浅谈线性方程组的迭代求解

求解大型稀疏线性方程组的迭代法不仅是数值代数理论部分的主要内容,也是求解实际问题的重要方法.针对3种典型的求解大型稀疏线性方程组的迭代法,即Jacobi迭代法、Gauss-Seidel迭代法和SOR迭代法,通过实际算例验证并分析了它们的计算速度和效率,为学习和使用迭代法求解线性方程组的学生及工程人员更好地理解和运用迭代法提供了参考和铺垫.     

一种改进的求解大型线性方程组的Jacobi迭代法

针对求解大型线性方程组提出了一种新的Jacobi迭代法。其思想是用Jacobi迭代法得到的当前点和上一步迭代点的组合得到下一步迭代点,并且通过求解最小二乘优化问题求得最佳组合因子。在与经典的Jacobi迭代法相同的条件下,证明了这种最优外插Jacobi迭代法的全局收敛性,进一步的数值实验也验证了新算法的有效性。     

基于PyQt5的求解线性方程组软件的设计与实现

针对高维线性方程组人为求解较难且费时费力的问题,设计了一款基于PyQt5的线性方程组求解软件,可对用户输入的线性方程组使用Jacobi迭代法和Gauss-Seidel迭代法进行实时、高效的求解,使用幂法判断迭代方法 的收敛性,并将迭代求解结果 可视化。该软件使用文本控件展示两种迭代法的迭代结果 ,使用图表控件动态绘制两种迭代法所求的误差值随迭代次数的变化图及各个自变量的取值随迭代次数的变化图。软件的界面整体设计在Qt Designer中实现,局部界面的展示根据用户操作通过Python代码动态生成。界面逻辑功能使用Python的开发工具PyCharm进行开发,使用Python编写迭代算法代码,调用PyQt5库,操作界面。本软件可直观清晰地对比两种迭代法的迭代收敛情况,快速获得线性方程组的求解近似值,实时性好,界面简洁美观,用户操作简易,具有一定的实用价值。     

稀疏线性方程组求解的逐次超松弛迭代法

针对稀疏线性方程组求解问题，在论述迭代法离散化处理基础上，以二维热传导方程为例，导出了热传导方程离散化后线性方程组，用超松弛（SOR）迭代法对产生的稀疏线性方程组进行迭代法求解，并分析了收敛性和收敛速度，将超松弛迭代算法在计算机上实现，得出了一组与精确解较接近的数值解，验证了逐次超松弛（SOR）迭代法的精确性。     

Jacobi和Gauss-Seidel迭代法求解线性方程组的分析及应用

先描述了Jacob i和Gauss-Se idel迭代法求解线性方程组的基本思想,然后给出三个收敛定理并分别对它们作出解释,举例进行分析和比较,最后给出算法,并用程序求解算例,对迭代法的学习和应用有着十分重要的意义.     

Jacobi和Gauss-Seidel迭代法求解线性方程组的分析及应用

先描述了Jacob i和Gauss-Se idel迭代法求解线性方程组的基本思想,然后给出三个收敛定理并分别对它们作出解释,举例进行分析和比较,最后给出算法,并用程序求解算例,对迭代法的学习和应用有着十分重要的意义.     

求解病态线性方程组的精细积分单参数迭代法

基于精细积分法的思想,通过引入一个单参数,提出了将单参数迭代法与精细积分法相结合的求解病态方程组的新的算法．通过两个经典算例进行验证,数值结果表明,该方法在精度和迭代次数上都有显著提高,对求解病态方程组是一种有效的算法．     

SOR迭代法收敛性判定

在简述内容的基础上，给出了当Ｊａｃｏｂｉ迭代阵‖Ｂ‖ｍ＝∑↑ｎ↑ｉ＝１ｂ＾（ｉ）≥１，ｂ＾（ｉ）＝ｍａｘ↓１≤ｊ≤ｎ｛ｂｉｊ｝时ＳＯＲ迭代法收敛的充分条件及误差估计式。将收敛的限制由‖Ｂ‖〈１部分地扩充到‖Ｂ‖ｍ≥１上。     

求解大型稀疏线性方程组的广义AOR迭代法(英文)

基于一种新的更一般分裂,文章提出求解大型稀疏线性方程组的广义AOR迭代法,它的显著特征是更易于执行并行计算.进一步,AOR方法的一些性质相应地推广到了新方法中.最后,用数值例子验证了新方法的优点.     

双参数并行Jacobi型迭代法的收敛性

双参数并行Ｊａｃｏｂｉ型迭代法的收敛性张志华（数学系）求线性方程组的解始终是一个重要课题．近年来，已取得许多成果．１９８３年Ｍｉｓｓｉｒｌｉｓ提出了并行Ｊａｃｏｂｉ型方法［１］，胡家赣１９９２年将这个方法推广到两参数的情形，称之为双参数并行Ｊａｃｏｂ...     

SOR迭代法收敛性的判定

本文在[1～3]基础上,给出 SOR 迭代法更一般适用的收敛充分条件,并得到了误差估计式,对ω=1情况,改进了[1]的主要结果。     

求解病态线性方程组的精细积分新主元加权迭代法

在精细积分法的基础上，通过构造一个特殊的加权矩阵，并将其应用于主元加权迭代法.提出了一种将主元加权迭代法与精细积分法相结合的求解病态方程组的新算法，并用该算法求解两个经典算例.实验结果表明，该算法在求解精度和迭代次数上都有明显提升，是一种可以有效求解病态方程组近似解的新算法.     

分析有限元线性方程组的求解方法

目的试图从几种常用的线性方程组的求解方法找出最优化方法. 方法从存储单元,运算量及收敛速度方面做了一系列比较分析.结果发现迭代法优于直接法,超松弛法优于其他迭代法.结论通过分析比较得出当迭代法收敛时,超松弛方法最优.     

线性方程组的套二级多重迭代法

给出一种全新的二级多重分裂迭代解法求解线性方程组，这一方法是基于多重分裂法与套迭代法的基础之上，推广了其它并行化方法，并对系数阵单调或具有优分裂时分析了方法的收敛性。     

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.     

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。     

Excel中用“规划求解”解线性方程组的方法

本文介绍了一种利用Excel中的“规划求解”功能解线性方程组的方法。该方法较其它方法简单,且适用范围较广。     

求解线性方程组的超几何球法

由解析几何观点知道,线性方程组解的几何意义是方程组中各个方程所代表的超平面的交点.根据直径对应的圆周角是直角以及直角三角形中短边对小角的原理进一步知道,当将初始点向线性方程组中各个方程所代表的超平面上投影得到投影点时,初始点和其任何一个投影点及方程组的解点都将位于一个相应的超球面上,其中必定存在一个投影点离问题解点的距离最短,即把该点作为下一次迭代的初始点,从而可将线性方程组求解的问题变成球面上逼近解点的迭代问题.利用此方法通过计算几个良(病)态线性方程组算例,说明该方法不仅具有一定的抗病态性,而且简单实用.     

求解L-矩阵线性方程组的预处理迭代法

文章提出了求解系数矩阵为L-矩阵的线性方程组的预处理迭代方法,详细研究了该方法的重要性质及比较定理,表明了新的预处理方法提高了Gauss-Seidel型迭代法的收敛速度.最后以数值例子验证了该预处理迭代法的有效性.