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     

关于某些迭代矩阵谱半径的上界

设Ａ＝（ａｉｊ）∈Ｃｎ×ｎ,ａｉ≠０,ｉ＝１,２,…,ｎ,Ｄ＝ｄｉａｇＡ,Ｅ、Ｆ均为Ｄ－Ａ的一部分,且Ｅ＋Ｆ＝Ｄ－Ａ．Ｒ＝ｄｉａｇ｛ｒ１,…,ｒｎ｝,Ω＝ｄｉａｇ｛ｗ１,ｗ２,…,ｗｎ｝,Ｒ＝ｄｉａｇ｛ｒ１,ｒ２,…,ｒｎ｝,Ω＝ｄｉａｇ｛ｗ１,ｗ２...     

用拟高斯赛德尔迭代法求解鞍点问题的一个注记

对大型稀疏矩阵对应的鞍点问题给出了拟高斯赛德尔迭代法,该迭代法是基于对系数矩阵进行的一种添加Q阵的分裂.对该方法的迭代矩阵作了谱半径的讨论,分析收敛性,只有给出简单的左乘变换时该迭代方法才是收敛的.     

一个高斯-赛德尔方法解方程组的有趣结果

本文首先介绍了用高斯-赛德尔方法求解一般线性方程组的问题,其次介绍了与高斯-赛德尔方法收敛性有关的几个已有结果,然后给出了用高斯-赛德尔方法求解一般三对角方程组收敛的充分必要条件,最后在收敛的条件下给出用高斯-赛德尔方法求解一般三对角方程组的计算机实现.     

一些迭代法的迭代阵谱半径的上界估计

在用迭代法求解线性方程组时,迭代矩阵的谱半径估计及其收敛性分析是非常重要的.该文对一类α-严格对角占优矩阵,在一定条件下给出了SOR迭代法迭代矩阵的谱半径的上界估计.文中也讨论了Gauss-Seidel,AOR迭代法的迭代阵的谱半径的上界估计.     

非负矩阵谱半径的新界

给出非负矩阵A与B的Hadamard积谱半径上下界的新估计式,这些新估计式丰富了ρ(A°B)界的估计.数值算例表明新估计式改进了文献中杜琨的结果.     

一类迭代矩阵的谱半径的上界估计

对一类广义对角占优矩阵M,本文加强了对迭代矩阵M-1N的谱半径的上界估计的一些结果,并推广到相应的块形式.另外,我们还用块范数对M-1N的谱半径进行估计,并提出了实用的估计策略.     

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。     

一种0-1矩阵谱半径的快速估计

0-1矩阵是很多领域中常见的一类矩阵,我们利用可约性及其性质,对0-1矩阵谱半径的上下界进行估计,给出了一种快速估计方法,数值实验表明该方法是有效的.     

计算非负不可约矩阵谱半径的新算法

设A=(at,J)n×n为非负不可约矩阵,设计一种计算非负不可约矩阵谱半径p(A)的通用迭代算法,并证明算法的收敛性.数值实验表明,该算法比幂法迭代算法具有较快的收敛速度.     

关于外推Gauss-Seidel迭代法的收敛速度比较

给出了一定条件下的外推Gauss Seidel迭代法的最优外推参数和谱半径,并深入细致的讨论了Gauss Seidel迭代法和外推Gauss Seidel迭代法的收敛速度的比较,证明了在一定的条件下,最优外推Gauss Seidel迭代法总是比Gauss Seidel迭代法收敛的快.并给出了简单的数值例子以说明此结果.     

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.     

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.     

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.     

图的Laplacian谱半径界的可达性

设G为n阶连通的简单图 ,ρ(G)为图G的邻接谱半径 ,μ(G)表示G的Laplacian谱半径。(d1,d2 ,… ,dn) (其中d1≥d2 ≥…≥dn)为G的顶点度序列 ,令r=max{d(u) +d(v) ｜ (u ,v) ∈E(G) } =d(x) +d(y) ,s=max{d(u) +d(v)｜ (u ,v) ∈E(G) - (x ,y) }。该文证明了μ(G)上下界的可达性 :μ(G) =μ≤ 2 + ρ(LG) ,等式成立当且仅当G是偶图。μ(G)≤ 2 + (r- 2 ) (s- 2 ) ,成立等式当且仅当G为半正则偶图或P4 。μ(G)≥d1+ 1,成立等式当且仅当d1=n- 1。     

树的谱半径

证明了一个使树的谱半径严格递增的变形（换）；获得了ｎ顶点树谱半径的更紧上界，这个界是顶点数为ｎ、边独立数为ｑ的树谱半径的上确界     

图的Laplacian谱半径的界

设G为n阶简单连通图，V（G）为G的顶点集，E（G）为G的边集，du表示顶点u的度，Tu表示顶点u的2－度，μ（G）表示图G的Laplieian谱半径。该文证明了μ（G）≤man{√du^2 dv^2 Tu Tv|uv∈E(G)}。特别，若G为偶图，则min{√du^2 dv^2 Tu tv}uv∈E（G）≤μ（G）≤min{√du^2 dv^2 Tu tv|uv∈E(G)}。     

一类预条件后AOR迭代法谱半径的最小值

运用矩阵分裂理论及比较定理,获得了当线性方程组系数矩阵A对角占优L-矩阵时,预条件Gauss-Seidel迭代法是常见的几类迭代法中收敛速度最快的方法.最后给出一个数值例子.