预条件P_=I＋下的USSOR迭代方法及其比较定理

为了提高线性方程组迭代法的收敛速度,采用适当的预处理方法是必要的,即PAx=Pb.将预条件矩阵P_=I＋应用于USSOR迭代方法,通过矩阵分裂理论讨论了当系数矩阵为非奇异M-矩阵时的收敛性,并得到了比较定理.最后通过数值例子予以说明.     

预条件Gauss-Seidel迭代法

Gauss-Seidel迭代法是经典的迭代法,通过提出一种新的预条件因子,证明了在非奇异M-矩阵下该预条件加速了迭代法的收敛性.最后给出数值算例说证明:该预条件迭代格式优于通常的预条件法.     

新预条件Gauss-Seidel迭代法及收敛性比较

针对Gauss-Seidel迭代法求解线性方程组,引入了一种新的预条件矩阵.当系数矩阵为广泛应用的M-矩阵时,给出了该预条件Gauss-Seidel迭代法与经典Gauss-Seidel迭代法的比较定理,其说明了新预条件Gauss-Seidel迭代法是收敛的且加速了经典Gauss-Seidel迭代法的收敛速率.证明了新预条件Gauss-Seidel迭代法优于已有预条件Gauss-Seidel迭代法.最后用一个数值例子来验证所得结论的有效性.     

某些迭代法的一个收敛性定理

为求解线性方程组Ax=b,将矩阵A分解为A=M-N,这里M为非奇异矩阵.得到的迭代格式x(k+1)=M-1Nx(k)+M-1b(k=0,1,2,…)对任意初始向量x(0)都收敛到解x=A-1b,当且仅当M-1N的谱半径ρ(M-1N)<1,其中M-1N称为迭代矩阵.针对线性方程组的系数矩阵为严格双α对角占优矩阵的情况,讨论了线性方程组求解时几种常用迭代方法的收敛性,给出了迭代法的一个收敛性定理,由此得到了几个重要的推论.最后举例说明了所给结果的优越性.     

H-矩阵方程组的预条件迭代法

针对系数矩阵A为H-矩阵的线性方程组,引入了预条件矩阵I+Wβ.通过对系数矩阵施行初等行变换,提出了求解线性方程组的一种新的预条件Gauss-Seidel方法.给出了若A为H-矩阵,则(I+Wβ)A仍然为H-矩阵,并且得到了收敛性定理;从理论上证明了新的预条件Gauss-Seidel迭代法较经典的Gauss-Seidel迭代法收敛速度快;最后通过数值算例说明了新的预条件Gauss-Seidel迭代方法的有效性.     

预条件AOR迭代法及比较性定理

在预条件矩阵P=(I+B)下提出新的AOR迭代法,讨论了新方法的收敛性,并给出预条件AOR遮代法与经典AOR迭代法之间的比较定理.最后给出一个数值例子验证该预条件要优于通常的预条件(I+S).     

矩阵Hadamard积特征值估计

利用矩阵的Hadamrd幂与柯西—施瓦兹不等式,首先给出了非奇异M-矩阵A与非奇异M-矩阵B的逆矩阵B-1的Hadamard积的最小特征值τ(AoB-1)的新下界估计式.然后给出了非负矩阵和M-矩阵的逆矩阵的Hadamard积的谱半径上界估计式,进而给出M-矩阵最小特征值的下界的新估计.数值例子说明新的界值估计式改进了已有的结果.     

M-矩阵的Hadamard积的最小特征值下界估计

文章给出了非奇异M-矩阵A与非奇异M-矩阵日的逆矩阵的Hadamard积的最小特征值下界的估计式。示例表明,文中所得估计式在某些情况下可得到比现有估计式更为精确的结果。     

迭代矩阵特征值模的界

在用迭代法解线性方程组时,迭代矩阵的谱半径估计在迭代法的收敛性分析中起着重要的作用。该文对一类Baily-Crabtree型对角占优矩阵M,给出了迭代矩阵M-1 N的特征值模的上下界估计。并以此为基础,在一定条件下给出了当M是α-严格对角占优矩阵时的M-1 N的特征值模的上下界估计。并以具体例子说明了所得结果的有效性。     

弱条件下的一种高阶迭代法

给出了一种高阶迭代法,该方法在迭代过程中仅需计算函数在初始点的导数值,不需要计算其它点的导数值。讨论了该方法的收敛阶,并在弱条件下给出了该迭代法的收敛性与存在性定理。     

USSOR方法应用于相容次序矩阵的收敛性

本文的目的是讨论系数矩阵为相容次序矩阵的线性方程组Ａｘ＝ｂ．研究ＵＳＳＯＲ方法收敛性的充要条件以及最优收敛性质，给出最佳松驰因子表达式和ＵＳＳＯＲ迭代矩阵谱半径的上、下界。     

解线性互补问题的预处理GAOR方法

运用M矩阵的性质,结合一类预处理矩阵,对一类线性互补问题进行等价预处理,在此基础上研究了求解线性互补问题的一类预处理广义AOR方法,并给出了算法的收敛性分析.     

系数矩阵含参数分裂形式的SOR迭代法收敛性分析

给出预条件方后线性方程组的系数矩阵的一类含参数的分裂形式,使系数矩阵的分裂更加一般化,同时讨论在该形式下的SOR迭代法的收敛性,并与一般的预条件方法进行比较分析,说明这种方法收敛性更好,最后找到参数的最优选取.     

改进矩阵分裂形式的预条件SOR迭代法收敛性讨论

结合矩阵分裂理论及比较定理,给出一种改进矩阵分裂形式的预条件含参数SOR迭代方法,证明这种方法不仅能加速SOR迭代法的收敛性,而且优于一般的预条件方法,并找出了参数的最优取值。最后通过数值例子进行了说明。     

求解鞍点问题的块松弛型预条件子

为了提高krylov子空间方法求解大型稀疏鞍点问题的收敛速度,基于系数矩阵的块松弛型迭代分裂,提出了块松弛型预条件子,给出了预处理后系数矩阵的特征值分布和相应的最小多项式.该预条件子需要选择一个预处理矩阵和2个待定参数.数值实例证明:适当选取预条件矩阵和待定参数,相应的预处理krylov子空间方法较未预处理的方法或块超松弛型迭代方法具有快得多的收敛速度.     

不同分裂形式的SOR与AOR迭代法收敛性比较

讨论预条件后用迭代法求解的线性方程组Ax=b.在预条件的基础上引入参数,给出一种含参数形式的非负分裂.证明这种分裂形式可以加速SOR迭代法的收敛性,而且收敛效果超过AOR迭代法的收敛性,说明这种分裂形式更好.     

解线性方程组的一种新的迭代法

提出了解线性方程的新迭代算法,证明了当系数矩阵严格对角占优,不可约弱对角占优,对称正定时该方法收敛.给出新迭代算法的迭代矩阵的谱半径的上界.数值例子说明新方法在选取合适的参数的情况下,收敛较快。