一个修改的求解非线性对称方程组的高斯-牛顿BFGS方法(英文)

在文献[10]的基础上,给出一个修改的求解非线性对称方程组问题的高斯-牛顿BFGS方法,并建立该方法的全局和超线性收敛性.该方法比原方法的效果要好.

电磁场分析中大型实稀疏对称方程组的新的预处理解法

针对电磁场分析中的大型稀疏对称线性方程组 ,给出一种新的预处理解法———带有松弛因子的修改型不完全因子分解共轭梯度法 (RMICCG法 )。适当选取松弛因子 ,RMICCG法具有较快的渐进收敛速度、较好的计算稳定性和较广泛的适用范围。数值例子表明 ,RMICCG法比常规ICCG法减少 30 %以上的迭代次数和计算时间。

一个新的解非线性对称方程组的非单调共轭梯度方法

给出一个新的解非线性对称方程组:g(x)=0(x∈Rn,g:Rn→Rn连续可微,并且其雅克比矩阵g(x)在x∈Rn上对称)的非单调共轭梯度方法,分析新方法的全局收敛性,并用数值实验来检验其有效性.新方法全局收敛,在不执行任意线搜索的条件下能够确保搜索方向的下降性,而且初始点的选择与维数的增加并不明显影响检验结果.

一类非线性对称方程组解集的结构

主要讨论了非线性对称方程组Ｓ１＝Ｓ２＝…Ｓ２＝…＝Ｓλ－１＝Ｓλ＋１＝…＝Ｓｎ＝Ｓｎ＋１（１≤λ≤ｎ），（Ｓｋ＝ｘ１ｋ＋ｘ２ｋ＋…＋ｘｎｋ，ｋ＝０，１，２，…）的非零解，并指出其解集的结构．

关于对称方程组非零解的判定与解法

给出对称方程组{x_1+x_2+…+x_n=0,……,x_1^(i-1)+x_2^(i-1)+…+x_n^(i-1)=0,x_1^(i+1)+x_2^(i+1)+…+x_n^(i+1)=0,……,x_1^(n+1)+x_2^(n+1)+…x_n^(n+1)=0.(1)非零解的判别条件、求解方法以及严格的证明．

正定矩阵的三角分解与线性对称方程组的解算

讨论用正定矩阵三角分解法解线性对称方程组的问题,将具有正定系数阵的线性方程组中的正定矩阵分解为两个互为转置的上、下三角阵之积,用比较法导出下三角阵诸元素与原矩阵诸元素之间的关系式,再将分解式代入原方程,从而导出用三角分解法解线性对称方程组的计算公式,此法计算规律性强,既适用于手算又适用于电算,可在测量平差等科学计算中广泛应用。

用根与系数关系解对称方程组

一元二次方程中的根与系数关系可以用来解对称方程组．请看: 1．整式方程组例1 解方程组x+y=6,xy=7 (人民教育出版社《代数》第三册第65页A组3(1))

轮换对称方程组及其解法

轮换对称方程组是一类重要的方程组,常见于各种数学竞赛中。由于轮换对称方程组具有特殊的性质,所以,用常规方法解不易奏效。但如果能根据其本质特征,抓住其结构特点,则可找到简便解法和解题规律。下面举例介绍对称方程组及其解法。

解对称方程组四法

我们把一个方程组中的未知数具有对称关系的方程组叫做对称方程组.这类方程组因其具有对称性,看起来很美,解答它却有一定的难度.下面举例说明解这类方程组的四种方法.

求解复对称线性方程组的两参数修正HSS方法

基于修正的HSS(MHSS)迭代方法,运用双参数加速技术去求解大型稀疏复对称线性方程组,从两个方面证明了该方法的收敛性并且在理论中给出了最优的参数选择,数值实验验证了该方法的有效性.将两个例子与MHSS迭代方法进行比较,表明该方法在收敛速度和稳定性上都优于MHSS方法,对于提高计算效率和解决实际问题具有重要意义,为求解大规模稀疏复对称线性方程组提供了一种新的思路.

电磁场分析中大型稀疏对称线性方程组的一种改进解法

针对电磁场分析中的大型稀疏对称线性方程组 ,提出一种新的改进ICCG法 (不完全乔列斯基分解的共轭梯度法 )。此方法是通过引进一个控制参数来减少不完全乔列斯基分解的元素的个数 ,从而减少不完全分解和共轭梯度法每一迭代步的计算时间 ;通过理论分析 ,适当选取控制参数不仅不影响收敛速度 ,有时还会加快收敛。数值例子表明 ,该方法可比常规ICCG法(或PCBCG ,即预处理复双共轭梯度法 )减少 30 %～ 50 %的计算时间。

求解非对称线性方程组的s-BiCR算法

在BiCR算法的基础上,提出了求解非对称线性方程组的s-BiCR算法。首先,给出了s-BiCR的基本计算框架,介绍了算法基本原理及参数求解方法;其次,通过分析s-BiCR中剩余向量与方向向量序列的基本性质,推导出减少参数求解计算量的方法,并在此基础上提出了一种更为高效的s-BiCR算法;最后,证明了s-BiCR的正确性,即在第i步产生的近似解与BiCR第is步产生的近似解是一致的,同时,通过性能分析发现,s-BiCR的同步通信次数与访存次数明显少于BiCR,说明该算法具有很好的并行特性和数据本地性。大量实验验证了s-BiCR的高效性和正确性。

解对称线性方程组的总体最小扰动方法

在利用Lanczos方法求解大型对称线性方程组时,由于舍入误差的影响,Lanczos过程易发生中断和数值不稳定.本文提出求解对称线性方程组的总体极小向后扰动(TMINBACK)方法,新方法利用Lanczos过程产生Krylov子空间km(A,r0)的一组基,并求xo+km(A,r0)中的近似解xm,使矩阵[A,b]的向后扰动范数‖[ΔA,△b]‖F极小化.同时,为减少计算量和存储量,本文给出新算法的循环格式.在迭代过程中,利用残量范数作为判断算法终止条件的缺点是,若近似值是精确的,残量范数是小的,反之,不一定.本文利用总体向后扰动范数作为判断算法终止条件,克服了范数作为判断算法终止条件的不足,提出了求解大型对称线性方程组的循环总体极小向后扰动(RTMINBACK)方法.数值实验表明,新方法比一些旧的方法求解大型对称线性方程组更有效,并且RTMINBACK方法适合求解病态线性方程组.

求解对称非线性方程组的MPRP型Derivative-Free算法

通过将对称非线性方程组转化为等价的无约束优化问题,并借助求解无约束优化问题的共轭梯度法的思想,提出了一种用于求解对称非线性方程组的MPRP型Derivative-Free算法.该算法保留了共轭梯度法存储量少的优点,适用于求解大规模的对称非线性方程组.同时,该算法始终能产生下降方向,并且在适当的条件下具有全局收敛性.数值试验结果表明该算法是求解对称非线性方程组的一种有效算法.

强单调对称非线性方程组的BFGS算法

提出一种求解强单调非线性方程组的BFGS算法,该算法的一个明显优点是Bk的条件数比Li-Fukushima[3]提出的GNBFGS中Bk的条件数小得多.且该算法是一种无需计算导数的下降算法.在一定的条件下,证明了算法的全局收敛性和超线性收敛性.最后进行数值试验,结果表明,本文算法具有较好的数值结果.而且验证了本文所提出的算法中Bk的条件数要比GNBFGS算法的条件数小得多.

求解非对称线性方程组的总体拟极小向后扰动方法

在利用QMR方法求解非对称线性方程组(尤其是病态方程组)的Lanczos过程中通常会发生算法中断或数值不稳定的情况.为解决这个问题,将求解非对称线性方程组的QMR方法与总体向后扰动范数拟极小化的技巧相结合,给出求解非对称线性方程组的总体拟极小向后扰动方法(TQMBACK方法).同时,为减少存储量和运算量,新算法将采用重新开始的循环格式.通常人们采用残量范数作为判断算法终止的准则.但是,当近似解非常接近真值时,残量范数是小的,而反过来不一定.为克服残量范数作为算法终止准则的不足,将总体向后扰动范数作为判断算法终止的准则,得到求解非对称线性方程组的循环总体拟极小向后扰动方法(RTQMBACK方法).数值实验表明,新算法比Lanczos方法和QMR方法收敛速度更快.而且,新算法对求解病态的非对称线性方程组很有效.

求解大型非对称线性方程组的灵活的Minpert算法

对于病态的线性方程组,数值求解必须小心进行,为了加快算法的收敛速度,一种有效的方法是对原方程组作某些预处理.Kasenally和Simoncini给出了求解大型非对称线性方程组的最小联合向后扰动方法(Minpert算法).为了加快Minpert的收敛速度,我们结合右预处理技术,提出了收敛效果非常好的灵活的Minpert算法,即FMin-pert算法.数值例子表明FMinpert的收敛速度确实比Minpert快了很多,且有时收敛得比FGMRES更好.

求解2×2块对称不定线性方程组迭代法的收敛性分析(英文)

本文研究求解系数矩阵为2×2块对称不定矩阵时的线性方程组,提出了一种新的分裂迭代法,并通过研究迭代矩阵的谱半径,详细讨论了新方法的收敛性.最后,我们也讨论了预条件矩阵特征根的几条性质.

求解大型非对称稀疏线性方程组的FIMinpert算法

在Krylov子空间方法日益流行的今天,提出了又一求解大型稀疏线性方程组的Krylov子空间方法:灵活的IMinpert算法(即FIMinpert算法)。FIMinpert算法是在Minpert算法的截断版本即IMinpert算法的基础上结合右预处理技术,对原方程组作某些预处理来降低系数矩阵的条件数,从而大大加快迭代方法的收敛速度。给出了新算法的详细的理论推理过程和具体执行,并且通过数值实验表明,FIMinpert算法的收敛速度确实比IMinpert算法和GMRES算法快得多。