块Toeplitz方程组的快速块Gauss-Seidel迭代算法

本文研究块Toeplitz方程组的块Gauss-Seidel迭代算法.我们首先讨论了块三角Toeplitz矩阵的一些性质,然后给出了求解块三角Toeplitz矩阵逆的快速算法,由此而得到了求解块Toeplitz方程组的快速块Gauss-Seidel迭代算法,最后证明了当系数矩阵为对称正定和H-矩阵时该方法都收敛.数值例子验证了方法的收敛性.

求解BTTB系统的迭代算法

BTTB矩阵在信号处理等工程问题中有着广泛的应用,因此,针对这种类型矩阵的特点,利用它们的结构来设计一些数值稳定的、收敛性能好的快速算法,具有极为重要的意义.文章讨论了块三角Toeplitz矩阵的一些性质,给出了求解块下三角Toeplitz矩阵逆的快速算法,并对其复杂性进行了分析.利用这种求逆算法进而给出了求解BTTB系统的块Gauss-Seidel迭代算法和块SOR迭代算法,并讨论了其收敛性.数值实验得到验证.

大型实对称矩阵分块迭代求逆算法

为提高大型实对称矩阵数值求逆算法的运行速度,设计了一种分块迭代求逆算法,对算法做了详细的理论推导与分析。实现了四种常见的数值求逆算法,即Jacobi数值方法、QR分解法、LU分解法和高斯-约旦法,并分别与分块迭代求逆算法进行了对比分析。实验结果表明,在保证算法精度的情况下,分块迭代求逆算法极大的提高了算法的运行速度。当计算大小为700x700的实对称矩阵的逆矩阵时,相对于LU分解法,加速比为4倍;相对于QR分解法,加速比为26倍。

分块高斯-塞德尔迭代的曲线曲面拟合

曲线曲面拟合技术在许多领域扮演着重要的角色,基于高斯-塞德尔迭代法和矩阵分块理论,提出分块高斯-塞德尔迭代的曲线曲面拟合算法,将线性系统分块后按照高斯-塞德尔迭代法进行求解。数值实验结果表明:无论在迭代次数方面,还是在计算时间消耗方面,分块高斯-塞德尔迭代法都优于直接高斯塞德尔迭代法。

退化情形下高斯-赛德尔迭代法的几个问题

高斯-赛德尔迭代法是一种经典的求解线性方程组的迭代算法,它对数值线性代数及数值最优化的发展产生了深远的影响.本文主要讨论求解系数算子自伴随且半正定但未必正定的线性方程组的(即退化情形的)高斯-赛德尔迭代法.我们回顾该算法收敛性分析的发展历史,并从与线性方程组等价的无约束凸二次规划问题出发,讨论基于高斯-赛德尔迭代的分块坐标下降法的收敛性,从而等价地得出高斯-赛德尔迭代法求解这类线性方程组的收敛性.与此同时,我们还将讨论与高斯-赛德尔迭代法密不可分的对称高斯-赛德尔迭代法,对比两者收敛性分析的异同.事实上,这其中的不同之处既促使了本文给出无约束凸二次规划问题分块坐标下降法的收敛性证明,又为很多相关问题的后续研究提供了动机.最后,基于本文内容,我们将提出一些与之密切相关但尚未解决的问题,并把它们作为进一步深入研究的对象.