迭代法收敛条件的改进

本文引入了矩阵广义具有某性质 m,一致广义具有某性质 n 的概念,进而较全面地改进和推广了经典矩阵分列迭代法的收敛条件,特别是给出了著名的 Stein—Rosenberg定理,Varga 正则分列定理,Ostrowski—Reich 定理的推广,而且这些改进和推广形式都极易检验,便于应用。     

用压缩相似变换求正矩阵最大特征值的收敛条件

本文推广了 Brauer 的求正矩阵最大特征值的方法的收敛条件,并给出了一个收敛的压缩相似系数区间。     

广义严格对角占优矩阵与非奇M-矩阵的判定

根据不可约弱对角占优矩阵元素的特点,将复矩阵A的行元素划分为三个部分,并对每一部分元素的模求和得到三个值αi,βi,γi,通过比较由这三个值所构造出的hik和Hjk的大小给出了判断不可约矩阵A是广义严格对角占优矩阵的判别条件,并将其结果应用到非奇M 矩阵的判定上,推广了高益明等的主要结果·     

关于Gauss-Seidel迭代法的收敛准则

在文[1]的定理2中,给出了当 a=sum from(i=1)to n a(i)<1时,有 Gauss—Seidel 迭代法收敛.本文是在当 a=sum from(j=1)to n a(j)≥1的情形下,给出新的判别准则。它放宽了文[1]中定理2的判别条件。设线性方程组X=AX+b (1)存在唯一解 x~*=(x_1~*,x_2~*,…,x_n~*)~T,则(1)的 Gauss—Seided 迭代程序为:(2)本文的主要结果:     

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。     

Bounds for the smallest eigenvalue of an irreducible nonsingular M-matrix 关于不可约非奇M—矩阵最小特征值的界

令ω_0是矩阵 A=(a_(ij mxn)的最小特征值,且 AX_0=ω_0X_0,p_i=|aij|,M(i.j)=1/2{aij+aii-[(aii-ajj)~2+4PiPj]~(1/2)},M~*(i,j)=1/2{aii+ajj-[(aii-ajj)~2+4|aij·aji|]~(1/2)}r=(aii-p_i),R=(aii-p_i),m=M(i,j)M=M(i,j),m~*=M~*(i,j),我们在文中将证明:如果存在一个符号矩阵 S(由1和-1构成的对角阵),使得=SAS 为一个不可约非奇 M—矩阵,则有下列结论成立:(1) ω_0是正实单根,且 X_0=Sx_0是正向量。(2) ω_0相似文献   

矩阵广义对角占优和非奇的判定

一矩阵行列式非零的判定在本节我们将给出两个判定矩阵行列式非零的充分条件。为了证明的需要,首先引入定义1 设A为n×n矩阵,如果存在非奇正对角阵D,使得阵A·D(D·A)为行(列)严格对角占优阵,则称A为行(列)广义对角占优矩阵(见[3])。