普拉萨德·拉加文德拉，一位美国大学的助理教授加利福尼亚大学伯克利分校，已发现一种看待和求解线性方程组的全新方法. 目前求解线性方程组的方法涉及到近似解和迭代改进，但拉格文德拉的方法似乎已经成功消除了猜测的需要.来，学点数学。
我们通常使用像雅可比法，你必须猜测答案，然后才能一次又一次地改进它，直到你得到一个答案，或者直到你对它的准确性足够满意为止。Raghavendra的方法使用随机性的概念来缩小解决方案的范围。最初，它选择一组随机向量。然后它只保留第一个方程的解。它对第二个方程重复这个过程，使用随机选择的第一个方程解的线性组合，而不是随机向量。以此类推，本质上是“拾取、移除、合并”
我想挑选随机向量有点像猜测，但现在迭代的次数不再取决于估计解的准确程度。
迪克·利普顿我在一次采访中谈到了这件事他的博客他的分析比我大学水平的线性代数所能收集到的任何东西都要复杂得多。他是哈佛大学计算机科学教授乔治亚理工学院，并且亲自和拉格哈文德拉谈过这件事，所以你得到了很好的帮助。去读他的帖子，当你在读的时候，看看评论中的高度智慧的讨论。
拉加文德拉论文证明他的方法适用于有限域。以下是算法：
（via哥德尔丢失的字母和P=NP)
有我们应该知道的提示吗？[受电子邮件保护]