H 矩阵的预条件Gauss-Seidel迭代法

讨论了线性方程Ax=b的Gauss-Seidel迭代法的求解问题.2003年,A.Hadjidimos等提出了预条件矩阵I Cα.该文证明了若系数矩阵A是H矩阵,则(I Cα)A是H矩阵.并给出两个数值例子作以说明.     

新预条件下Gauss-Seidel迭代法及比较定理

提出了一种新预处理矩阵,研究了新预条件下Gauss-Seidel迭代法的收敛性 ,得到了比较性定理,并用数值例子验证了定理的正确性,揭示了新预条件加快Gauss-Seidel迭代法的收敛速度,并优于通常的预条件（I R) .     

H-矩阵预条件Gauss-Seidel迭代法及其收敛性

提出了预条件矩阵I+Cα,并利用此矩阵讨论了H-矩阵方程组的预条件Gauss-Seidel迭代法的收敛性。一些谱半径的比较结果也被给出。     

(I+Smax)预条件Gauss-Seidel迭代法进一步探索

Kotakemori研究了不可约对角占优Z 阵的(I Smax)预条件Gauss Seidel迭代法,并证明在一定条件下,进行(I Smax)预处理比(I S)预处理收敛效果更好.本文将其收敛性定理推广到具有广泛应用背景的H 阵,并将这两类预条件Gauss Seidel迭代法相结合对不可约非奇M 阵进行两次适当的预处理,数值例子表明这样可以大大加快Gauss Seidel迭代法的收敛速度.     

(I+C_α)预条件Gauss-Seidel迭代法的收敛结果

讨论线性方程Ax=b的Gauss-Seidel迭代法的求解问题.Hadjidimos A等提出了预条件矩阵I+Cα.论文给出了线性方程组改进的Gauss-Seidel方法(称之为IMGS方法)对H阵的收敛结果,并给出数值例子.     

预条件Gauss-Seidel迭代法的收敛性

给出一种预条件Gauss-Seidel迭代法,证明了当系数矩阵A为不可约的Z-矩阵、H-矩阵、正定矩阵时该方法收敛,从而扩展了该方法的适用范围,最后通过数值例子验证所得的主要结论.     

关于Z-矩阵的一类新预条件迭代法

 给出了解线性方程组Ax=b的一类新的预条件迭代法,并证明了其收敛性.数值例子表明,所给方法比经典的Gauss-Seidel方法收敛速度快.     

新的L-矩阵线性方程组的预条件AOR迭代法

在预条件矩阵Pα=(I+Sα)和Pαβ=(I+Sαβ)的基础上提出一个新的预条件矩阵为P^αβ=(I+S^αβ)的预条件AOR迭代法,建立了新的预条件AOR迭代法与经典的AOR迭代法的比较定理,数值试验表明预条件AOR迭代法更为有效.     

解线性方程组的预条件SOR型迭代法

针对大型线性方程组问题构造了一种含有待定参数和预条件因子的新迭代解法,将其称为预条件SOR型迭代法.当待定参数ω=1时,预条件SOR迭代法就变成程光辉等人给出的预条件Gauss-Seidel型方法.讨论了当系数矩阵是不可约Z-矩阵时,SOR法和预条件SOR法的迭代矩阵所具有的性质,并通过定理将这两种迭代矩阵的谱半径进行了比较,同时给出了收敛最快时参数的取值范围.另外也将预条件SOR型迭代法和预条件Gauss-Seidel型方法进行了比较,显示了新方法的优越性.最后通过数值例子说明,选取合适的预条件因子可以使求解线性方程组的预条件SOR方法变得更有效.     

预条件后新分裂下的Gauss-Seidel迭代法收敛性讨论

针对Gauss-Seidel迭代法求解大型线性方程组Ax=b时,结合矩阵分裂理论及比较定理,给方程两边同时左乘非奇异矩阵P(也称为预条件矩阵),对新的系数矩阵PA进行矩阵分裂时,引入参数α,以使矩阵分裂更加一般化,说明这种方法不仅能加速Gauss-Seidel迭代法的收敛,而且优于一般的预条件方法.最后给出一个数值例子.     

一类改进的高斯-赛德尔迭代法的比较性定理

讨论了改进的高斯-赛德尔迭代法的收敛性．若系数矩阵为非奇异不可约M-矩阵。则该预条件下高斯-赛德尔迭代法收敛的快慢取决于原高斯-赛德尔迭代法谱半径的大小．同样,在该预条件下高斯-赛德尔迭代法的谱半径大小与其他高斯-赛德尔迭代法的谱半径大小有关     

H-矩阵及其比较矩阵的预条件Gauss-Seidel法的收敛性

讨论了新的预条件矩阵下的预条件Gauss-Seidel法.在更广义的分裂条件下,将此法应用于H-矩阵及其比较矩阵上,并得到了相应的收敛结果和谱半径的比较结果,从而说明应用于H-矩阵的预条件Gauss-Seidel法的收敛速度要比应用于它的比较矩阵的预条件Gauss-Seidel法的收敛速度快.最后,给出一个数值例子验证得到的结果.     

L-矩阵的一类新预条件迭代方法

在Evans等人提出的预条件AOR迭代法的基础上考虑一种新的预条件方法,并将其应用于AOR和2PPJ（即双参数并行Jacobi迭代法）迭代格式中,该方法不但适用范围较原方法更为广泛,即对一般的L-矩阵均适用,而且也可提高迭代的收敛速度,甚至使一些发散的迭代格式收敛。     

改进的高斯-赛德尔迭代法的收敛性分析

本文讨论了改进的高斯-赛德尔迭代法的收敛性。在严格对角占优的L-矩阵条件下,该预条件加快了高斯-赛德尔迭代法的收敛速度,而且在该预条件下高斯-赛德尔迭代法的谱半径是单调下降的。最后用数值例子说明本文得出的结论。     

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.