基于线性算子的广义逆矩阵的几何表示

广义逆矩阵是矩阵理论的重要内容.由于广义逆矩阵的定义众多,计算较为繁杂,使得初学者很难理解和掌握其本质.基于线性方程组求解问题的等价表示,从线性算子的角度展示多种广义逆矩阵定义的背景及其几何直观意义.通过对一个特殊算例的分析与求解,实现了对多种广义逆矩阵的几何解释及其在线性方程组求解中的作用,淡化了广义逆矩阵计算的繁杂,加深初学者对广义逆矩阵的理解与掌握.     

New approach to differential equations with countable impulses

This paper provides a new approach to study the solutions of a class of generalized Jacobi equations associated with the linearization of certain singular flows on Riemannian manifolds with dimension n + 1.A new class of generalized differential operators is defined.We investigate the kernel of the corresponding maximal operators by applying operator theory.It is shown that all nontrivial solutions to the generalized Jacobi equation are hyperbolic,in which there are n dimension solutions with exponential...     

一类模数为合数的多模数线性同余方程组的数值解法

本文提出了模为合数的多模数线性同余方程组求解问题,研究了该类同余方程组的数值解法,得到了解的表达式,给出了算例,算例验证了解表达式的正确性。     

并行求解约束优化问题的QP-free型算法

针对约束块可分的最优化问题,引入序列线性方程组方法和有效集策略,提出了一个求解约束块可分优化问题的QP-free型并行变量分配（PVD）算法.算法中用三个系数具有对称结构的线性方程组来代替PVD算法中的二次规划问题以求解线搜索方向,避免了约束不相容,减小了计算量.并且算法不要求约束是凸的.最后证明了QP-free型PVD算法的全局收敛性.     

线性方程组反问题的推广

线性方程组反问题的推广王卿文（山东昌潍师专数学系２６１０４３）自文［１］提出线性方程组Ａｘ＝ｂ的反问题以来，此反问题即成为人们研究的热门课题之一，文［１—７］分别给出了其正定对称矩阵解与对称矩阵解的某些解法及解集合的结构．最近，文［８］又提出了线性方...     

线性空间的亚子空间

本给出了线性空间中重子空间的概念，讨论了亚子空间的性质和维数，并将其应用到有解的非齐次线性方程组中去。     

A Mathod to Solve Systems of Fuzzy Linear Equations

§１．　ＩｎｔｒｏｄｕｃｔｉｏｎＩｎｔｈｉｓｐａｐｅｒ，ｗｅｗｉｌｌｃｏｎｃｅｒｎｗｉｔｈｓｏｌｖｉｎｇｔｈｅｓｙｓｔｅｍｓｏｆｆｕｚｚｙｌｉｎｅａｒｅｑｕａｔｉｏｎｓＡｘ＝ｂｆｏｒｘ，ｗｈｅｒｅＡｉｓａｍａｔｒｉｘｏｆｆｕｚｚｙｎｕｍｂｅｒｓ；ｘａｎｄｂａｒｅｖｅｃｔｏｒｓｏｆｆｕｚｚｙｎｕｍｂｅｒｓ．Ｉｎ［２］，ｕｓｉｎｇｔｈｅｎｅｗｓｏｌｕｔｉｏｎｃｏｎｃｅｐｔ，ｓｉｘｎｅｗｓｏｌｕｔｉｏｎｓａｒｅｄｅｆｉｎｅｄ．Ｔｈｉｓｄｉｓｃｕｓｓｉｏｎｗａｓｒｅｓｔｒｉｃｔｅｄｔｏｓｑ…     

体上右线性方程组的反问题

设Ｆ，Ｋ，Ω分别表示一个任意的体、一个具有对合反自同构的体和一个实四元数体，Ｆ^ｎ表示Ｆ上的ｎ维右向量空间．本文推广和改进了实线性方程组的反问题及一系列结果，解决了Ｆ上右线性方程组更具一般性的反问题（简称ＩＰＳ）：给定ｂ∈Ｆ^s和α_ｉ∈Ｆ^ｎ（ｉ＝１，…，ｍ≤ｎ）满足ｒａｎｋ［α₁，…，α_m］＝ｍ，求所有的ｓ×ｎ矩阵Ａ使Ａα_ｉ＝ｂ（ｉ＝１，…，ｍ）．当ｓ＝ｎ时     

成组Broyden修正矩阵的紧凑形式与成组记忆修正算法

1 引言 成组型线性方程组 其中,p是适中的数值,由于其有相当的实际应用背景,人们一直在研究有效的数值方法,特别是近年来,实际问题中归结出来的成组型方程组,其规模越来越大,又具有稀疏结构,因而使用迭代法是一种有效的途径,目前使用比较多的是Krylov子空间方法中的Lanczos方法,CG方法,GMRES方法等等。这种成组型算法的建立,其基本出发点是使算法具有较少的计算量和存储量,具体体现在: 1)成组型算法在应用于问题(1.1)的求解时,也具有有限终止性性质,而其终止步数一般要比单个型算法的步数减少了户倍,由于成组型算法每迭代一步的计算量基本上等同于单个型算法使用户次的计算量,如此,算法的计算量会有明显的改善。 2)当A存储在二级(secondary)内存时,在迭代计算时需要不断地进行存取交换,由于成组型算法的迭代步数减少了户倍,如此,用在这种交换的时间也要减少户倍,相当有效。 3)由于在成组型算法中,出现的多是AX的形式,其中,故成组型算法便于计算并行化。 4)即使用于求解单个方程组,当A的少数几个极端特征值分离甚远时,这种成组型算法也有可能改善其收敛速度,如成组型的CG方法。 目前,这种成组型算法已体现出很大的实用计算价值,然而其进一步的理论分析还有待深入研究。     

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: