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.

(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.

Jacobi和Gauss-Seidel迭代法求解线性方程组的分析及应用

先描述了Jacob i和Gauss-Se idel迭代法求解线性方程组的基本思想,然后给出三个收敛定理并分别对它们作出解释,举例进行分析和比较,最后给出算法,并用程序求解算例,对迭代法的学习和应用有着十分重要的意义.

Gauss-Seidel迭代法的多核并行运算研究

分析了线性方程组迭代求解的计算原理。在多核架构的微机中,给出了一种Gauss-Seidel并行迭代算法。该算法首先按照并行计算的需求把Gauss-Seidel迭代公式分解为串行运算和并行运算两部分,然后利用步进及广播的方式有序地把串行运算调度到处理器的每个核中并发运行。理论和数值测试均验证了并行运算的有效性。

求解多重线性系统的预条件张量分裂Gauss-Seidel迭代法

为了解决建立在强M-张量上的多重线性系统的预处理Gauss-Seidel迭代法,提出一个新的预条件子I+S'α,给出张量分裂,提出3种不同的Gauss-Seidel分裂方式,形成预处理迭代张量,并证明它们是收敛的。比较基于不同分裂形式的Gauss-Seidel迭代收敛速度,通过数值算例验证了所给算法是可行有效的。

预条件后新分裂下的Gauss-Seidel迭代法收敛性讨论

针对Gauss-Seidel迭代法求解大型线性方程组Ax=b时,结合矩阵分裂理论及比较定理,给方程两边同时左乘非奇异矩阵P(也称为预条件矩阵),对新的系数矩阵PA进行矩阵分裂时,引入参数α,以使矩阵分裂更加一般化,说明这种方法不仅能加速Gauss-Seidel迭代法的收敛,而且优于一般的预条件方法。最后给出一个数值例子。

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。

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迭代法的推广与应用

对Gauss-Seidel法进行了一些推广,并更进一步减弱了收敛条件,使用了特殊的方法对推广结果进行了应用。

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。

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.

Jacobi和Gauss-Seidel迭代法收敛性判定的充分条件

设线性代数方程组为 AX=bo 将系数矩阵A分裂为D-E-F,其中D、E、F分别为A的对角、严格下三角、严格上三角矩阵。此时Jacobi和Gauss-Seidel迭代的迭代矩阵分别为 B=D-1（E+F）=L+U, B′=（D-E）-1F=（I-L）-1U。

基于Matlab的Gauss-Seidel迭代法电力系统潮流计算

潮流计算是电力系统分析中的一种最基本的计算,它的任务是对给定的运行条件确定系统的运行状态,是进行故障计算、继电保护整定、安全分析的必要工具.电力系统潮流计算的结果是电力系统稳定计算和故障分析的基础.本文基于Matlab利用Gauss-Seidel法进行电力系统潮流计算,并分析了计算结果.通过算例,说明了该方法编程简便、运算效率高并符合人们的思维习惯,验证了该方法的有效性.

预条件下Gauss-Seidel迭代法的收敛性

假设在线性方程组Ax=b 的系数矩阵A 是不可约L 阵,得到了新的预条件Gauss-Seidel 迭代法的一个比较定理,通过比较新的预条件Gauss-Seidel 迭代法的迭代矩阵的谱半径与经典Gauss-Seidel迭代法的迭代矩阵谱半径大小,从而得出该方法的有效性,最后数值算例验证了该结果。

H-矩阵预条件Gauss-Seidel迭代法及其收敛性

提出了预条件矩阵I+Cα,并利用此矩阵讨论了H-矩阵方程组的预条件Gauss-Seidel迭代法的收敛性.一些谱半径的比较结果也被给出。