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。     

关于Z-矩阵的修正不完全高斯-赛德尔迭代法谱半径的单调性

分析了预处理经典高斯-塞德尔迭代法过程中参向量α的选取对迭代的影响。在0≤α≤e的情况下,证明了对于Z-矩阵,当经典高斯-赛德尔迭代法收敛时,修正不完全高斯-赛德尔迭代法的迭代矩阵的谱半径对于α是严格单调递减的。     

基于三维对流扩散方程四阶紧致差分格式的预条件迭代法

针对三维对流扩散方程,采用四阶紧致差分格式和预条件迭代法进行数值实验,利用带填补数的不完全LU分解（ILUT（τ,s））做预处理器,FGMRES（20）做迭代加速器对离散所得方程组进行求解．验证了四阶紧致差分格式的计算精度,通过比较预条件迭代法与高斯一赛德尔迭代法以及超松弛迭代法的迭代次数和CPU时间,充分显示了预条件迭代法的高速求解特性．     

一类新预条件下AOR迭代法比较性定理

讨论了新预条件下AOR迭代法的收敛性.若系数矩阵为非奇异M-矩阵,该预条件加快了AOR迭代法的收敛速度,而且该预条件下AOR迭代法的谱半径是单调下降的.最后用数值例子说明了结论.     

预处理后含参数形式的SOR迭代法收敛性

在运用SOR迭代法求解线性方程组Ax=b时,针对常见的预条件矩阵P=(I+S),本文给出预处理后迭代法的一类含参数分裂形式As=1γ{[αI-γ(L-S+L1)]-[(α-γ)I+γD1+γU]},使得分裂形式更加一般化,当α=1时就成为常见的预条件SOR迭代法。结合矩阵分析和矩阵比较定理,讨论这种含参数分裂形式下的SOR迭代法不仅能加速SOR迭代法,而且收敛速度超过常见预条件SOR迭代法,通过参数α的不同取值找到迭代法谱半径的变化趋势,得到当参数γ=α时该方法的谱半径最小,即收敛速度最快。最后给出数值例子加以验证。     

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.     

一类新预条件下AOR迭代法收敛性的讨论

对AOR迭代法解线性方程组,讨论在一类新的预条件下AOR迭代法收敛性的加速,证明在非奇异M-矩阵下该预条件加速AOR迭代法的收敛性,而在非奇异不可约M-矩阵下能严格加速AOR迭代法的收敛性.最后给出一个例子说明该预条件要优于通常的预条件(I+S).     

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。     

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SOR迭代法和AOR迭代法的比较

研究M-矩阵类的预条件SOR迭代法,将其与相应矩阵的AOR迭代法进行比较,得到它们收敛性的比较定理,并从理论上证明预条件SOR迭代法优于AOR迭代法.     

预条件AOR迭代法的比较定理

讨论了预条件AOR迭代法的收敛性,并给出了关于预条件AOR迭代法和经典AOR迭代法的谱半径的比较,证明了文章所提出的预条件迭代法提高了经典迭代法的收敛率.     

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.     

含参数的SOR迭代法收敛性讨论

讨论一类含参数的SOR迭代法求解线性方程组, 得到参数在一定范围内取值时这种方法的收敛性优于一般的SOR迭代法, 同时给出参数取不同数值时迭代法谱半径之间的关系, 最后给出一个数值例子.     

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.     

外推Gauss-Seidel迭代法的收敛性及其与H-矩阵的关系

考虑外推Gauss-Seidel迭代法的收敛性及其与H-矩阵的关系, 给出了外推Gauss-Seidel迭代法与Jacobi迭代法收敛性的关系及收敛的参数范围. 利用最优尺度矩阵及M^-1N的估计量给出了H-矩阵外推Gauss-Seidel法谱半径的上界估计式, 并基于外推Gauss-Seidel及Gauss-Seidel迭代法得到一般H-矩阵的等价条件.     

张量具有线性收敛速度的迭代算法

基于计算非负张量谱半径的高阶幂法, 给出一种新的迭代算法判定强H张量. 结合不等式的放缩技巧和非负张量的Perron-Frobenius定理证明所给算法在有限步内停止, 且其收敛速度是线性收敛的. 数值算例表明, 该算法能判定任意给定的张量是否为强H张量, 且在某些情形下比经典的强H张量判定算法所需迭代步数更少.     

张量具有线性收敛速度的迭代算法

基于计算非负张量谱半径的高阶幂法, 给出一种新的迭代算法判定强H张量. 结合不等式的放缩技巧和非负张量的Perron-Frobenius定理证明所给算法在有限步内停止, 且其收敛速度是线性收敛的. 数值算例表明, 该算法能判定任意给定的张量是否为强H张量, 且在某些情形下比经典的强H张量判定算法所需迭代步数更少.     

在二层迭代情况下AOR方法和SOR方法收敛性的比较(英文)

在不同情况下AOR和SOR方法有各自的优点,本文通过利用当一个线性系统的系数矩阵为(1,1)相容次序矩阵且它的Jacobi矩阵的特征值均为纯虚数或0时AOR迭代方法收敛的最佳参数以及它的最佳谱半径与SOR方法的比较,研究了在二级迭代的情况下这两种方法该如何选取.     

Richardson迭代法的松弛策略

将Richardson迭代法拓展应用于更一般的线性方程组求解中. 先用相似变换矩阵对迭代过程和迭代矩阵进行重新表示, 基于使迭代矩阵的谱半径达到极小值, 给出最优松弛参数的取值方法; 然后针对最小特征值难计算的问题, 提出一种仅依赖于最大特征值的加速收敛策略.