一些迭代矩阵的特征值和特征向量及其收敛性

在大型科学计算中,大量的计算都归结为线性代数方程组求解,而线性代数方程组的迭代法求解是求解线性方程组的最有效的方法之一,因而,引起世界上大型科学计算界的许多著名学者的重视。1980年EVANS,MISSIRLS建立了迭代求解线性代数方程组的PSD方法并讨论了矩阵A是对称正定时的收敛性。1983年EVANS在[2]中说,“遗憾的是,除δ_1外,PJ方法(即PSD方法的特殊情况)的迭代矩阵的特征值没有象SOR方法那样,建立起与JACOBI迭代矩阵的特征值之间的关系式”。本文在系数矩阵A是T(q,r)阵的情况下,建立了PSD,PJ方法的迭代矩阵的特征值和特征向量与JACOBI方法的迭代矩阵的特征值和特征向量的关系式并在系数矩阵A是T(1,1)和T(1,2)阵的情况下讨论了PSD,PJ的收敛性。     

求解大型超定线性代数方程组的块Kaczmarz算法

正1 引言考虑大型超定线性代数方程组Ax=b,(1)其中 A ∈ C~(m×n) (m n),b ∈C~m.当m=n时,线性代数方程组求解的相关理论和算法较为成熟,但在很多实际问题中,系数矩阵A的行数和列数不相等(m≠n),如超定或欠定线性代数方程组.因此,有必要研究此类线性代数方程组的数值解法.在结构分析,计算机辅助几何设计,图像恢复,模型参数估计等众多领域中,经常需要求解大型超定线性代数方程组.Vuik [1]研究了大型超定线性代数方程组最小二乘问题的预处理Krylov迭代方法;Bai [2]提出列分解松弛法;Yin[3]提出了求解大型稀疏最小二乘问题的不完备Givens正交化的预处理GMRES方法;Hayami[4]考虑引入一个新的矩阵将GMRES方法应用到最小二乘问题,求得方程组的最小二乘解;Finta [5]推导了加权超定线性代数方程组的梯度法,并证明该方法是收敛的.     

广义并行矩阵多分裂松弛算法

求解大型线性代数方程组的并行矩阵多分裂算法讨论的大多为系数矩阵是非奇日矩阵的情况，[2]提出了当系数矩阵是非奇H矩阵时的广义矩阵多分裂松弛算法．对系数矩阵是奇异日矩阵的情况研究较少，本文给出了当系数矩阵G是不可约奇异H矩阵时的齐次线性方程组Gx=0的广义矩阵多分裂松弛算法并讨论其收敛性。     

M-矩阵和H-矩阵在Fan积下的Oppenheim型不等式

M-矩阵和H-矩阵在数学物理、经济学、数学规划等领域中有广泛的应用.对于一般的M-矩阵,是否成立著名的O ppenheim型不等式,文[1]给出了答案.本文建立了一个M-矩阵和一个H-矩阵在Fan积下的O ppenheim型不等式.     

双变量矩阵方程组对称最小二乘解的迭代算法

本文研究了求双变量线性矩阵方程组的对称最小二乘解的问题.利用求解线性代数方程组的共轭梯度法的基本思想,通过对有关矩阵和系数的变形与近似处理,建立了一种迭代算法.拓宽了共轭梯度法的适用范围.算例表明,迭代算法是有效的.     

非奇H-矩阵的一组新的判定条件

正1引言非奇H-矩阵在计算方法、物理数学、生物学、矩阵论、控制理论等领域有着广泛的应用,如何有效地判定一个矩阵是否为非奇H-矩阵,一直是人们关注的课题.近年来国内外众多学者对非奇H-矩阵进行了深入的研究(见文[1-10]).本文利用矩阵指标集的k-级划分给出了非奇H-矩阵一组判定条件,该判定条件推广和改进了已有的相关结果,丰富和完善了非奇H-矩阵的判定方法.     

异步并行矩阵多分裂块松弛迭代算法

1 引言 众所周知,许多微分方程经过差分或有限元离散,即可归结为线性代数方程组 Ax=b,A∈L(R~n)非奇异,x,b∈R~n.(1.1)缘于原问题的物理特性,系数矩阵A∈L(R~n)通常是大型稀疏的,并且具有规则的分块结构。鉴此,文[1]基于矩阵多重分裂的概念,并运用线性迭代法的松弛加速技巧,提出了求解这类大型稀疏分块线性代数方程组的并行矩阵多分裂块松弛迭代算法,并在适当的条件下建立了算法的收敛理论。对于SIMD多处理机系统,这类算法是颇为适用和行之有效的。     

非奇异H-矩阵的实用判定

H-矩阵在许多领域中都起着非常重要的作用,例如数学分析、矩阵理论、数学经济学、控制论等.但是在实际运用中判定H-矩阵却十分困难.本文类似于文[4],均以α-对角占优理论为基础,给出H-矩阵的若干实用判定,改进了文[3]的相应结果.     

非奇H-矩阵的新判定准则

正1引言非奇H-矩阵在数学、物理、控制论及经济学等许多领域有着重要的研究价值和实用价值.但判定一个矩阵是否为非奇H-矩阵却比较困难.近年来,国内外许多学者提出了一些实用的判定条件~([1-6]).本文根据α-对角占优矩阵与非奇H-矩阵的关系,给出了非     

循环Toeplitz矩阵逆矩阵的并行算法

Toeplitz矩阵以及方程组在数学、工程及科学计算方面有相当广泛的应用.本文对特殊循环Toeplitz矩阵的逆矩阵的形式及其线性算法相应的并行算法进行了归纳总结.     

数与矩阵——“印象化”的数学教学模式

数学作为理工科大学的基础学科,时常被作为"抽象"的代名词,在教学与学习中都存在一定程度的理解困难.本文拟从线性代数这门数学基础课出发,通过数与矩阵的关系来探索"印象化"的数学教学模式.矩阵作为线性代数基本的研究对象和研究手段,它来源于数的观念,却又有着极大的区别.树立一个良好的直观印象,培养数学概念的数学直觉,是线性代数教学贯穿始终的目的,同时也是教学难点之一.本文尝试通过比较两者之间的联系,利用一系列例子强化这种数学直觉,以期为线性代数中涉及的基本概念建立一个初步良好的直观印象.     

并行矩阵多分裂多参数松弛算法

1 引言和算法 求解大型稀疏线性方程组Ax=6, A∈L(Rn), x,b∈Rn的并行矩阵多分裂算法最早由[1]提出, [2]提出了当系数矩阵是非奇H-矩阵时的多分裂多参数松弛算法.但是对于奇异H-矩阵的理论及算法的研究结果都很少,为此,[3]对于奇异H-矩阵的并行算法进行了有益的研究.本文给出了当系数矩阵是奇异H-     

一类Toeplitz线性代数方程组的预处理GMRES方法

本文研究一类来源于分数阶特征值问题的Toeplitz线性代数方程组的求解.构造Strang循环矩阵作为预处理矩阵来求解该Toeplitz线性代数方程组,分析了预处理后系数矩阵的特征值性质.提出求解该线性代数方程组的预处理广义极小残量法（PGMRES）,并给出该算法的计算量.数值算例表明了该方法的有效性.     

几类非奇H-矩阵的行列式估计

非奇H-矩阵在数学物理、控制论、电力系统理论及经济学等许多领域有着重要的研究价值和实用价值.本文利用矩阵逆元素估计、矩阵的逐次降阶法及递归,给出严格对角占优矩阵、广义严格对角占优矩阵等几类非奇H-矩阵的行列式上下界的估计式.改进了已有的一些相关结果,并用数值算例说明文中结果的有效性.     

块三对角矩阵求逆法

引言 在实际问题中,在在遇到块三对角矩阵:此处B_i为n_i×n_i阶方阵,A_i和C_i分别为n_i×n_(i-1)和n_i×n_(i+1)长方阵.因此,求这种矩阵的线性代数方程组的解及求这种矩阵的逆阵是一个重要的问题.[1]中介绍了一个求块三对角矩阵的逆阵的方法,然而这个方法有几个严重的缺点:     

循环矩阵及其在结构计算中的应用

本文推广了循环矩阵的概念,讨论了它的一般性质,并提出了一种解系数矩阵为循环矩阵或准循环矩阵的线性代数方程组(这种方程组在一大类常见的结构物的计算中出现)的方法,这种解法比通常解法计算量小而且节省存储,同时还允许应用快速富氏变换以增怏其计算速度。     

特殊五对角与七对角对称正定矩阵的一类反问题

针对线性代数方程组Ax=b,利用矩阵分解的思想,构造一类特殊五对角与七对角对称正定阵的矩阵分解,获得这类矩阵反问题解存在的充要条件和通解表达式.最后,给出了具体算法与数值算例.     

矩阵分块的Gauss-Seidel迭代收敛的若干准则

在文[1],[2],[3]中,先后讨论了分块矩阵的度量性质及矩阵分块普通迭代的收敛性.本短文给出矩阵分块的Gauss—Seidel迭代收敛准则及敛速估计.并给出实例说明这种迭代的优越性. 考虑N维线性代数方程组:     

浅析矩阵的秩

1.引言线性代数的特点之一是其概念多、定理多 ,从而题目所涉及到的类型也多 ,给初学者带来很多困难。本文以矩阵的秩为例 ,通过分析矩阵的秩在线性代数中的诸多作用 ,逐步加深对这一概念本质的理解 ,进而真正掌握矩阵的秩并能灵活地运用它解决各种有关问题。定义 1　矩阵 A中非零子式的最高阶数叫做矩阵 A的秩 ,记作 R( A)。从定义上看 ,一个矩阵的秩 ,就是一个数 ,但这个数在线性代数中的作用非同一般。2 .矩阵的秩在讨论方阵中的作用对于一个方阵 A,判断 A是否可逆及 A可逆时的一些特性 ,是线性代数中的重点之一。矩阵的秩在此起着重…     

一类Lyapunov矩阵方程的双反对称解的迭代算法

基于求线性代数方程组的共轭梯度法的思想,建立一种求Lyapunov矩阵方程的双反对称解的迭代算法,对任意给定的初始双反对称矩阵,算法能够在有限步迭代计算后得到矩阵方程的极小范数双反对称解,同时在上述解集中也可得出指定矩阵的最佳逼近双反称矩阵.数值算例表明,迭代算法是有效的.