相容次序矩阵PSD迭代法的收敛性

本文是在求解大型线性方程组Ax=b的系数矩阵A为(1,1)相容次序矩阵且其Jacobi迭代矩阵的特征值均为纯虚数或零的条件下,得到PSD迭代法收敛的充分必要性定理,并在特殊情况下得到了相应的最优参数.     

关于Wielandt-Hoffman定理

关于正规矩阵的任意扰动,有下述定理成立. 定理1.设A为n阶正规矩阵,C为n阶任一矩阵.A的特征值为λ_1,…,λ_n,C的特征值为μ_1…,μ_n.C~H表示C的转置共轭,||·||_2与||·||_F分别表示矩阵的谱范数与Frobenius范数.记     

关于USSOR迭代法收敛的充要条件和最佳松弛因子

本文在线性方程组系数矩阵A为相容次序矩阵及A的Jacobi迭代矩阵的特征值μj均为实数的条件下,得出了USSOR迭代法收敛的充分必要性定理.并给出了USSOR迭代矩阵之谱半径ρ(ψω,-ω)的表达式及ρ(ψω,-ω)的最佳松弛因子.     

关于USSOR迭代收敛的充要条件和最佳松驰因子

本文在线性方程组系数矩阵A为相容次序矩阵及A的Jacobi迭代矩阵的特征值μj均为实数的条件下,得出了USSOR迭代法收敛的充分必要性定理,并给出了USSOR迭代矩阵之谱半径ρ（φw,w^-)的表达式及ρ（φw,w^-)的最佳松驰因子。     

正规矩阵的任意扰动

设A为n×n矩阵,其特征值为λ1,λ2,…,λn;矩阵B=A+X之特征值为μ1,μ2,…,μn.若A,B均为正规矩阵,由Wielandt-Hoffman定理[1],存在1,2,…,n的一个排列k1,k2,…,kn,使得nj=1|λj-μkj|2≤‖X‖2F,(1)其中‖·‖F表示Frobenius范数.又,在同样条件下,存在1,2,…,n的一个排列l1,l2,…,ln,使得对1≤j≤n均有|λj-μlj|≤2.91‖X‖2,(2)其中‖·‖2表示谱范数,这是R.Bhatia等人的结果[2].本文旨在讨论A为正规矩阵,B为任意矩阵时特征值的扰动估计,得到了几个扰动定理,分别推广了上述两个结果.本文用CH表示矩阵C的共轭转置,trC表示C的迹;…     

规范矩阵乘积的特征值的最优估计

文[1]给出了下面的定理: 设A,B为两个n×n(n>1)阶正定厄米特矩阵;μ_1,…μ_4;ν_1,…ν_n分别为A,B的特征值,     

关于《亚正定阵理论(Ⅱ)》一文的错误

设A∈R~n×n,如果R(A)(?)A A’/2为正定矩阵,则称A为亚正定矩阵.文[1]、[2]研究了亚正定矩阵,得出了一些新的结果.这里指出,文[2]中有些疏漏和错误.取(?),则A为亚正定矩阵,B为正定矩阵,容易验证文[2]中定理2和定理5的结论均不成立.其原因在于原文定理证明中错误地运用了Holder第二不等式.要使结论成立,两个定理均需附加条件“亚正定矩阵A的特征值都是实数”.     

一种求解大型Lyapunov矩阵方程的预处理并行算法

研究了一种求解大型Lyapunov矩阵方程的并行预处理变形共轭梯度法.首先将处理小型矩阵方程的Smith预处理方法引入该问题的求解,将原矩阵方程转变为Stein方程,然后采用变形共轭梯度法并行求解预处理后的矩阵方程.其中遇到的难点是需要确定参数μ及求矩阵(A+μI)的逆.基于估计特征值的Gerschgorin圆定理给出了参数μ的估值,再采用变形共轭梯度法并行求得矩阵(A +μ l)的逆,从而形成预处理后的矩阵方程.通过数值试验,该算法与未预处理的变形共轭梯度法相比较,预处理算法明显优于未预处理的算法,而且其并行效率高达0.85.     

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。     

正定实对称矩阵的几个不等式

本文证明了正定矩阵的几个不等式,同时得到了Minkowski不等式的一种推广形式。为方便起见,我们限定矩阵是实对称的。定理1 设A,B是n×n阶正定实对称矩阵,则对任意正数λ,μ,有等号当且仅当A=κB(κ>0)时才成立。在此,以|M|表矩阵M的行列式。在证明之前,我们先引进一个关于两组正     

矩阵方程X+A*X-nA=I的正定解

In this paper we give some sufficient conditions and some necessary conditions under which the matrix equation X A^*X^-nA=I has a positive definite solution. An iterative method which converges to a positive definite solution of this equation is constructed. And an error estimate formula on this iterative method is also derived.     

基于分数阶扩散方程的离散线性代数方程组迭代方法研究

本文构建一类双参数拟Toeplitz分裂（TQTS）迭代方法求解变系数非定常空间分数阶扩散方程.TQTS迭代法是基于QTS迭代法引入双参技术建立而成,通过选取适当的参数使迭代矩阵谱半径变得更小,从而有效提升收敛的速度.然后对TQTS迭代法进行收敛性分析,获得相应的收敛区域,并对迭代法中涉及的参数进行讨论,获得使迭代矩阵谱半径上界达到最小的最优参数的表达式.最后通过数值仿真实验验证TQTS迭代法的有效性,实验结果表明TQTS迭代法改进效果十分突出,在迭代时间和步数上均有明显的减小.     

对称线性互补问题的并行Schwarz算法

1引言考虑对称线性互补问题:求x∈R~N使得(1) Ax 6≥0,x≥0,x~T(Ax b)=0其中,A是给定的N×N实对称矩阵,b是N×1向量.目前求解该互补问题的迭代算法有很多(如Mangasarian(1977),Mangasarian,Leone (1987),Cottle(1992),曾金平,李董辉(1994)等).区域分解法以其将大问题化为若干子问     

含高次逆幂的矩阵方程对称解的双迭代算法

本文研究了在控制理论和随机滤波等领域中遇到的一类含高次逆幂的矩阵方程的等价矩阵方程对称解的数值计算问题.采用牛顿算法求等价矩阵方程的对称解,并采用修正共轭梯度法求由牛顿算法每一步迭代计算导出的线性矩阵方程的对称解或者对称最小二乘解,建立了求这类矩阵方程对称解的双迭代算法,数值算例验证了双迭代算法是有效的.     

An Iterative Multigrid Regularization Method for Toeplitz Discrete Ill-Posed Problems

Iterative regularization multigrid methods have been successfully applied to signal/image deblurring problems. When zero-Dirichlet boundary conditions are imposed the deblurring matrix has a Toeplitz structure and it is potentially full. A crucial task of a multilevel strategy is to preserve the Toeplitz structure at the coarse levels which can be exploited to obtain fast computations. The smoother has to be an iterative regularization method. The grid transfer operator should preserve the regularization property of the smoother. This paper improves the iterative multigrid method proposed in [11] introducing a wavelet soft-thresholding denoising post-smoother. Such post-smoother avoids the noise amplification that is the cause of the semi-convergence of iterative regularization methods and reduces ringing effects. The resulting iterative multigrid regularization method stabilizes the iterations so that the imprecise (over) estimate of the stopping iteration does not have a deleterious effect on the computed solution. Numerical examples of signal and image deblurring problems confirm the effectiveness of the proposed method.     

An iterative algorithm for solving a class of generalized coupled Sylvester-transpose matrix equations over bisymmetric or skew-anti-symmetric matrices

This paper presents an iterative algorithm to solve a class of generalized coupled Sylvester-transpose matrix equations over bisymmetric or skew-anti-symmetric matrices. When the matrix equations are consistent, the bisymmetric or skew-anti-symmetric solutions can be obtained within finite iteration steps in the absence of round-off errors for any initial bisymmetric or skew-anti-symmetric matrices by the proposed iterative algorithm. In addition, we can obtain the least norm solution by choosing the special initial matrices. Finally, numerical examples are given to demonstrate the iterative algorithm is quite efficient. The merit of our method is that it is easy to implement.     

线性等式约束优化的既约预条件共轭梯度路径法

采用既约预条件共轭梯度路径结合非单调技术解线性等式约束的非线性优化问题.基于广义消去法将原问题转化为等式约束矩阵的零空间中的一个无约束优化问题,通过一个增广系统获得既约预条件方程,并构造共轭梯度路径解二次模型,从而获得搜索方向和迭代步长.基于共轭梯度路径的良好性质,在合理的假设条件下,证明了算法不仅具有整体收敛性,而且保持快速的超线性收敛速率.进一步,数值计算表明了算法的可行性和有效性.     

求解矩阵方程AXB+CXD=F参数迭代法的最优参数分析

本文针对求矩阵方程AXB+CXD=F唯一解的参数迭代法，分析当矩阵A，B，C，D均是Hermite正（负）定矩阵时，迭代矩阵的特征值表达式，给出了最优参数的确定方法，并提出了相应的加速算法.     

求解大型线性方程组的一类非定常内外迭代法

1 引 言 求解大型线性方程组 Ax=b, A∈R~(?),det(A)≠0. x,b∈R~n (1.1)的内外迭代法,首先由Nichols于1973年提出。由于这类算法在求解大型问题。特别对由边值问题离散化得到的大型稀疏方程组求解,显示了优越性,而受到众多的关注。1991年,Lanzkron.Rose.Szvld等人进一步降其发展成为成套迭代法,为预条件组的近似及同步和     

A NEW APPROACH TO SOLVE SYSTEMS OF LINEAR EQUATIONS

1. IntroductionThe new aPProaCh is based on the analysis of the motion of a damped harmonic oscillatorin the gravitational field 11]. The associated equation of motion ismXtt + oXt + aX = b (1)where X = X(t), is the one dimensions di8PlaCement of Of a mass m under a dissipation(o > 0), a ~nic potential (a > 0) and a constant acceleration (b, gravitational field). Thetotal energy variation is given by the equationwhereThe solution of the motion equation (1) is given by the sum of two contr…