LU和Cholesky分解的向前舍入误差分析

1引言LU分解可用于解可逆线性系统Ax=b．作为数值代数领域中的重要工具,其舍入误差分析一直为众多学者所关注．事实上,长方矩阵的LU分解也有着广泛的应用,如,确定矩阵数值秩的LU分解(RRLU)[5,7],解等式约束最小二乘问题的直接消去法[3]等问题中都涉及到长方矩阵的LU分解．当A∈Rm×n且秩r≤min{m,n},则在考虑A的LU分解时[4],一般需要确定置换阵∏L,∏R使得A(1):=∏L-A∏R的LU分解能持续qr步,这里当A为亏秩矩阵时,qr=r;否贝qr=r-1．在．A(1)的LU分解的第k(k≤qr)步,需执行如下Gauss消去过程:     

简化全局GMRES算法的扩张及收缩

简化的全局GMRES算法作为求解多右端项线性方程组的方法之一,与标准的全局GMRES算法相比,需要较少的计算量,但对应的重启动方法由于矩阵Krylov子空间维数的限制,收敛会较慢.基于调和Ritz矩阵,提出了简化全局GMRES的扩张及收缩算法.数值实验结果表明,新提出的扩张及收缩算法比标准的全局GMRES算法更为快速高效.     

LU分解的增长因子

In this article, we derive upper bounds of different growth factors for the LU factorization, which are dominated by A11(k)-1A12(k),A21(k)A11(k)-1, where A11(k), A12(k), A21(k), A22(k) are sub-matrices of A. We also derive upper bounds of growth factors for the Cholesky factorization. Numerical examples are presented to verify our findings.     

一个范数构造定理的反例及修正

1 引 言 近年来,范数在矩阵计算[2]、扰动理论[4]等领域中的应用越来越广泛.有关范数不等式的运用在一些证明中也越来越常见. 在文[3]中,Horn和Johnson引用了这样的一个范数定理: 命题 V为域F(C或R)上的向量空间,若‖·‖a1,…,‖·‖am为V上的向量范数,‖·‖β是Rm上的向量范数,则函数f:V|→R     

等式约束不定最小二乘问题的双曲MGS消去算法

众所周知,加权法是解等式约束不定最小二乘问题的方法之一.通过探讨极限意义下,双曲MGS算法解对应加权问题的本质,得到一类消去算法.实验表明,该算法以和文献中现有的GHQR算法达到一样的精度,但实际计算量只需要GHQR算法的一半.     

不定最小二乘问题的改进的不完全双曲Gram-Schmidt预处理算法

应用改进的不完全双曲Gram-Schmidt(IHMGS)方法预处理不定最小二乘问题的共轭梯度法(CGILS)、正交分解法(ILSQR)与广义的最小剩余法(GMRES)等迭代算法来求解大型稀疏的不定最小二乘问题.数值实验表明,IHMGS预处理方法可有效提高相应算法的迭代速度,且当矩阵的条件数比较大时,效果更加显著.