一类反对称迭代矩阵半迭代法的收敛性

半迭代法或称Chebyshev半迭代法是解线性方程组的一个常用且比较有效的方法,它大大提高了矩阵的收敛速度.本文依据Varga,Young,胡家赣书中介绍的迭代矩阵为对称阵时,半迭代法的收敛性的理论,以Chebyshev多项式及其基本性质作为基本工具,对一类反对称迭代矩阵,研究其半迭代法的收敛情况.从而为扩大半迭代法的适用范围奠定了基础.     

MPSD迭代法的收敛性定理

在线性方程组系数矩阵Ａ为相容次序矩阵和Ａ的Ｊａｃｏｂｉ矩阵的特征值μｊ均为实数的条件下，证明了ＭＰＳＤ迭代法的收敛定理。     

GPSD迭代法的收敛性定理

给出了一些易于检验的广义的预条件同时置换(GPSD)迭代法的收敛性定理.利用这些定理,能够较容易地判别解线性方程组Ax=f的GPSD迭代法的收敛性.数值例子证明,定理具有较好的实用价值.     

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...     

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   

GAOR方法的收敛性

本文导出 GAOR 迭代矩阵谱半径的表达式,给出了在 L 矩阵情况下 GAOR 与 GSOR 迭代矩阵谱半径之间的关系,并在系数矩阵为 L 矩阵,H 矩阵,Hermitian 正定矩阵,严格对角占优矩阵及不可约对角占优矩阵的条件下,讨论了 GAOR 迭代的收敛性,进一步扩充了文[2]、[3]的结果.     

弱一阶可微条件下Chebyshev迭代法的收敛性

研究了在弱一阶可微条件下,一种变形的Chebyshev迭代法在求解非线性算子方程时的半局部收敛性.这种弱的一阶可微条件包含了常用的Lipschitz条件和Hǒlder条件作为特殊情形,故所得收敛结果具有一般性.同时亦得到相应的误差估界及解的唯一性域等结果.     

Hermite插值算子于L~p_ω下的收敛性

讨论了基于第一类Chebyshev多项式的零点为结点的Hermite插值算子于Lpω下的收敛性,所得结果推广了A.K.Varma,J.Prasad在文中提出的结论.     

指数为1的半正定线性系统迭代方法的收敛性

当相容奇异线性系统系数矩阵的指数为1时，文章利用群逆的概念来介绍广义固定迭代方法半范数收敛，商收敛和收敛三者之间的关系，然后再利用群逆的概念来研究广义固定迭代方法半范数收敛的新条件．在保证迭代格式收敛的前提下，该条件比Keller的P-正则条件要弱．     

解非埃尔米特线性方程组的外推迭代法的收敛性

为探讨非埃尔米特线性方程组的迭代算法,考虑非埃尔米特线性方程组的外推迭代法,讨论其收敛性,得到了两类外推算法的收敛性结果,该结果表明,在一定的参数范围内,外推算法是收敛的.并通过数值算例验证了理论结果的正确性.     

求解大型稀疏线性方程组的贪婪距离随机Kaczmarz方法

基于一种从系数矩阵中选取工作行的新概率准则提出一类求解大型稀疏线性方程组的贪婪距离随机Kaczmarz方法 .理论表明该方法收敛到相容线性方程组的最小范数解,而且该方法的理论收敛因子小于经典随机Kaczmarz方法的收敛因子.数值实验表明该方法比传统的随机Kaczmarz方法收敛更快.     

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。     

一种序列线性方程组滤子算法的收敛性分析

笔者曾提出一种不可行序列线性方程组滤子方法.它将不可行无需二次规划(QP-free)方法与滤子技巧结合,可以避免罚参数的选取.只需求解两个具有相同系数矩阵的线性方程组以得到搜索方向.在一定程度上克服了序列二次规划方法的缺点.在以上算法的基础上,增加了一个同系数矩阵的线性方程组以计算二阶校正步,使得算法避免了Maratos效应.在一定的条件下,证明了该算法的局部超线性收敛性.     

多元线性递归序列收敛的条件

将二元变系数线性递归序列收敛条件的结论推广到一般的多元情形.特别地,运用由Jordan子块构成的分块对角矩阵及其性质,证明了在允许重置初始值的情况下,多元变系数线性递归序列收敛的必要条件.     

求解大型稀疏线性系统的贪婪双子空间随机Kaczmarz方法

基于一种有效的从系数矩阵中选取两个工作行的贪婪概率准则,提出一类求解大型稀疏线性系统的贪婪双子空间随机Kaczmarz方法。理论证明该方法收敛到相容线性系统的最小范数解,而且该方法的理论收敛因子小于原始双子空间随机Kaczmarz方法的收敛因子。数值实验表明,该方法在求解性能方面较原始双子空间随机Kaczmarz方法更具优势。     

一个超线性收敛的广义投影序列方程组算法

讨论了非线性不等线约束最优化问题,在较温和条件下,采用广义和投影和序列线性方程相结合的技术,建立一个新的可行下降算法,证明了算法的全局收敛性和超线性收敛性。该算法每交迭代只需解２个线性方程组。     

线性动力系统可化为线性自治Birkhoff动力系统的条件

研究一般线性动力系统何时转化为线性自治Birkhoff动力系统的问题，给出线性自治Birkhoff动力系统与线性自治Hamilton动力系统等价性的定理，并推导出2n维线性动力系统转化为线性自治Birkhoff动力系统条件，通过运用若当形对转化条件进行分析，分情况给出Bikhoff张量非退化的条件。     

Krylov子空间投影法研究进展

Ｋｒｙｌｏｖ子空间投影法是一类非常有效的大型稀疏线性代数方程组解法，已被广泛应用于各种领域，随着左右空间Ｌｍ，Ｋｍ的不同取法可以得到许多人们熟知的方法．本文按矩阵Ｈｍ的不同类型，即为上Ｈｅｓｓｅｎｂｅｒｙ阵还是三对角阵将Ｋｒｙｌｏｖ子空间投影法分成两大类，从每步迭代是否具有最优性和方法的存储量、计算量等方面对Ｋｒｙｌｏｖ子空间法及其最新进展进行评述，指出Ｋｒｙｌｏｖ子空间法的局限及今后的研究方向．