一类迭代矩阵SSOR半迭代法的收敛性

本文在线性方程组Ax=b的迭代矩阵B2是弱循环指数为2的相容次序矩阵,且矩阵的特征值满足σ（B^2） [0,β^2]β：=ρ（B）〈1的假设下,研究了SSOR半迭代方法。若用渐近收敛因子刻画迭代的收敛速度,得到结论：半迭代SSOR方法加速了取最优参数时的SSOR方法。     

块AOR,块SOR和块JOR迭代法的收敛性

本文引进块Jacobi迭代矩阵B的优矩阵(?),来研究解线性方程组的块AOR、块SOR和块JOR迭代法的收敛性。即若‖·‖是矩阵的某个相容范数。且‖B_(ij)‖(?)β_(ij),i,j=1,…,m,则令(?)=(β_(ij))。利用(?),我们给出了块AOR(0(?)γ<2/[1+ρ(?)]),0<ω相似文献   

SOR与SSOR迭代法收敛速度的关系

当A为非奇异的M-阵时,Woznicki只指出了SSOR迭代矩阵的谱半径ρ(SA,ω)小于SOR迭代矩阵的谱半径ρ(LA,ω),对于参数ω(0,1|和ρ(J)(0,1|(其中J是A的Jacobi迭代阵),但两者之间谱半径的大小关系没有给出一个确定的式子表示,在文中,我们建宴了SSOR与SOR迭代矩阵谱半径之间的关系,使得满足如下关系:ρ(SA,ω)≤(1-ω ωρ(J)2≤ρ(Laω)≤(1-ω ωρ(J<1,Aω∈(0,11,ρ(J)∈[0,1]这推广了Woznicki的结果,最后给出一个例子来验证我们的结果.     

关于JOR迭代法的收敛性质

结合Jacobi矩阵的特征值,求出了JOR迭代法收敛的充要条件.对于Jacobi矩阵特征值全部为实数以及全部为纯虚数和(或)零的两种情形,分别确定了最佳松弛因子.同时证明了对一类常见的系数矩阵,最佳的JOR迭代法即为Jacobi迭代.最后给出了相关数值实例.     

USSOR迭代法和Jacobi迭代法的敛散性

证明了当Ｊａｃｏｂｉ迭代矩阵Ｂ非负时，解线性方程组（系数矩阵为不可约）的ＵＳＳＯＲ法（０〈ｗ１，ｗ２〈１）和Ｊａｃｏｂｉ法同时敛散，给出了ＵＳＳＯＲ法迭代矩阵之谱半径ρ（ψ１，ｗ２）和ρ（Ｂ）之间的关系。     

关于Lγ,ω的敛散性定理

本文讨论了非负Jacobi矩阵B和AOR矩阵L_(γ,ω)(1≤ω≤γ<2),证明了它们同时敛散,揭示了ρ(B)和ρ(L_(γ,ω))之间的关系,并给出了估计谱半径ρ(L_(γ,ω))的上下界的两组不等式。     

广义特征值问题的同时迭代法

<正> 1 引言 对广义特征值问题:Ax=λBx (1)其中A是n×n对称矩阵,B是n×n对称正定矩阵。当A和B是大型稀疏矩阵时,一种比较有效的方法是用Cholesky方法将B分解为 B=LL~T (2)其中L是下三角阵,按照变换, y=L~Tx (3)问题(1)变为 L~IAL~Ty=λy (4)然后对(4)应用同时迭代法(为了方便,后面称为同时送代法1):     

含参数分裂形式下的SSOR迭代法敛散性分析

目的改变和加速SSOR迭代法的收敛性。方法在以往预处理的基础上,通过引入参数改变矩阵的分裂形式,再通过矩阵比较理论比较迭代法的收敛速度。结果与结论这种新方法能加快SSOR迭代法的收敛速度,为科学计算中求解线性方程组节省时间。     

预条件Pc=(I+C)后SSOR迭代法收敛性的加速

目的加速SSOR迭代法的收敛性。方法运用矩阵分裂理论及比较定理进行证明。结果得到矩阵为严格对角占优L-矩阵时,预条件后能够加速SSOR迭代法的收敛速度。结论对于求解差分方法、有限元方法及科学计算中产生的线性方程组提供理论支持。     

新的预条件的Jacobi迭代法及比较性定理

提出了一种新的预条件矩阵,并讨论了该预条件下Jacobi迭代法的收敛性,得到了比较性定理,揭示了预条件Jacobi迭代法的收敛速度和参数之间的关系。最后给出数值例子验证了该预条件迭代格式优于通常的预条件法。     

关于Jacobi,Gauss-Seidel迭代法收敛的判别方法

本文引入矩阵广义对角占优的概念，从而推广了迭代法收敛性的判别范围，关给出了几个判 别迭代法收敛的充分条件且附有关实例。     

对非线性方程(组)简单迭代法的一种新改进

在使用简单迭代法解非线性方程(组)时,要求迭代函数f(x)(F(x))必须满足q=supx∈D|f′(x)|<1(q′=supx∈D‖F′(x)‖<1)。如将迭代函数f(x)导数的最大模(F(x)的Jacobi矩阵最大范数)超出上述取值区间情况下的迭代函数f(x)(F(x))进行一系列恒等变形,建立一个新的迭代函数,让其导数的最大模(Jacobi矩阵最大范数)落在上述取值区间内,再运用压缩映射原理逐步逼近求出非线性方程(组)的近似解。这是一种新的改进,有更广的应用范围。两个数值计算实例表明,恒等变形得到这种新的迭代序列收敛,该方法可行。     

迭代法解线性方程组的收敛性比较

迭代法是解线性方程组的一个重要的实用方法,特别是适用于求解在实际中大量出现的系数矩阵为稀疏阵的大型线性方程组,而Matlab程序能够提高实际计算的能力和计算的速度。用Matlab程序来实现解线性方程组Jacobi的迭代和Gauaa-Seidel迭代,特别给出一种新的迭代方法的Matlab程序,并对这3种迭代法收敛条件及收敛速度做出比较。     

预条件的Jacobi迭代法及比较性定理

利用预条件矩阵P=(I+Cα)讨论了预条件下Jacobi迭代法,得到了比较性定理,并揭示了预条件Jacobi迭代法的收敛速度和参数之间的关系.最后用数值例子验证了所得结果的优越性.     

预条件Jacobi迭代方法及比较定理

利用一种新的预条件矩阵讨论了预条件Jacobi迭代方法,得到了比较定理,并且揭示了预条件Jacobi迭代方法的收敛速度和参数之间的关系.     

外推Gauss-Seidel迭代法的收敛性及其与H-矩阵的关系

考虑外推Gauss-Seidel迭代法的收敛性及其与H-矩阵的关系, 给出了外推Gauss-Seidel迭代法与Jacobi迭代法收敛性的关系及收敛的参数范围. 利用最优尺度矩阵及M^-1N的估计量给出了H-矩阵外推Gauss-Seidel法谱半径的上界估计式, 并基于外推Gauss-Seidel及Gauss-Seidel迭代法得到一般H-矩阵的等价条件.     

预条件双参数并行Jacobi型方法及外插迭代收敛性和Jacobi迭代收敛性的比较

讨论了在矩阵条件下预条件方法在双参数并行Jacobi方法上的加速作用，以及参数在迭代上的作用，比较了外插迭代矩阵和Jacobi迭代矩阵谱半径之间关系。     

抗差估计理论与方法研究

对线性模型的线性迭代和非线性迭代求解方法的性质进行了详细研究，分析了抗差估计理论与方法的数学性质和特点，描述了线性与非线性两种方法的解特点和解轨迹，从理论上深入研究了测量数据处理中迭代抗差估计方法的有关性质，针对估计，分析了初始值和迭代限差与收敛性和解可靠性之间的关系，解决了抗差估计方案设计和技术实现过程中的几个技术难题。     

改进的古典迭代法对于M-矩阵谱半径的比较结果

近四十年来许多文章致力于研究在系数矩阵是M 矩阵的情形下,线性方程组的预处理子的修改与完善,目的是为了改善古典迭代法(Jacobi,Gauss Seidel迭代法等)的收敛速度.本文对其中的Milaszewicz的方法(见文献[1])做出改进,将其结论中的预处理子参数化,并对参数的选择给出必要条件,以保证这种预处理方法收敛,从而得到在这种改进的预处理方法下,Jacobi及Gauss Seidel迭代法的迭代矩阵谱半径的比较结果.