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.     

JOR迭代法的收敛性

基于双严格对角占优的概念,针对线性方程组在求解时常用的JOR迭代方法,给出了JOR迭代矩阵谱半径新的上界及迭代法的收敛性准则,不仅适用于严格对角占优矩阵,还适用于双严格对角占优矩阵类,对相应迭代阵谱半径的估计更精确且扩大了JOR方法收敛参数的选取范围,并用数值例子说明了所给结果的优越性。     

α—严格对角占优矩阵与迭代法的收敛性定理

针对线性方程组的系数矩阵为α-严格对角占优矩阵和双严格对角占优矩阵的情况,讨论了线性方程组求解时常用的几种迭代方法的收敛性,给出了迭代法收敛性定理,解决了以往估计迭代矩阵谱半径的问题。结果不仅适用于这两类矩阵,还适用于广义严格对角占优矩阵类,最后举例说明了所给结果的优越性。     

严格对角占优矩阵与SOR迭代法的收敛性定理

针对线性方程组的系数矩阵为α-链严格对角占优矩阵和双严格对角占优矩阵的情况,讨论了线性方程组求解时常用的SOR迭代方法的收敛性,给出了迭代法收敛性定理,解决了以往估计迭代矩阵谱半径的问题.结果不仅适用于这两类矩阵,还适用于广义严格对角占优矩阵类,最后举例说明了所给结果的优越性.     

迭代法迭代阵谱半径新上界

引用双严格对角占优的概念,针对线性方程组Ax=b在求数值解时常用的迭代方法,给出了Jacobi和Gauss-Seidel迭代法迭代阵谱半径的新上界,该新上界优于严格对角占优矩阵条件下得到的已有的结果,是已有结果在更广泛矩阵类条件下的推广,对相应迭代法迭代阵谱半径的估计更加精确。最后给出了数值例子说明所给结果的优越性。     

关于JOR 迭代法收敛性的一个注记

基于广义双严格对角占优的概念, 针对线性方程组在求解时常用的JOR 迭代方法, 给出了JOR 迭代矩阵谱半径新的上界及迭代法的收敛性定理。结果不仅适用于双严格对角占优矩阵, 还适用于广义双严格对角占优矩阵类, 对相应迭代矩阵谱半径的估计更精确, 且扩大了JOR 方法收敛参数的选取范围, 并用数值例子说明了所给结果的优越性。     

严格对角占优M-矩阵的逆矩阵的无穷大范数上界改进的估计式

设A为严格对角占优的M-矩阵,首先仅利用矩阵A的元素给出A^-1的元素新的上界估计式,其次利用这些估计式给出了‖A^-1‖∞忆新的上界估计式,并由此给出了A的最小特征值q（A）下界的估计式。这些新的估计式改进了已有的结果。     

N_0-矩阵的模最小特征值的估计

在M-矩阵和逆M-矩阵的Hadamard积的性质的基础上给出了No-矩阵的几个性质,并讨论了N0-矩阵和逆M-矩阵Hadamard积的模最小特征值以及N-矩阵的模最小特征值的估计.     

严格对角占优M-矩阵A的‖A-1‖∞的上界估计

设A为严格对角占优M-矩阵,给出‖A^-1‖_∞新的上界估计式,并得到A的最小特征值下界的估计式。理论证明和算例分析均表明新估计式改进了现有结果。     

严格对角占优M-矩阵逆的无穷范数新的上界估计

给出了严格对角占优M-矩阵的逆矩阵的无穷范数新的迭代上界,新估计式改进了现有的一些结果。理论分析和数值算例均表明了新界的可行性。     

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M为非奇异矩阵.我们知道,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.因此,估计ρ(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.     

N0-矩阵的模最小特征值的估计

在M-矩阵和逆M-矩阵的Hadamard积的性质的基础上给出了N0-矩阵的几个性质,并讨论了N0-矩阵和逆M-矩阵Hadamard积的模最小特征值以及N0-矩阵的模最小特征值的估     

求实矩阵全部特征值的投影幂法

描述了求实矩阵部分或全部特征值的投影幂法的几个迭代格式。所述方法的思想是，在幂法的迭代过程中，利用投影矩阵滤去迭代向量中已知特征向量的成份，使迭代收敛到未知特征值，以达到求出矩阵全部特征值及相应的特征向量的目的。     

非奇异H-矩阵的一个简捷判别定理

设A=(aij)∈Cn×n,若存在α∈(0,1),使■i∈N,有|aii|≥Rαi(A)S1-αi(A)成立,则称A为α链对角占优矩阵。利用α-链对角占优矩阵、不可约α-链对角占优矩阵、广义严格α-链对角占优矩阵等概念及性质,给出了非奇异H-矩阵的一个简捷判别定理。从而改进和推广了相应的一些结果,并给出相应的数值例子说明结果的有效性。     

广义α-双对角占优矩阵的判定

设A=(aij)∈Cn×n,若存在α∈(0,1),使i≠j(i,j∈N={1,2,…,n})有|aiiajj|≥(RiRj)α(SiSj)1-α,则称A为α-双对角占优矩阵。首先推广α-双对角占优矩阵的概念到广义α-双对角占优,然后得到了判别广义α-双对角占优矩阵的一个充分必要条件,改进和推广了已有的结论,进一步丰富和完善了α-双对角占优矩阵的理论。     

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。     

α-链对角占优矩阵与非奇异H-矩阵的判别

设A=(aij)∈Cn×n,若存在α∈(0,1),使i∈N={1,2,…,n},|aii|≥Riα(A)S1i-α(A),则称A为α-链对角占优矩阵。首先推广α-链对角占优矩阵的概念到广义α-链对角占优矩阵;利用这一概念得到了判别非奇异H-矩阵的几个判定方法,改进和推广了已有的结论。最后用数值例子说明了所给结果的优越性。