广义Rayleigh商与有限元法2-网格离散方案

研究广义Rayleigh商和高效率有限元计算方案,做了下列工作：1）把Rayleigh商加速技巧推广到非自共轭问题,定义了算子型广义Rayleigh商和弱形式型广义Rayleigh商,并建立了近似特征向量及其广义Rayleigh商之间的基本关系式.2）在误差估计式中用有限元特征值的陡度取代准确特征值的陡度,得到新的误差估计式.3）在许进超和周爱辉工作的基础上建立了解非自共轭椭圆微分算子特征值问题的有限元2-网格离散方案,并用于协调有限元法和非协调有限元法.从理论分析和数值实验两个方面证明了2-网格方案的有效性.4）把解自共轭椭圆微分算子特征值问题的迭代Galerkin法、插值校正法和梯度重构法推广到非自共轭椭圆微分算子特征值问题.     

用非精确的平行割线法求解奇异问题

奇异方程经常出现在很多实际非线性问题中,如反应扩散系统等.因此,研究奇异非线性方程的求解具有十分重要的意义.平行割线法是一种经典的求解非线性方程的迭代方法,它收敛阶较高,计算量较少.但在解决实际问题时,一方面,抽象出的数学模型与实际问题总是存在着一定的偏差,另外,在数据的计算中难免存在着一定的计算误差,所以研究用非精确的平行割线法求解非线性奇异问题具有很重要的现实意义,使得求解奇异问题具有更高的实用性和可行性.采用在平行割线法的迭代公式中加入摄动项的方法,构造出新的加速迭代格式,证明了新的迭代格式的收敛性,给出了收敛速率,得到了误差估计.     

二次自伴矩阵多项式阵的特征值

系统地论证了二次自伴矩阵多项式特征值,特征向量的性质.给出了二次自伴矩阵多项式特征值与任一非零向量所对应的二次多项式根之间的大小关系;精确地给出了二次自伴矩阵多项式是负定时参数的界;简化了二次自伴矩阵多项式的符号特征是正(负)的特征值对应特征向量间可以是线性无关等定理的证明.     

非自共轭椭圆特征值问题有限元插值校正

本文研究非自共轭椭圆特征值问题有限元插值校正方案.基于插值校正和广义Rayleigh商加速技巧,用三角形线性元二次插值、双二次元双四次插值得到了较好的结果,并用三线性元的三二次捕值将捅值校正推广到三维.     

二阶锥权互补问题的非精确非内点连续化算法

基于二阶锥权互补函数,将二阶锥权互补问题转化为一个方程组,运用非精确非内点连续化算法求解该方程组.该算法能以任意点作为初始点,且每次迭代时至多求解一个方程组.为节省算法求解方程组时的计算时间和内存,将非精确牛顿法引入到算法中.在适当假设下,证明了该算法是全局与局部二阶收敛的.最后数值实验表明了算法的良好性能.     

半定规划的非内点连续化方法

基于Fischer-Burmeister函数,本文将半定规划(SDP)的中心路径条件转化为非线性方程组,进而用SDCP的非内点连续化方法求解之.证明了牛顿方向的存在性,迭代点列的有界性.在适当的假设条件下,得到算法的全局收敛性及局部二次收敛率.数值结果表明算法的有效性.     

一类非精确线性搜索共轭梯度新算法

本文通过对迭代参数的适当选取，给出了一类共轭梯度新算法。在算法的迭代过程中，迭代方向保持下降性，在一般的非精确线性搜索条件下，算法的全局收敛性得到了证明。     

Banach空间中两个多值非扩张映射不动点的迭代逼近问题

研究了两个多值非扩张映射的公共不动点的迭代逼近问题.利用Hausdoff度量,引入了一类新的Ischikawa型迭代,在一致凸的Banach空间里,证明了在某些条件下,此迭代序列强收敛到多值非扩张映射的公共不动点.改进和推广了文献的相关结果.     

一种新的迭代收敛阶数的证明与推广

迭代方法是求解非线性方程近似根的重要方法.本文基于隐函数存在定理,提出了一种新的迭代方法收敛性和收敛阶数的证明方法,并分别对牛顿(Newton)和柯西(Cauchy)迭代方法迭代收敛性和收敛阶数进行了证明.最后,利用本文提出的证明方法,证明了基于三次泰勒(Taylor)展式构成的迭代格式是收敛的,收敛阶数至少为4,并提出猜想,基于n次泰勒展式构成的迭代格式是收敛的,收敛阶数至少为(n+1).     

非凸优化带松弛步的对称ADMM局部线性收敛率分析

基于对称交替方向乘子法(ADMM),结合松弛步技巧,该文提出一种带松弛步的对称ADMM用于求解两分块线性约束非凸优化问题.同时,新算法乘子更新步采用不同的松弛因子.常规假设下,给出新算法子序列的收敛性证明.误差界条件下,分析并获得由新算法产生的迭代点列以线性收敛的速率局部趋于问题稳定点,相应增广拉格朗日函数序列亦线性收敛.最后,初步试验结果表明新算法是有效的.     

牛顿方法的两个新格式

给出牛顿迭代方法的两个新格式,S im pson牛顿方法和几何平均牛顿方法,证明了它们至少三次收敛到单根,线性收敛到重根.文末给出数值试验,且与其它已知牛顿法做了比较.结果表明收敛性方法具有较好的优越性,它们丰富了非线性方程求根的方法,在理论上和应用上都有一定的价值.     

广义Rayleigh商矩阵和求解大稀疏广义特征值问题的块算法(英文)

从矩阵和矩阵束的Rayleigh商的极值性质出发,引进了矩阵束的广义Rayleigh商矩阵,证明了相应的极值定理,它包括了已有的各种 Ragleigh商作为特殊情况。 对求解大稀疏广义特征值问题 (A-λB)x=0,应用广义 Rayleigh 商矩阵的概念导出了不用对A,B或 A和B 的任何线性组合进行因子分解的快解法(BLRQ算法)。它解决了文[6]提出的计算中间特征值和特征向量的困难问题。证明了 BLRQ算法的总体收敛性和渐近平方收敛。     

一类特征值反问题(IEP)的基于矩阵方程的Ulm型算法

应用求解算子方程的Ulm方法构造了求解一类矩阵特征值反问题（IEP）的新算法.所给算法避免了文献[Aishima K.，A quadratically convergent algorithm based on matrix equations for inverse eigenvalue problems，Linear Algebra and its Applications，2018，542：310-33]中算法在每次迭代中要求解一个线性方程组的不足，证明了在给定谱数据互不相同的条件下所给算法具有根收敛意义下的二次收敛性.数值实验表明本文所给算法在矩阵阶数较大时计算效果优于上文所给算法.     

特征值问题的预变换方法(I): 杨辉三角阵变换与二阶PDE 特征多项式

本文提出一类求解特征值问题的下三角预变换方法, 目标是通过相似变换后矩阵下三角元素平方和明显减少、且变换后的特征值及其特征向量较易求解, 使变换后的对角线可作为全体特征值很好的一组初值, 其作用如同对于解方程组找到好的预条件子, 加速迭代收敛. 以二阶PDE 数值计算为例,对于以Laplace 方程为代表的特征波向量组及正交多项式组有广泛的应用前景.
杨辉三角是我国古代数学家的一项重要成就. 本文引入杨辉三角矩阵作为预变换子, 给出一般矩阵用杨辉三角矩阵作为左、右预变换子时变为上三角矩阵的充要条件, 给出了元素为行指标二次多项式的两个矩阵类(三对角线阵与五对角线阵) 中特征值何时保持二次多项式的充要条件, 并应用于构造新的二元PDE 正交多项式.     

一类带非精确线搜索的修改的Broyden算法

对于文（８）和（１４）中提出的修改的Ｂｒｏｙｄｅｎ算法，本文讨论它在线搜索非精确时的收敛性质，证明这类算法作用于梯度满足Ｌｉｐｓｃｈｉｔｚ条件的目标函数时是整体收敛的，当目标函数一致凸时，算法是Ｑ－超线性收敛和二阶收敛的。     

一类单调变分不等式的非精确交替方向法

交替方向法适合于求解大规模问题.该文对于一类变分不等式提出了一种新的交替方向法.在每步迭代计算中,新方法提出了易于计算的子问题,该子问题由强单调的线性变分不等式和良态的非线性方程系统构成.基于子问题的精确求解,该文证明了算法的收敛性.进一步,又提出了一类非精确交替方向法,每步迭代计算只需非精确求解子问题.在一定的非精确条件下,算法的收敛性得以证明.     

渐近非扩张映射修正Ishikawa迭代的强收敛

利用CQ方法修正了渐近非扩张映射的Ishikawa迭代,并证明修正迭代过程强收敛,此结果推广并改进了一些相关结论.     

非均匀薄板弯曲的精确元法

本文在阶梯折算法的基础上,提出构造有限元的新方法——精确元法.它不用一般变分原理,可适用于任意变系数正定和非正定偏微分方程.利用该方法,得到薄板弯曲一个非协调三角形单元,它具有6个自由度.文中给出证明,位移和内力均收敛于精确解,并有很好的精度.文末给出算例.算例表明利用本文的方法,内力和位移均可获得满意的结果.     

非精确信赖域类型算法及收敛性分析

在求解大规模数据的优化问题时,由于数据规模和维数较大,传统的算法效率较低.本文通过采用非精确梯度和非精确Hessian矩阵来降低计算成本,提出了非精确信赖域算法和非精确自适应三次正则化算法.在一定条件下,证明了算法有限步停止,并估计了算法迭代的复杂度.特别地,我们分析了采用随机抽样时算法在给定概率下的复杂度.最后,通过二分类问题的数值求解,比较了本文提出的随机信赖域算法,随机自适应三次正则化算法和已有算法收敛效率.数值结果表明在相同精度下,本文提出的算法效率更高,并且随机自适应三次正则化算法的效率优于随机信赖域算法.     

一个新的求解二阶锥规划的非内部连续化算法

基于光滑Fischer-Burmeister函数,本文给出一个新的求解二阶锥规划的非内部连续化算法.算法对初始点的选取没有任何限制,并且在每一步迭代只需求解一个线性方程组并进行一次线性搜索.在不需要满足严格互补条件下,证明了算法是全局收敛且是局部超线性收敛的.数值试验表明算法是有效的.