解最小二乘问题的一种混合方法的误差分析

对于线性最小二乘问题 ,混合方法的提出是企图在法方程法与 QR分解方法之间取得某种平衡 ,希望能够节省计算量又同时保持计算解达到较高精度 ,但后者在理论上并未得到证明 .经对混合方法的详细误差分析 ,证明了这种混合方法不一定能得到比法方程法精度更高的计算解 ,甚至可能要差 .因混合方法的计算量高于法方程法 ,所以该方法并未达到理想的要求 ,不一定是好的选择 .     

计算最小奇异组的一个精化调和Lanczos双对角化方法

在很多实际应用中需要计算大规模矩阵的若干个最小奇异组.调和投影方法是计算内部特征对的常用方法,其原理可用于求解大规模奇异值分解问题.本文证明了,当投影空间足够好时,该方法得到的近似奇异值收敛,但近似奇异向量可能收敛很慢甚至不收敛.根据第二作者近年来提出的精化投影方法的原理,本文提出一种精化的调和Lanczos双对角化方法,证明了它的收敛性.然后将该方法与Sorensen提出的隐式重新启动技术相结合,开发出隐式重新启动的调和Lanczos双对角化算法(IRHLB)和隐式重新启动的精化调和Lanczos双对角化算法(IRRHLB).位移的合理选取是算法成功的关键之一,本文对精化算法提出了一种新的位移策略,称之为"精化调和位移".理论分析表明,精化调和位移比IRHLB中所用的调和位移要好,且可以廉价可靠地计算出来.数值实验表明,IRRHLB比IRHLB要显著优越,而且比目前常用的隐式重新启动的Lanczos双对角化方法(IRLB)和精化算法IRRLB更有效.     

求解大规模矩阵问题的理论和算法(1998)国际学术会议将在大连理工大学召开

经国家教委批准,大连理工大学将于1998年8月2日至5日举行求解大规模矩阵问题的理论和算法（1998)国际学术会议. 会议主要内容有 1 求解特征问题的Arnoldi型和块Arnoldi型方法的理论和算法实现; 2 求解特征问题的Davidson型和Jacobi-Davidson型方法的理论和算法实现; 3 求解特征问题的Lanczos型方法的理论和算法实现;     

解非对称线性方程组的不完全广义最小残量法

研究了求解大规模非对称线性方程组常用的广义最小残量法 (GMRES)的截断版本———不完全广义最小残量法 (IGMRES)的收敛性 .该方法基于Krylov向量的不完全正交化 ,从而在Krylov子空间上求出一个近似的或拟最小残量解 .理论结果和数值实验证明 ,当由不完全正交化生成的Krylov子空间的基向量强线性无关时 ,IGMRES完全可以同GMRES相比并经常更有效 .同时 ,建立了不完全正交化方法 (IOM)和IGMRES的残量范数之间的关系式 .     

大规模矩阵计算的研究

大规模矩阵特征计算问题和线性方程组计算问题来源于大量的应用科学和工程，其数值求解的方法和理论研究是一个重大课题，总结了作者几年来在该领域中的主要理论结果和开发的算法，它们对该领域的发展有着重要的影响，为实际问题的解决提供了强有力的工具。     

非对称实矩阵特征问题的广义Lanczos方法的收敛性

对大型非对称矩阵Ａ的特征问题，Ｓａａｄ曾证明，当Ａ只有实单重特征值时．广义Ｌａｎｃｚｏｓ方法对求Ａ 的端部特征值和对应的特征向量通常是快速收敛的。本文取消了对 Ａ的这一限制，在 Ａ只有线性初等因子的情形下，证明了广义 Ｌａｎｃ－ｚｏｓ方法对计算Ａ的少数端部特征值和对应的特征的量仍是快速收敛的。     

关于特殊辛Householder变换和特殊辛Givens变换算法

对辛QR算法（SR算法）的不稳定性提出了一种改进措施,并对该措施使用的特殊辛Householder变换和特殊辛Givens变换矩阵的性质进行了研究,进而提出了这两种特殊辛相拟变换中相应的旋转角的选取策略和实现这些措施所对应的算法,使用这一改进措施,可以建立各种修正辛QR算法。