线性代数理论中几个反问题的研究

本文就线性代数中几个重要知识点:矩阵、行列式、线性方程组、线性变换、矩阵对角化等中的反问题进行了研究.     

试论线性方程组的变换

数学定理是前人心血的结晶,为我们创造和开拓了广泛的发展空间,有人认为对于以有定理的研究没有必要,其实我们如果对于以有的定律或公式进行研究时往往会有新的收获,得到新的定理。本文主要探讨初等变换是线性方程组仅有的同解变换。     

线性代数的几何化与应用化教学探讨

本文研究了结合解析几何与实际案例进行线性代数教学的重要性及实质內涵.探讨了具体的实施方案,针对改革现状提供了合理化建议,并分别进行了举例说明.     

一类线性方程组解的条件与求解

利用多项式矩阵的初等行变换,给出了系数矩阵为结式循环矩阵的线性方程组解的判定条件与求解的方法,通过具体算例进行了求解.     

求解线性方程组的加权GMRES-DR算法

在分析GMRES-DR的基础上,将加权技术和GMRES-DR算法结合,从而加快GMRES-DR算法的收敛速度,并从理论上证明了加权GMRES-DR算法的每次循环生成仍是Krylov子空间,此外数值试验验证了该算法的有效性.     

线性方程组的迭代和最速下降法

本文在第一部分对迭代法进行了较为详细的描述.当遇到复杂问题时,特别是在未知量很多,方程为非线性时,我们无法找到直接解法,这时候或可以通过迭代法寻求方程的近似解.在可以用迭代算法解决的问题中,至少存在一个直接或间接地不断由旧值递推出新值的变量,这个变量就是迭代变量.所谓迭代关系式,指如何从变量的前一个值推出其下一个值的公式(或关系).迭代关系式的建立是解决迭代问题的关键,可以用递推或倒推的方法来完成.在什么时候结束迭代过程,不能让迭代过程无休止地重复执行下去.迭代过程的控制可分为两种情况:一种是所需的迭代次数是个确定的值,可以构建一个固定次数的循环来实现对迭代过程的控制;另一种是所需的迭代次数无法确定,需要进一步分析出用来结束迭代过程的条件.第二部分是基于最速下降法在解决无约束非线性规划问题中的重要性,对其原理与算法予以讨论.     

浅谈高等代数在空间解析几何中的应用

高等代数与空间解析几何具有紧密的联系。本文主要是讨论高等代数中的行列式、向量及线性方程组这三个数学工具在空间解析几何中的实际应用。     

Gauss变换与矩阵的LU分解的教学注记

Gauss变换与矩阵的LU分解是数值线性代数中的基本内容,在中小规模线性方程组的求解中有着不可取代的重要地位.结合在数值线性代数教学过程中的个人体会,论述了Gauss变换和矩阵的LU分解的定义和常用结论,证明了三个在用Gauss变换实现矩阵LU分解中的重要命题.     

相容线性方程组A_(m×n)X_(n×p)=B_(m×p)解集的一种表征

本文利用广义逆矩阵得到了相容线性方程组解集的一种表示形式。