作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
向Krylov子空间中加入一些模接近于零的特征值对应的特征向量能够加快收敛速度,事实上,对于这些模接近于零的特征值对应的特征向量,可以用Krylov子空间方法得到,并且在新的Krylov子空间形成的过程中,近似特征向量的近似度会不断提高,特别在标准Krylov子空间方法中,如果因为这些特征向量而减缓了收敛速度,则随着这些特征向量的近似度的提高,用增广Krylov子空间方法解线性方程组的收敛速度会明显加快.Lanczos算法是求解大型对称不定线性方程组的有效方法之一.但在计算过程中由于Lanczos向量失去正交性减慢了收敛速度.本文根据增广Krylov子空间方法提出循环收缩 Lanczos算法,新算法充分利用 Lanczos过程所得到的谱信息,确定预处理,从而加速Lanczos算法的收敛速度.
推荐文章
求解对称正定线性方程组的正交基变换方法
线性方程组
对称正定
正规方程组
施密特正交化
大型线性方程组求解的可验证外包算法
云计算
外包计算
可验证
大型线性方程组
多步记忆下降法求解病态线性方程组
线性方程
病态方程组
记忆梯度算法
人工鱼群算法在求解非线性方程组中的应用
非线性方程组
人工鱼群算法
近似解
进化计算
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 求解大型对称线性方程组的循环收缩Lanczos算法
来源期刊 南京航空航天大学学报 学科 数学
关键词 大型对称线性方程组 Lanczos算法 Krylov子空间
年,卷(期) 2002,(5) 所属期刊栏目
研究方向 页码范围 501-504
页数 4页 分类号 O241.6
字数 2569字 语种 中文
DOI 10.3969/j.issn.1005-2615.2002.05.022
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 杨秀绘 南京航空航天大学理学院 3 4 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (3)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2006(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
大型对称线性方程组
Lanczos算法
Krylov子空间
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
南京航空航天大学学报
双月刊
1005-2615
32-1429/V
大16开
南京市御道街29号1016信箱
28-140
1956
chi
出版文献量(篇)
3509
总下载数(次)
9
总被引数(次)
36115
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导