许多大规模科学计算问题的数值模拟最终归结为大型稀疏线性或非线性代数方程组的求解.而代数方程组的求解时间往往在整体数值模拟时间中占有非常大的比重，以致成为整体数值模拟的瓶颈.因此，设计高效的代数解法器是求解这类问题的关键所在，同时也是设计相关高性能软件的基石.目前，在给定Krylov子空间迭代方法的前提下，有两种途径可以降低大型稀疏代数方程组的求解时间.一种是并行计算，另一种是使用预处理技术.　　本文主要研究了三项内容:一种并行Krylov子空间算法的设计与分析;一种新的基于模板消元的预处理技术和在研究预处理理论中遇到的一类特征值反问题.　　首先，针对Krylov子空间迭代法并行计算的瓶颈问题:全局通信，以文献中最近出现的GPBiCG(m，l)方法为例来说明如何设计并行Krylov子空间方法.设计思想是将原方法中的每次迭代需要的三个内积同步点降低到一个.我们称新方法为改进的GPBiCG(m，l)(简称为IGPBiCG(m，l))方法.本文理论上证明了IGPBiCG(m，l)方法的并行可扩展性比原方法好3倍以上，证明了当问题的规模足够大时，在相同条件下IGPBiCG(m，l)方法的求解时间相比原方法节省趋向于66％.数值试验得到了与理论分析相吻合的结果.另外，尽管GPBiCG(1，0)方法数学上等价于BiCGSTAB，但是数值试验表明IGPBiCG(1，0)方法的收敛性比中的IBiCGSTAB方法好.　　其次，提出了一种基于模板消元的新的预处理技术.文提出了基于数学模板(Stencil)消元方法来构造并行差分格式，我们将这种方法发展为一种模板消元预处理技术.对于由五点差分格式或七点差分格式离散二维或三维偏微分方程得到的，经过对角尺度化的大型稀疏线性方程组，证明了使用模板消元预处理技术后，利用Krylov子空间迭代法求解预处理线性方程组的速度是求解原方程组速度的两倍.这种预处理技术易于实施，且容易和其它现有的预处理技术结合使用.数值试验结果表明，将其与ILU(0)等预处理方法结合使用，能明显地加快Krylov子空间迭代法的收敛速度.另外，基于数学模板消元技术，我们提出了具有良好并行性的代数模板消元法.讨论了如何利用代数模板消元法求矩阵的逆，并且分析了这种方法计算复杂度.　　最后，为了保持特殊矩阵之逆的一些性质，我们提出了一种简单且实用的算法，以求解非负矩阵和M矩阵的特征值反问题.给出了算法的稳定性、敏感性、计算量分析以及非负矩阵反问题与M矩阵反问题可解的充分条件和必要条件;将新算法发展成为一种多层自适应算法，并以大量的算例验证了算法的有效性.