Sylvester矩阵方程的改进IO迭代算法

通过对Sylvester矩阵方程的理论分析,可知IO迭代算法中迭代矩阵的谱半径随内迭代次数的增大而减小,更新了IO迭代算法中内迭代次数的选择方法,并证明了该算法收敛性与初始矩阵无关。Sylvester矩阵在满足一些特定条件下,为了进一步提高收敛速度,可通过选择适当的相关参数,使得IO迭代算法有较好的收敛速度且比Smith算法的迭代次数明显减少。     

两种预优AOR方法在二级迭代过程中收敛性的比较

对于线性系统Ax=b,当A为L-矩阵时,通过两种预优AOR迭代方法收敛的谱半径的比较,给出在二级迭代的情况下,外迭代的JR1-收敛因子的更为精确的结果,     

非线性互补问题的改进超松弛迭代算法

运用松弛迭代算法与矩阵分裂理论,提出了求解非线性互补问题的改进超松弛迭代算法.这类算法设计了两个参数:第一个参数控制了迭代阵的谱半径,从而使算法收敛,适当选取第二个参数,加快了算法的收敛速度.在一定条件下证明了算法的全局收敛性.     

计算非负不可约矩阵谱半径的新算法

设A=(at,J)n×n为非负不可约矩阵,设计一种计算非负不可约矩阵谱半径p(A)的通用迭代算法,并证明算法的收敛性.数值实验表明,该算法比幂法迭代算法具有较快的收敛速度.     

中心对称线性互补问题的一类迭代算法

在考虑中心对称矩阵可约性的基础上,运用矩阵分裂理论,分别提出求解中心对称线性互补问题的对三角分裂松驰迭代算法和对三角分裂松驰迭代算法,并对2种算法进行收敛分析和数值实验.结果表明,当线性互补问题的系数矩阵对角元为正的H-矩阵时,2种算法都全局收敛,所得迭代阵的谱半径都为0.5,比传统的Jacobi分裂迭代算法和Gauss-seidel迭代算法的收敛速度都好.新算法节约了计算量与计算机的存贮空间,较大地提高了计算效率.     

Richardson迭代法的松弛策略

将Richardson迭代法拓展应用于更一般的线性方程组求解中. 先用相似变换矩阵对迭代过程和迭代矩阵进行重新表示, 基于使迭代矩阵的谱半径达到极小值, 给出最优松弛参数的取值方法; 然后针对最小特征值难计算的问题, 提出一种仅依赖于最大特征值的加速收敛策略.     

L-矩阵的AOR和预优AOR方法在二级迭代过程中收敛性的比较

考虑线性系统Ax=b,当A为L-矩阵时,通过利用AOR迭代方法收敛的谱半径与预优AOR方法的比较,给出了在二级迭代的情况下,外迭代的R1-收敛因子更为精确的结果.     

Lyapunov方程迭代解的指数收敛性

对于在状态估计和多传感器信息融合领域遇到的Lyapunov方程,用矩阵理论证明了Lyapunov方程迭代解的指数收敛性,且证明了收敛速度被Lyapunov方程中的两个矩阵的谱半径决定。当谱半径明显小于1时,可实现得到Lyapunov方程解的快速算法。     

2－块AOR迭代解最小二乘问题的最优收敛性

讨论用２－块ＡＯＲ迭代法解大型稀疏最小二乘问题的收敛性，给出其收敛的充要条件及其收敛域．进而证明；当时，ＡＯＲ迭代矩阵的谱半径，它远比相应的最优２－块ＡＯＲ迭代矩阵的谱半径好得多．     

用拟高斯赛德尔迭代法求解鞍点问题的一个注记

对大型稀疏矩阵对应的鞍点问题给出了拟高斯赛德尔迭代法,该迭代法是基于对系数矩阵进行的一种添加Q阵的分裂.对该方法的迭代矩阵作了谱半径的讨论,分析收敛性,只有给出简单的左乘变换时该迭代方法才是收敛的.