PRECONDITIONED GAUSS-SEIDEL TYPE ITERATIVE METHOD FOR SOLVING LINEAR SYSTEMS

The preconditioned Gauss-Seidel type iterative method for solving linear systems, with the proper choice of the preconditioner, is presented. Convergence of the preconditioned method applied to Z-matrices is discussed. Also the optimal parameter is presented. Numerical results show that the proper choice of the preconditioner can lead to effective by the preconditioned Gauss-Seidel type iterative methods for solving linear systems.

解线性方程组的预条件Gauss-Seidel型迭代法

给出了解线性方程组的预条件Gauss-Seidel型方法,提出了选取合适的预条件因子.并讨论了对Z-矩阵应用这种方法的收敛性,给出了收敛最快时的系数取值.最后给出数值例子,说明选取合适的预条件因子应用Gauss-Seidel方法求解线性方程组是有效的.

(I+S_(max))预条件Gauss-Seidel迭代法进一步探索

Kotakemori研究了不可约对角占优Z 阵的(I+Smax)预条件Gauss Seidel迭代法,并证明在一定条件下,进行(I+Smax)预处理比(I+S)预处理收敛效果更好.本文将其收敛性定理推广到具有广泛应用背景的H 阵,并将这两类预条件Gauss Seidel迭代法相结合对不可约非奇M 阵进行两次适当的预处理,数值例子表明这样可以大大加快Gauss Seidel迭代法的收敛速度.

H矩阵的预条件Gauss-Seidel迭代法

讨论了线性方程Ax=b的Gauss-Seidel迭代法的求解问题.2003年,A.Hadjidimos等提出了预条件矩阵I+Cα.该文证明了若系数矩阵A是H矩阵,则(I+Cα)A是H矩阵.并给出两个数值例子作以说明.

(I+C_α)预条件Gauss-Seidel迭代法的收敛结果

讨论线性方程Ax=b的Gauss-Seidel迭代法的求解问题.Hadjidimos A等提出了预条件矩阵I+Cα.论文给出了线性方程组改进的Gauss-Seidel方法(称之为IMGS方法)对H阵的收敛结果,并给出数值例子.

求解模糊线性系统的Gauss-Seidel迭代法

研究给出了求解模糊线性系统的基于矩阵方程模型的Gauss-Seidel迭代法,并用实例说明了方法的有效性.

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GaussSeidel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-1 N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.

广义分裂下的预处理Gauss-Seidel迭代法收敛性的讨论

运用Gauss-Seidel迭代法解线性方程组,讨论了在一类预条件矩阵下的Gauss-Seidel迭代法的收敛性。在更广义的分裂条件下,对预条件Gauss-Seidel迭代法和相应的Gauss-Seidel迭代法的收敛性进行了比较,得到了比较定理。最后给出数值例子验证了所得到的主要结论。

改进的Gauss-Seidel迭代法的收敛性

给出一种改进的Gauss-Seidel迭代法(IMGS方法),从理论上证明了当系数矩阵为M-矩阵和H-矩阵时IMGS方法是收敛的.最后用数值例子验证了所得的主要结论.

一类新的预条件Gauss-Seidel迭代法

给出一个新的预条件矩阵,构造相应的预条件Gauss-Seidel迭代法,并给出迭代法的收敛性结果.

新预条件下Gauss-Seidel迭代法及比较定理

提出了一种新预处理矩阵,研究了新预条件下Gauss-Seidel迭代法的收敛性,得到了比较性定理;并用数值例子验证了定理的正确性,揭示了新预条件加快Gauss-Seidel迭代法的收敛速度,且优于通常的预条件(I+R)。

预处理子为(I+S′)的Gauss-Seidel迭代法的收敛定理

1991年,Gunawardrnna等人提出了预处理子为(I+S)的改进的Gauss-Seidel方法.我们在本文中用预处理子(I+S′)代替(I+S),这里 i=1,2,…,n-1,j=i+1,(S′)ij=-ai,ki0 其它,证明了这种改进的Gauss-Seidel迭代法也是收敛的.

Gauss-Seidel技巧在一个迭代法中的应用

讨论了Gauss-Seidel技巧在一个迭代法中的应用,获得了收敛性和收敛阶的结论。数值例子表明Gauss-Seidel技巧的应用使迭代过程收敛得更快。

H-矩阵的预条件Gauss-Seidel迭代法收敛性

H-矩阵是一类用途广泛的矩阵.当线性系统的系数矩阵为H-矩阵时,在更广义的分裂条件下,运用Gauss-Seidel迭代法解线性系统,得到了在一类预条件矩阵下的收敛结果.最后给出数值例子验证了此结论.

Gauss-Seidel迭代法的反方法及其预报-校正系统

文章利用求解线性方程组的Gauss-Seidel迭代法推导出其"反方法",正反两种方法相匹配生成预报-校正系统,给出了它们收敛的条件,并运用这三种不同的公式求解实例,根据其结果,说明这些公式的优缺点。

求解L-矩阵方程组的一种Gauss-Seidel型预条件迭代法(英文)

在1991年A.D.Gunawardena等人首先提出了以I+S为预处理子的Gauss-Seidel型迭代法比基本的迭代法有较好的收敛性.文章提出以阶梯矩阵作预处理子的Gauss-Seidel型迭代法,文中给出了收敛定理并以数值例子说明文章的方法比基本的迭代法及A.D.Gunawardena等人的方法有较好的收敛率.

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。

H-矩阵的一个新的预条件Gauss-Seidel迭代方法(英文)

给出了解线性方程组Ax=b的一个新的预条件因子P.应用Gauss-Seidel迭代格式于预条件线性方程组PAx=Pb,并证明了当矩阵A为H-矩阵时,此预条件Gauss-Seidel方法是收敛的.最后,数值算例说明文中所给预条件Gauss-Seidel方法是有效的.

Gauss-Seidel最小二乘渐进迭代逼近

几何迭代法,即渐进迭代逼近(progressive-iterativeapproximation,PIA),作为一种有效的数据拟合方法,吸引了众多研究者的关注,并获得广泛的应用.针对经典LSPIA算法收敛速度较慢的问题,提出一种基于Gauss-Seidel迭代方法的快速PIA算法,称为GS-LSPIA.首先,从给定的数据点中选取拟合曲线的控制点;然后,采用累加弦长法参数化给定数据点;最后,GS-LSPIA通过迭代地调整控制点来生成一系列拟合曲线(曲面),并且保证了生成的曲线(曲面)的极限是对于给定数据点的最小二乘拟合结果.在多个曲线曲面拟合上的实验结果表明,为达到相同的拟合精度,GS-LSPIA算法比LSPIA算法需要更少的步骤和更短的运算时间.因此,GS-LSPIA是有效的,而且具有比LSPIA算法更快的收敛速度.

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.