的性质。