基于动力系统的线性不等式组的解法

本文提出了一种新的求解线性不等式组可行解的方法-动力系统方法.假设线性不等式组的可行域为非空,在可行域的相对内域上建立一个非线性极值问题,根据对偶关系,得到一个对偶空间的无约束极值问题以及原始、对偶变量之间的简单线性映射关系,进而得到了一个结构简单的动力系统模型.文中主要讨论了动力系统的隐式格式,通过证明模型具有较好的计算稳定性.同时,在寻找不等式组可行解的过程中,定义了穿越方向,这样可以减少计算量.数值实验结果表明此算法是有效的.     

求解线性不等式组的方法

本提出了一个新的求解线性不等式组可行解的方法－－无约束极值方法。通过在线性不等式组的非空可行域的相对内域上建立一个非线性极值问题，根据对偶关系，得到了一个对偶空间的无约束极值及原始，对偶变量之间的简单线性映射关系，这样将原来线性不等式组问题的求解转化为一个无约束极值问题。中主要讨论了求解无约束极值问题的共轭梯度算法。同时，在寻找不等式组可行解的过程中，定义了穿越方向，这样大大减少计算量。中最后数值实验结果表明此算法是有效的。     

解线性不等式组的一个直接方法

这里常假定(1.2)是相容的. [1]给出了解亚定相容线性方程组的一个直接方法。本文把它推广到解线性不等式问题(1.2),并讨论了算法的良好性质及实现步骤.数值结果表明了算法的有效性.     

一个求解线性不等式组的新算法

本文给出了求解线性不等组的一个无约束化方法，计算了Ｎｅｔｌｉｂ库中的１７个问题。材并且得到了满意的结果。     

线性不等式组的简单对偶非线性方法

将线性不等式组问题转化为一个形式简单的对偶空间非线性极值问题,本提出了一类新的求解线性不等式组的方法-简单对偶非线性方法,它在理论上是多项式算法,并可以从任意点启动,可以应用共轭梯度方法有效地求解大规模线性不等式组问题。本给出了不同的算法实现,数值实验结果表明,简单对偶非线性方法是有效的。     

随机线性不等式组的确定性等价式

在大量的决策问题中，经常会出现含有随机变量的不等式或不等式组。把这类含有随机变理的模型转化成确定性的模型是解决问题的重要途径。它们在随机控制和不完全信息群体决策随机决策问题中起着重要的作用。因此，如何将随机不等林或随机不等式组转化为相应的确定性等价式的问题受到人们的关注。本文对含有确定分布的随机变量的线性不等式组，就其相应的概率表达式作出分类，并根据其左端系数矩阵和右端向量含有随机因素的情形分别进行讨论，系统地导出了它们相应的确定性等价式。     

基于线性矩阵不等式的广义神经网络系统的全局指数稳定性分析

本文通过构造Lyapunov-Krasovskii泛函并利用线性矩阵不等式的方法将系统的稳定性问题转化为凸优化问题,建立了系统指数稳定的充分条件.该充分条件可利用标准的Matlab LMI工具箱来验证和求解.     

不等式的解法

1 本单元重点、难点分析 本单元的重点是各种类型不等式的解法，解不等式的关键是要善于根据有关性质或定理把原来形式比较复杂的不等式（组）等价变形为与之同解的相对简单一些的不等式（组），正确地进行同解变形是关键，同解变形的思路一般为：超越不等式变形为代数不等式，无理不等式变形为有理不等式，分式不等式变形为整式不等式，高次不等式变形为低次不等式（组）．     

不等式的解法，含绝对值的不等式

1 本单元重、难点分析。解不等式是不等式这一章的重点，也是多年来高考的热点，解不等式的过程实质上是不等式的同解变形过程，把原来比较复杂的不等式（组）转化为与之同解的不等式（组），以达到化简求解的目的．正确地进行同解变形是解不等式（组）的关键，而不等式的性质和各类函数的性质是进行同解变形的主要依据．同解变形的途径通常为：高次不等式转化为低次不等式；分式不等式、超越不等式转化为整式不等式；无理不等式转化为有理不等式；含绝对值符号的不等式转化为不含绝对值符号的不等式．     

求解一类非对称单调变分不等式的非精确自适应交替方向法

本文研究了一类单调非对称变分不等式的非精确自适应交替方向法,证明了方法的收敛性.     

Homotopy Method for Solving Variational Inequalities

In this paper, a globally convergent method of finding solutions for an ordinary finite-dimensional variational inequality is presented by using a homotopy method. A numerical example is given to support this method.     

A Cutting Plane Method for Solving Quasimonotone Variational Inequalities

We present an iterative algorithm for solving variational inequalities under the weakest monotonicity condition proposed so far. The method relies on a new cutting plane and on analytic centers.     

常系数线性方程组的一种新解法

对于常系数线性微分方程组:dx/dt=Ax(A是n阶实常数矩阵)通过特征根λ和对应的特征行向量K:K~T(A-λE)=0将微分方程组化为线性方程组:1°当有n个互异的特征根λ_1,λ_2,…,λ_n,对应的线性无关的特征行向量为K_1,K_2,…,K_n,若记K_i=(k_1,k_2,…,k_n)(i=1,2,…,n),则有方程组:(n∑i=1 k_ix_i)′=λ_j(n∑i=1 k_ix_I)(j=1,2,…,n);2°当有不同的特征根λ_1,λ_2,…,λ_m其重数分别为n_1,n_2,…,n_m,n_1+n_2+…+n_m=n,对应的线性无关的特征行向量为K_i=(k_1,K_2,…,k_n)(i=1,2,…,m),则有方程组:(n∑i=1 k_rx_r)′=λ_k(n∑i=1 k_rx_r)((A-λ_jE)x_(n_i)=0;i=1),(n∑i=1 k_rx_r)′=λ_j(n∑i=1k_rx_r)+c_(n_i)e~(λ_jt)((A-λ_kE)x_(i-1)=Ex_i,i=2,…,n_i).     

求解增广线性系统的局部多分裂迭代法

为了在高性能计算机上求解增广线性系统,基于并行多分裂的两种技巧,本文提出一种局部多分裂迭代格式,给出当增广线性系统的矩阵为M-矩阵和H-矩阵时新方法的收敛性理论.并讨论预条件矩阵的特征值情形.     

一般伪单调变分不等式的改进投影算法

本文基于算子的分裂技巧给出了解一般伪单调变分不等式几种新的投影算法，包括三步和走步迭代算法．在算子T是g-伪单调和g-Lipschitz连续的条件下，即可证明新提出算法的收敛性．     

求线性规划初始可行基的新方法

本文提出一个求线性规划初始可行基的新算法，该算法不仅避免了人工变量，而且理论分析及初步的数值实验结果表明其效率更高。