广义异步并行多分裂松弛算法

在本文中，我们设计了求解大型线性代数方程组的适用于ＭＩＭＤ系统的异步并行多分裂松弛算法的一般模型，并在系数矩阵是Ｈ－矩阵的条件下，建立了该一般模型的收敛性理论。     

广义异步矩阵多分裂向前向后松弛算法

本文建立了一类广义异步矩阵多分裂向前向后松弛算法，并在系数矩阵是Ｈ－矩阵的条件下，证明了这类算法的收敛性．     

异步并行矩阵多分裂多参数松弛算法

通过改进与推广Bru,Elsner和Neumann的异步算法模型,文[2]设计了一类适用于MIMD系统的异步并行多分裂松弛算法。该算法模型具计算方便,通讯灵活,自由等诸多良好的特点。 更为一般地,基于矩阵多分裂的概念,我们在本文中提出了一类异步并行多分裂多参数松弛算法。它既以[2]中的异步并行多分裂AOR算法等做为特例,且随着松弛参数的不同     

M—矩阵分裂的迭代矩阵

1 迭代矩阵谱半径的代数重数 设A=M—N是M-矩阵的正则分裂。一般地,mult_0(A)与mult_1(M~(-1)N)不一定相等.我们研究在弱正则分裂下使mult_0(A)=mult_1(M~(-1)N)的条件. 引理 1.1 设A∈R~(nn)是有“性质C”的M-矩阵,rank(A)=n—1.则mult_0(A)=1. 证明 显然. 引理 1.2 设A=M—N是奇异不可约M-矩阵的弱正则分裂,则     

关于Schwarz交替法的拟边界松弛方法

§1.松弛方法 我们讨论二阶自共轭椭圆型方程的Dirichlet问题.设Ω?R~2为一多边形区域. a(u,v)=(f,v),v∈H_0~1(Ω),f∈H~(-1)(Ω), u∈H_0~1(Ω)是定义在其上的边值问题的变分形式,这里取齐次边界条件仅为叙述问题方便.双线性型a(·,·)满足:     

低计算精度下实对称矩阵的特征值分解

1引 言 1.1背景简介 设A ∈Rn×n为n阶实对称矩阵,矩阵A的特征值分解是找正交矩阵U ∈Rn×n,使得 A=UΛUT,(1.1) 其中UT指U的转置,A为对角矩阵,且A=diag(λ1,λ2,...,λn),其中λi,i=1,...,n是矩阵A的特征值.矩阵A的奇异值分解为 A=UΣUH,(1.2) 其中,U...     

关于求解矩阵方程I=X+A~HX~(-1)A的简单迭代

1 引言 设A为m×m方阵,I为m阶单位阵,考虑关于X的非线性矩阵方程 I=X+A~HX~(-1)A的Hermite正定解问题。这是特殊的离散代数Riccati方程,在一定条件下与离散代数Riccati方程数学等价。由于离散代数Riccati方程还缺乏普遍有效的数值解法,因此研究(1.1)的数值处理就十分重要。最近,Engwerda等学者研究了c1)、c2)方程(1.1)可解的充分必要条件、最大解和最小解的存在唯一性,还提出如下简单迭代 X_o=I,X_(n+1)=I-A~HX_n~(-1)A,n=0,1,….(1.2) 证明了{X_n}_(n=0)~∞收敛于(1.1)的极大解X_L.这项研究为数值求解(1.1)提供了可能.本文研究下述三方面问题.首先是(1.2)的误差估计,它同时也是迭代过程(1.2)的收敛速度估计.然后给出一种执行格式.由于(1.2)每迭代一步要计算一个m阶方阵的逆矩阵,计算量很大,因而提出有效的执行格式是必要的.最后研究极大解X_L的扰动定理. 若不特别说明,以下的记号都是常规的,例如可参阅[3]. 2 误差估计 令A的数值半径为ω(A).Engwerda和Ran证明了下列结果:设A可逆,那么(1.1)存在对称正定解的充要条件为ω(A)≤1/2;若(1.1)有对称正定解则有唯一的最大解X_L;若(1.1)有对称正定解,则(1.2)产生的矩阵序列{X_n}收敛到X_L,且收敛过程是单调下降的.     

一类Stiefel流形上极小化问题的低秩解

<正>1引言记冗R~(m×n)为m×n阶实数矩阵集合;A~T表示矩阵A的转置;I_p表示p×p阶单位矩阵.对任意矩阵A=(a_(ij))∈R~(m×n),[A]_(ij)表示A的第ij个元素,即[A]_(ij)=a_(ij);‖A‖_F表示矩阵A的Frobenius范数,且有关系‖A‖_F~2=tr(A~TA),(1.1)其中tr(·)表示矩阵的迹,且有性质tr(A+B)=tr(A)+tr(B),tr(AB)=tr(BA),tr(B~T)=tr(B).(1.2)本文研究如下Stiefel流形上的极小化问题:     

预条件同时置换(PSD)迭代法的收敛性分析

1引言求解线性方程组Ax=6,(1.1)其中A∈R~(n×n)非奇异阵且对角元非零,x,b∈R~n,x未知,b已知.不失一般性,我们假设A=I-L-U,(1.2)其中L,U分别为A的严格下和上三角矩阵,相应的Jacobi迭代矩阵为B=L U.(1.3)若Q是非奇异阵且Q~(-1)易计算,于是(1.1)可以变成     

求解张量绝对值方程基于连续时间的神经网络方法

1引言考虑如下的张量绝对方程(TAVE):寻找向量x∈R^(n)满足Ax^(m-1)-B|x|^(m-1)=b,(1.1)其中A,B∈T(m,n)且m为偶数,b∈R^(n)为已知向量.这里T(m,n)表示m阶n维实张量的集合,向量|x|定义为|x|=(|x_(1)|,|x_(2)|,…,|x_(n)|)^(T).当m=2时,方程(1.1)退化为下面的(矩阵)绝对值方程(AVE):Ax-B|x|=b.(1.2)方程(1.2)的一个特例是当B为单位矩阵的情形,即Ax-|x|=b.(1.3).     

求解特征值问题的 AOR 算法的收敛性

用 AOR 方法求解线性方程组是众所周知的,我们将此方法应用到求解特征值问题方面.考虑下面特征值问题:(A—λI)x=0,(1.1)这里 A 是大型稀疏非奇异对称矩阵.显然,问题(1.1)有下面三条性质:i)其 n 个特征值都是实的,不妨设为λ_1≤λ_2≤…≤λ_n;(1.2)     

USSOR迭代方法的收敛和发散区域

1 引言 对线性方程组 Ax=b, (1.1)这里A∈C~(n×n)是一个具有非零对角元的非奇异复矩阵,b∈C~n为n维向量,我们考虑A的如下分裂: A=D(I-L-U), (1.2)这里D=diag(A),L和U是D~(-1)A的严格下和严格上三角部分,表示单位矩阵. 不对称的逐次超松驰迭代方法(USSOR)[7]是按如下格式产生的迭代:     

随机P矩阵和随机P0矩阵线性互补问题

定义了随机P矩阵和随机P0矩阵,给出了矩阵为随机P矩阵或随机P0矩阵的充要条件.研究了随机线性互补问题(SLCP)的矩阵为随机P矩阵时,期望残差方法(ERM)解集的有界性.得到了期望矩阵为P矩阵时,(ERM)解集非空有界.并且研究离散情形(ERM)与期望值方法(EV)解的关系,给出了(ERM)解唯一的条件.     

半相依回归方程组两步估计的优良性

Rl己!弓绪J占J 1.刁 在研究经济间题时,常常要建立下列的联列方程系统: 幼~J尹‘+a‘(‘~1,2),·(1 .1)其中,幼为。Xl的观察向量,马为。x熟的秩为,的已知矩阵(设计矩阵),八为介xl的待估参数向量,8.为nxl的随机误差向量.我们假设8‘服从正态分布,且: 刀(e,)~0 oov(。.,a刀~。。无(1.2)其中万·(o’ll)为2 xZ的正定矩阵.我们称(1.劝为半相依回归方程组归eemingly unrela协J摊re”“ion equation‘).我们欲利用观测值幼(‘一1,2)来估计尽·(启盆,风)‘.为此将(1 .1)化为一F列线性模型: ,~了召+8,性.3)其中梦·(夕生,叭)’,刃~diag(了:,了,)…     

广义(u,v)幂等矩阵

首先定义了一类新的矩阵一广义(u,v)幂等矩阵,然后研究了它的等价刻画,从而推广了(u,v)幂等矩阵、m幂幺矩阵、m幂等矩阵的一些相应结果.此外,也探讨了广义(u,v)幂等矩阵的性质,以及广义(u,v)幂等矩阵与广义m幂矩阵的关系.     

分块带状矩阵的逆

1引言如果分块矩阵A=(A_(ij))_(n×n)满足A_(ij)=O(j-i＞p且i-j＞q),其中A_(ij)为m阶矩阵,则称A为(p,q)-分块带状矩阵．分块带状矩阵在一些实际问题中经常出现,例如在量子场论中用途很广的非线性Schr(?)dinger方程的差分离散问题,解热传导问题等,都会遇到分块带状矩阵．常见的分块三对角矩阵,分块五对角矩阵都是特殊的分块带状矩阵．采用通常的方法求解分块带状矩阵的逆矩阵时,需要进行O(n~3)次m阶矩阵的运算．本文首先将分块带状矩阵扩充成可逆的分块上(下)三角矩阵,利用其逆矩阵导出了分块带状矩阵的逆矩阵表达式;进而利用所得到的公式分别推导了分块三对角矩阵及分块五对角矩阵的逆矩阵的快速算法,所需运算量为O(n~2)次m阶矩阵的运算．本文的结果扩充了文[1]等关于分块三对角阵求逆的相关结果．     

基于排列矩阵的一类析取矩阵

定义了k阶排列矩阵和(r+d)阶r-排列矩阵的概念,利用k阶排列矩阵和r-排列矩阵研究了d—析取矩阵、(d,e)-析取矩阵、(d,r,z]-析取矩阵的构造及其行数的行界.     

实对称矩阵在相合分解下的Moore-Penrose型广义逆的通式

1引言与符号说明对m×n矩阵A,下列矩阵方程：(1)AXA=A,(2)XAX=x,(3)(AX)~T=AX,(4)(XA)~T=XA称为Penrose方程．如果X满足上述方程(i)(j),…(k),则称X为(ij…k)逆,其全体记为A(ij…k)．(1234)逆常记为A~ ．所有这种矩阵叫广义逆(矩阵)或Moore- Penrose型逆(矩阵)．广义逆矩阵在许多数学领域有广泛应用．它在解矩阵方程中的作用     

一类高维非自治系统的周期解

§1.引言在文献[1]中 Lasota-Opiul 对于非自治周期系统(?)=A(t,x)x b(t,x),(1.1)其中 A(t,x)是 n×n 连续矩阵,且 A(t ω,x)=A(t,x);b(t,x)是 n 维连续向量,且 b(t ω,x)=b(t,x).在“A(t,x)属于某一个 Banach 空间中的有界弱闭子集”的假设下,获得该系统周期解存在性定理.而这个假设条件不易验证,给定理的应用带来很大的不便.本文利用泛函分析的方法,借助于 Schauder 的不动点定理和矩阵测度的性质,对系统(1.1)的周期解的存在性进行了讨论.给出一个可以直接从系统(1.1)的右端函数性质来判别其周期解存在的定理.并且分别应用于系统(?)=A(t)x e(t),(1.2)     

子矩阵约束下矩阵方程AX=B的正交投影迭代解法

<正>1引言记R~(m×n)为全体m×n阶实矩阵集合;给定矩阵A,B∈R~(m×n),记(A,B)=tr(A~TB)为矩阵A与B的内积;||A||_F=(A,A)~(1/2)=(tr(A~TA))~(1/2)为矩阵A的Frobenius范数;vec(A)为矩阵A的拉直向量;A(p_1:p_2,)为矩阵A的pz行到p2行元素组成的子矩阵;A(,q_1:q_2)为矩阵A的q_1列到q_2列元素组成的子矩阵;A(p_1:p_2,q_1:q_2)为矩阵A的p_1行到p_2行和q_1列到q_2列相交处元素组成的子矩阵;如果(A,B)=tr(A~TB)=0,则称