严格次对角占优线性方程组迭代法的收敛性分析

Jacobi迭代法、Guass-Seidel迭代法和SOR迭代法是求解线性方程组的常用迭代方法.本文证明了系数矩阵严格次对角占优时,Jacobi迭代法、Guass-Seidel迭代法和SOR迭代法均收敛,并给出了相应的误差估计.通过比较三种迭代法的误差上界,指明Guass-Seidel迭代法的误差上界最小.     

病态线性方程组的并行迭代求解

分析了病态线性方程组的相关概念及判别方法,给出了一种病态线性方程组并行迭代的求解算法。算法首先对病态线性方程组的系数矩阵进行严格对角占优预处理,在此基础上,用并行的Jacobi迭代法进行多步迭代求解。新算法易于在多核架构的微机中实现,且数值实验也验证了算法具有良好的收敛性和并行性。     

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。     

G—函数及其在迭代法中的应用

该文主要介绍G-函数的概念及其在线性方程组迭代法中的应用,利用G-函数得到了Jacobi迭代、Seidal迭代与SOR迭代的收敛准则,这些准则包含了上述三种迭代法大量的收敛性的充分条件,因此,极大地扩充了迭代法的适用范围。     

一类最优的多项式加速方法

讨论一类求解线性代数方程组的多项式加速方法(半迭代法)，其中加速多项式在平方平均意义下达到极小。在权函数为Jacobi权和基本迭代可对称化的情况下，证明了方法是收敛的。     

线性方程组的迭代解法

线性方程组的数值求解常见于许多科学与工程计算领域,介绍了求解大型线性方程组的主要迭代算法。首先,对一些经典迭代法（Jacobi方法、Gauss-Seidel方法、SOR方法、SSOR方法和CG方法等）进行了详细的讨论,并从理论上对收敛性进行分析。其次,讨论了最新的Hermitian/Skew-Hermitian splitting（HSS）迭代理论,给出了迭代公式和收敛性定理。最后,通过数值实验对所有迭代法的有效性进行了验证。     

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。     

一类特殊矩阵的AOR迭代收敛条件

A．Hadjidimos提出了一个迭代求解线性方程组的AOR方法(Accelerated Over relaxation Method),并讨论了Jacobi迭代矩阵的特征值为实数时此方法的收敛性．在此基础上,讨论了系数矩阵A为(1,1)相容次序矩阵、Jacobi迭代矩阵的特征值为复数时AOR迭代法的收敛情况．给出一个判定收敛的条件．扩充了A．Hadjidimos的结果,并以一个数值例子加以说明．     

求解HJB方程的两类迭代法研究

研究了Jacobi型迭代法和Gauss-Seidel型迭代法来解离散HJB方程,在一定条件下,证明了算法产生的迭代序列单调收敛于HJB方程的解。数值实验表明了算法的可行性。     

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.     

自共轭椭圆偏微分方程的m-step Jacobi PCG方法

M-step Jacobi预处理共轭梯度法被用于求解源于自共轭椭圆偏微分方程的有限元或有限差分逼近的大型稀疏线性系统.这种方法的应用基础是相应的Jacobi迭代收敛.研究结果表明:偶数步的Jacobi预处理共轭梯度法较相邻奇数步的Jacobi预处理共轭梯度法更有效,步数越多,收敛速度越快.     

预条件下2PPJ型方法收敛性的加速

Hiroshi Niki等讨论在预条件PS=I S下加速Gauss-Seidel迭代法的收敛性,该文讨论在预条件PC=(I C)下解线性方程组Ax=b,通过预条件提高Jacobi型迭代方法的收敛性,进而使两参并行Jacobi型方法(简称2PPJ方法)的收敛性得到加速,最后给出一个例子.     

解具特殊系数矩阵线性代数方程组的预条件迭代法

文章考虑具有更优特性的分块矩阵，（具有性质A的矩阵），给出了预条件Jacobi、Gauss—Seidel、对称Gauss—Seidel迭代矩阵与传统块Jacobi迭代矩阵二者特征值之间的关系，作为应用，选取某个恰当的预条件因子，在传统块Jacobi迭代法不收敛的情况下，预条件块迭代法能收敛．     

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.     

求解线性方程组迭代法的Excel实现

本文介绍了在Excel工作表中,用迭代法求解线性方程组的具体实现方法.列举了线性方程组求解的Jacobi迭代法、G-S迭代法和SOR方法.方法简单,结果直观.     

解非线性方程的一种新的三步六阶迭代格式

Newton迭代法是求解非线性方程的重要方法之一,其收敛阶是二阶,在迭代过程中需要计算一个函数值和一个导数值,因此Newton迭代法的效率指数为1.414 2。基于Newton迭代法结合两步迭代格式构造了一种新的三步迭代格式,通过理论证明其收敛阶是六阶,在迭代过程中每次均需要计算2个函数值和2个导数值,则该三步迭代格式的效率指数为1.565 1,最后数值实验结果也验证了该方法的有效性和可行性。     

一维对流扩散方程的4种差分格式的Jacobi迭代收敛性比较

针对一维常系数对流扩散方程采用不同的差分格式离散后所得到的线性系统,通过直接估计Jacobi迭代矩阵的谱半径,比较了不同差分格式下点Jacobi迭代方法的收敛性,并通过数值算例进一步验证了所得理论结果的正确性.     

线性方程组迭代解法平均收敛速度收敛阶的定量估计

由迭代法平均收敛速度与渐进收敛速度的关系引入近似估计法,即通过对迭代平均收敛速度取对数,然后使用数值拟合软件CurveExport1.3给出拟合函数,最终得到了Jacobi迭代法和Gauss-seidel法平均收敛速度收敛到渐进收敛速度的近似收敛阶,且该法适用于其他迭代法平均收敛速度的估计。     

模糊线性方程组的基本迭代解法

利用迭代法求解模糊线性方程组是一种重要的方法.研究了模糊线性方程组的几种基本迭代解法.在模糊线性方程组系数矩阵是拟对角占优矩阵的条件下,得到了迭代法的收敛性定理.最后,给出了数值例子.     

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.