求逆阵及解线性方程组的迭代算法

本文给出求可逆方阵的逆矩阵和利用线性代数方程组AX=b的系数矩阵A的一个初始近似逆阵P求解方程组的迭代算法,这种算法具有迭代格式简单,能有效地控制求解过程中的舍入误差的影响,灵活确定迭代次数等特点。     

求解块r-首尾和循环线性方程组的一种算法

利用多项式矩阵理论,对块r-首尾和循环线性方程组,给出了一种求解的算法,它只存在舍入误差,当在有理数域上讨论时,所得的解是精确的,而且在求解时,无须预先知道该循环方程组的系数矩阵是否奇异。     

非奇异H矩阵的迭代判定算法

非奇异H矩阵在许多领域都发挥着重要作用,但在实用中判别H矩阵却是困难的.给出了判定非奇异H矩阵的迭代算法,算法的迭代速度更快.数值算例说明了该算法是有效的.     

块迭代解法在偏微分方程数值解中的应用

本文从偏微分方程定解问题出发,利用不同的问题比较各种方法的优劣,从而给解决问题寻找最有效的方法,并对偏微分方程的数值求解既依赖于离散方法,又同时依赖于线性代数方程组的求解,针对大型稀疏的方程组的系数矩阵的块结构性质,提出将块基本迭代法用于求解一类线性代数方程组,把两者结合到一起,从而有效的解决了该类问题。     

基于迭代式MapReducede的海量数据并行聚类算法研究

为解决传统K-means算法在处理海量数据时存在的不足,提出了1种适用于并行Canopy-Kmeans算法的迭代式MapReduce模型。通过Canopy算法对数据进行初始聚类,得到初始聚类中心,并按照初始聚类将数据存储于Mapper节点,减少Mapper和Reducer节点之间通信线路,减小运算量;在Mapper节点和Reducer节点之间建立互通信,将聚类中心作为迭代流通信息,减少信息流量;最终通过1次运算过程输出最终聚类结果。实验结果证明,改进的算法在时间、正确率和加速比性能方面,均优于传统的串行K-means算法,并在基于传统MapReduce模型的K-means算法基础上有所提高。     

一类迭代法的迭代阵谱半径的收敛性分析

在用迭代法求解线性方程组时，迭代矩阵的谱半径的收敛性分析是非常重要的，本文对一类a-严格对角占优矩阵，在一定条件下给出SOR迭代法迭代矩阵的谱半径的上界估计，然后以此为基础，研究SOR的收敛性分析。     

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。     

求解非线性方程的迭代算法

为了求解非线性方程f(x)=0,本文给出一个新的迭代算法,即 x_(n 1)=x_n-(x_n-x_(n-1))/(3f(x_n)-4f((x_n x_(n-1)/2) f(x_(n-1))f(x_n)这个新方法集弦割法和抛物线法的优势于一身,具有更快的收敛速度,已经证明:这个新方法的收敛阶至少是二阶的。     

Chebyshev加速方法的收敛性分析

讨论用于线性代数方程组的迭代解法的Ｃｈｅｂｙｓｈｅｖ加速方法的收敛性．分别就基本迭代矩阵具有实特征值和复特征值两种情形进行分析，得到一种较深刻的结论，并提出了一种新的收敛速度概念     

一类非对称矩阵SAOR迭代方法收敛的充要条件

本文讨论了SAOR迭代方法的收敛性问题.得到了当系数矩阵为对角元素非零的相容次序矩阵,且Jacobi迭代矩阵的特征值都是纯虚数时SAOR方法收敛的充要条件.     

L-矩阵和H-矩阵的预条件AOR迭代法

将文后参考文献[1]和[2]中的预条件因子P^和P^α应用于L-矩阵和H-矩阵的AOR迭代法,讨论了其收敛性,给出了收敛条件,比较了预条件效果.进而用数值算例说明了本文所给算法的有效性.     

Jacobi与Gauss—Seidel迭代法求解线性方程组收敛性比较与研究

Jacobi迭代法和Gauss-Seidel迭代法是计算机求解线性方程组常用的两种迭代法,但是这两种方法对方程的收敛性要求很严,大部分方程组均不能用以求解.给出一些基本技巧:对于简单的2阶方程组,若Jacobi法与Gauss-Seidel法均发散,可交换其两行求得其解;对一般性方程,给出一个应用性较强的定理,将方程Ax=b ATAx=ATb,可以用Gauss-Seidel求得任何｜A｜≠0方程组的解.     

论列选主元法在Gauss-Seidel迭代法和SOR迭代中的应用

将迭代法与列选主元的思想相结合,基于Gauss-Seidel迭代法和SOR迭代法,给出了两种改进的解线性方程组的迭代算法.所给的方法扩大了Gauss-Seidel迭代法、SOR迭代法的使用范围,进而使其具有很好的现实应用价值.编写了MATLAB程序对改进的两种Gauss-Seidel迭代法、SOR迭代法进行了验证,同时,通过算例对经典的Gauss-Seidel迭代法、SOR迭代法与改进后的Gauss-Seidel迭代法、SOR迭代法的收敛性以及收敛速度进行了比较.算例结果表明：改进的两种迭代算法相对于原来的Gauss-Seidel迭代法和SOR迭代法,具有使用范围较广,收敛速度更快的优点。     

AOR与USSOR迭代法的比较

AOR(快速超松弛法)和USSOR(非对称逐次超松弛法)的迭代矩阵中都含有两参数,且这两种迭代更具广泛性。文章首先论证了当ω1=γ,ω2=ω,且0≤γ≤ω≤1(ω≠0)时,USSOR迭代优于AOR迭代;其次证明了预条件矩阵Pm下这种结论也成立。由于USSOR法的迭代矩阵形式较复杂,计算麻烦,要直接判别其敛散性是比较困难的,因此可通过AOR迭代矩阵的谱半径来判断USSOR迭代的敛散性,这样就简单多了。最后通过两个数值例子进行验证。     

Chebyshev加速的定常化方法

讨论求解线性方程组的一种定常迭代法，该方法由Ｃｈｅｂｙｓｈｅｖ加速定常化得到，给出了方法收敛的充要条件和收敛速度，并讨论了有关参数的选取问题     

线性代数中数学思想方法探讨

针对齐次线性方程组解空间的教学,探讨了关于数学思想与思维方法教学的创新途径,进一步指出加强代数基本思想方法的教学是培养学生掌握科学的思维方法的有效途径.     

矩阵方程Am×nXn×s=Bm×s的解及其应用

利用矩阵分块法给出矩阵方程Am×nXn×s=Bm×s有解的充要条件,并求出了其通解,说明了其在线性代数课程中的几个应用.