区间MSOR迭代法

考虑区间线性方程组x=Ax+b其中A是n阶实区间矩阵具有性质A,b为n维实区间向量。本文给出了区间MSOR迭代法,讨论了迭代法的收敛性及参数的选取范围。对于点线性方程组,得出了用区间MSOR迭代法不能获得比单步法更快的收敛速度。     

一种实用的线性方程组迭代预处理算法

针对传统解线性方程组Ax=b的迭代法的局限性,通过引入全主元矩阵的概念,提出了一种改进算法,先将线性方程组的系数矩阵A变换成全主元矩阵,然后再进行迭代。数值实验结果表明:该算法可大大提高迭代法的收敛比率。     

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.     

系数矩阵为M阵时MSOR迭代法的收敛性

考虑线性方程组Ax=b,当系数矩阵A为M阵时,本文给出了MSOR迭代法的收敛性定理。     

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.     

Jacobi与Gauss-Seidel迭代法求解线性方程组收敛性比较与研究

Jacobi迭代法和Gauss-Seidel迭代法是计算机求解线性方程组常用的两种迭代法,但是这两种方法对方程的收敛性要求很严,大部分方程组均不能用以求解.给出一些基本技巧:对于简单的2阶方程组,若Jacobi法与Gauss-Seidel法均发散,可交换其两行求得其解;对一般性方程,给出一个应用性较强的定理,将方程Ax=bAT Ax=ATb,可以用Gauss-Seidel求得任何|A|≠0方程组的解.     

解对称正定线性方程组的二阶迭代法及其收敛性

本文给出了解对称正定线性代数方程组Ax=b的一类迭代法,本算法以矩阵A的自然分裂为基础,采用代参数的二步线性迭代法为主迭代过程(称为外迭代),以任一收敛的迭代法为内迭代过程,联合产生迭代序列{x_K},从而提高了收敛速度。本文还证明了收敛性并给出了误差估计。     

预处理后多分裂下的SOR迭代法收敛性分析

使用预处理方法解大型线性方程组Ax=b,结合矩阵分裂理论,给出预处理后多种分裂形式的SOR迭代方法,并与一般的预处理方法进行比较分析,证明分裂后的迭代法能加速SOR迭代法的收敛性。最后用数值例子加以验证。     

一种求解任意线性代数方程组的迭代算法

本文给出一种求解任意线性方程组Ax=b(A∈K~(mxm);b±k~m)的迭代算法,证明了算法的收敛性,指出收敛极限是方程组的最小二乘解,特别当方程组有解时,收敛极限为方程组的一个解。最后组出一个算例,验证了本文算法的有效性。     

迭代矩阵谱半径的界限

为求解线性方程组Ax=b,常将矩阵A分解为A=M—N,这里肘为非奇异矩阵,我们知道,得到的迭代格式x^（k＋）=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的谱半御（M^-1N）〈1,其中M^-1N称为迭代矩阵．因此,估计P（M^-1N）的界限就成了一个热点问题．我们首先推广了由Hoffman等提出的G函数的概念,其次应用这一概念得到了迭代矩阵特征值模的界限．作为应用,得到了解线性方程组迭代矩阵M^-1N的谱半径的界限,改进了已有的结论．最后用数值例子说明了所给结果的优越性．     

理想化最速下降法及其逼近实例

已证明,当最速下降法的步长为系数矩阵特征值的倒数时,任意非奇异矩阵都可以在m步内收敛到精确解,这里m为系数矩阵最小多项式的次数。这是一种理想化的最速下降法。由于特征值的计算并不容易,因此只能用其近似估算值代替。分析了近似特征值获取方法并研究了其误差对迭代的影响,从而给出了逼近理想化的最速下降法的一般方法。作为一个例子,给出了一种高效的自适应循环最速下降法:每当求出最优步长h后,将算法变成定步长最速下降法并用该步长重复M步,当目标函数或梯度模反而变大时则放弃重复。这里,M可根据经验预先确定。该算法保证了目标函数值的单调下降性质。将上述结果推广至一般函数的无约束最优化,并对一些典型测试函数的计算表明:该算法的收敛速度优于共轭方法和变尺度法,内存需求则与共轭方法相当。     

反中心对称的线性方程组的迭代算法

研究了反中心对称矩阵的线性方程组Ax=b的迭代算法,充分利用反中心对称矩阵的性质,给出求方程组解的迭代算法。数值例子说明算法是可行有效的。     

一种线性方程组的迭代解法

利用线性代数方程组的系数矩阵A的一个初始近似逆矩阵P,导出求解方程组AX＝b的一种迭代方法,其迭代格式简单,确定迭代次数方便,能有效地控制舍入误差的影响,适合于在计算机上计算。     

一种线性方程组的迭代解法

利用线性代数方程组的系数矩阵A的一个初始近似逆矩阵P,导出求解方程组AX=b的一种迭代方法,其迭代格式简单,确定迭代次数方便,能有效地控制舍入误差的影响,适合于在计算机上计算.     

对称不定线性系统的不定预处理技术

研究求解对称不定线性系统Ax=b的不定不完全分解预处理算法,其中A为稀疏的对称不定矩阵。合适的选主元算法是成功分解不定矩阵的关键,为了加快选主元的速度,给出了松弛的有界Bunch-Kaufman (RBBK)对称选主元算法,并分析了该选主元算法的稳定性以及参数的选择范围。将RBBK算法与不完全Cholesky分解相结合,得到了一类稳定性较高的修改的不完全Cholesky分解预处理技术。MATLAB下的数值例子表明,将提出的预处理技术用于SQMR迭代算法时,得到较快的收敛速度。