大型稀疏线性方程组的求解是许多科学和工程计算中的重要问题。当前计算机技术发展飞速，大型科学计算已经进入大规模并行计算时代，基于并行计算环境研究大型稀疏线性系统的高效并行算法显得尤为重要。稀疏近似逆方法具有良好的并行性特点，且已经被证实具有较强的健壮性，它也能克服诸如不稳定等问题，所以对稀疏近似逆方法研究具有较大的理论研究和实际意义。　　 本文提出了基于目标矩阵正交投影的稀疏近似逆预处理方法。这种方法考虑的是基于Frobenius范数最小化‖T-PA‖F的近似逆技术，其中P∈S，S是Rn×n的某一向量子空间，T是目标矩阵，那么T-1P是预处理子。这时原预处理矩阵PA（或者AP）以T为新的目标，而不是以单位矩阵I为目标，这就是目标矩阵的含义。由最小化Frobellius范数‖T-PA‖F得到的“最优矩阵”只是在某种意义上的最优，但是当P∈S时是最小的。　　 本文首先分类介绍了大型稀疏线性方程组的迭代法和预条件迭代法。然后介绍了稀疏近似逆方法的主要理论和当前较为成功的算法。并结合数值实验对这几种算法的健壮性、有效性、并行性进行了比较。本文还介绍了基于目标矩阵的稀疏近似逆方法，并进行了数值实验。最后详细阐述了基于目标矩阵的正交投影的稀疏近似逆预处理方法。根据这个方法，在目标矩阵特殊化为正交矩阵的情况下，得到了预处理后的矩阵的一些谱分析结果。