某些迭代矩阵谱半径的上下界及有关迭代法的收敛性

设线性方程组Ax=b,系数矩阵A=D-L-U或A=D-L-E-U,其中D非奇异。不妨设D=I,为讨论求解Ax=b的AOR法,EAOR法和TOR法的收敛性,[1—4]中分别给出了它们的迭代矩阵L_(γω)=(I-γL)~(-1)[(1-ω)I+(ω-γ)L +ωU],_(γω)=(I-γL)~(-1)[(γ-ω~2)I+ω~2U+(ω~2-γ~2)L]/γ,_(αβq)=(I-aL-βE)~(-1)[(1-q)I+(q-α)L+(q-β)E+qU],γ,ω,α,β,q∈R谱半径ρ(_γω),ρ(_γω)和ρ(_γω)的上下界,[5]曾就一般迭代矩阵M(-1)N的谱半径ρ(M_(-1)N)的上下界,给出了下列结果:     

一类矩阵的AOR迭代收敛性分析及其与SOR迭代的比较

1 引言 许多实际问题最后常归结为解一个或一些矩阵的线性代数方程组Ax=b （1.1）这里讨论A为（1,1）相容次序矩阵的情形。     

一类三对角矩阵的特征值和特征向量的研究

讨论了一种三对角矩阵的特征值和特征向量.按矩阵右下角对角元素的参数分为两类,得出特征值和特征向量的结论或数值算法.举例说明了算法的有效性.     

矩阵特征值、特征向量的确定

首先对由 A的特征值、特征向量求 A- 1 ,AT,A* ( A的伴随矩阵 )、P- 1 AP以及 A的多项式φ( A)的特征值和特征向量的结论作了个归纳 ;对相反的情形 ,我们给出了部分已有的结果 ,并通过四道例题着重讨论了如何由 φ( A)的特征值来求 A的特征值 .     

矩阵分裂的单调收敛性

本文在非负矩阵分裂条件下证明了迭代算法(3)的单调收敛性,它不仅推广了[1]～[5]中的相应结果,而且在比[7]中定理较弱的条件下,得到了广义AOR迭代法的单调收敛性。本文最后还给出了一个数值例子。     

最速下降法的一次迭代收敛性的一点注记

推广了最速下降法经过一次迭代到达严格凸二次规划问题的最优解的充分必要条件：初始点可以表示为最优解和Hesse矩阵的一个特征向量之和.证明此条件也是最速下降法经过有限次迭代后到达最优解的充要条件.丰富了最速下降法的理论,有助于更好地认识和理解最速下降法,对相关算法的教学有一定的启发意义.     

非线性回归模型M估计的迭代公式及其收敛性

本文研究了非线性回归模型M估计的Gauss-Newton迭代公式及其改进形式的收敛性问题。把Jeunrich和Gallant等人关于最小二乘估计的结果推广到M估计的情形。本文的证明显示,这些结果还可以推广到更广泛的模型和更一般的估计。本文的实例说明,改进的Gauss-Newton迭代法对于求解非线性回归的M估计是比较有效的,M估计对于消除异常点的影响育显著的作用。     

显式迭代数列的收敛性及其推广

本文研究分别由x_(n+1)=f(x_n),x_(n+1)=f(x_n,x_(n-1)),及g(x_(n+1))=f(x_n)产生的迭代数列收敛性问题,并运用构造迭代数列的方法解决一些实际问题.     

矩阵的特征值和特征向量同时求解的一种方法

本文给出了通过λ－矩阵的初等变换，同时求得特征值和特征向量的一种方法。     

立方矩阵的方向特征值与方向特征向量

对立方矩阵定义了方向特征值与方向特征向量,并研究了其基本性质.证明了立方矩阵的特征值是随着方向连续变化的,同时也证明了超对称立方矩阵可以由其一些方向特征值和特征向量重建.     

Mann迭代和具误差的Ishikawa迭代收敛性的等价定理

在迭代参数仅满足(?) supβ_n(k/L(L+1)),(?)α_n=0和(?)α_n=+∞的条件下,用不同与于已有的方法证明了任意实Banach空间中的Lipschitz强伪压缩算子的Mann迭代和具误差的Ishikawa迭代收敛是等价的.这推广和改进了目前需假设limβ_n=0和两迭代程序的初始点的取值需相同条件下的已知结果.     

线性方程组二级迭代法的收敛性

线性方程组二级迭代法的收敛性曹志浩（复旦大学）ＣＯＮＶＥＲＧＥＮＣＥＯＦＴＷＯ－ＳＴＡＧＥＩＴＥＲＡＴＩＶＥＭＥＴＨＯＤＳＦＯＲＴＨＥＳＯＬＵＴＩＯＮＯＦＬＩＮＥＡＲＳＹＳＴＥＭＳ￥ＣａｏＺｈｉ－ｂａｏ（ＦｕｄａｎＵｎｉｖｅｒｓｉｔｙ）Ａｂｓｔｒａｃ...     

在点估计判据下Euler级数、Euler迭代族以及Hauey迭代族的收敛性

论文证明了,当 S.Smale[1—3]的点估计判据α(f,z)=‖Df(z)~-1f(z)‖·(?)‖Df(z)~(-1)D~nf(z)/n!‖~(1/(n-1))≤3-22~(1/2)时,求 Banach 空间解析映照f零点ζ的 Newton 迭代的两族高阶推广以及ζ的逆级数都收敛,并且对其中每一个极限来说,条件中的常数3-22~(1/2)都是最好可能的.对其中以f在z的[1/k-1]阶 Padé 逼近的零点的算子形式拓广为迭代函数的那一族迭代(k=1,2,…),还给出了误差的准确估计.     

关于矩阵的特征值与特征向量同步求解问题

通过对矩阵进行行列互逆变换,同步求出矩阵特征值及特征向量,解决了不带参数求特征值问题,并给出一些新定理.     

矩阵的广义特征值及特征向量的神经网络方法

矩阵特征值及特征向量计算在实际问题中有广泛的应用.应用神经网络方法来计算广义特征值及对应的特征向量,给出了相应的算法,并对给出的算法在数学上进行了严格证明.并用实例验证了其正确性.     

关于完全完备分配格上矩阵相对于特征值的特征向量

借助于伪补和矩阵的幂序列研究了完全完备分配格上矩阵相对于特征值的特征向量的计算方法,利用特征向量的性质证明了最大特征向量的计算公式,并给出了一般特征向量的计算方法.     

GAOR迭代法的收敛性

当A为实对称矩阵时,[1]中在D_i选取较特殊的条件下,证明了GAOR迭代法收敛的充要条件为A是正定矩阵. 设A为Hermite矩阵,进一步讨论GAOR迭代法收敛的充要条件. 以下记 B=D_1~(-1)(C_L+C_U).