异步并行非线性对称Gauss-Seidel迭代算法

1．引言考虑非线性方程组其中A＝（a。。）EL（＊”）为＊一矩阵，B＝（衬。）EL（＊”）为非负矩阵，呐X）一（p。（X。》，4（二）＝（吵k（kk》：＊一＊一为连续的对角映射，而6＝（6k）E＊一为已知向量．这里，什小：”一”均可微，但二者的导函数并不一定连续．这类方程组具有丰富的实际背景．例如，描述冰体溶解过程的著名的Stefan问题，就可归结为问题（1·1）的数值求解（见［l］）．为在多处理机系统上有效地求解问题（1．1），文山利用这类非线性方程组的特殊结构，建立了一类并行非线性Gauss—Seidel型迭代算法．为避免该算…     

矩阵方程A^TXB＋B^TX^TA=D的极小范数最小二乘解的迭代解法

1 引言 设R^m×n表示m×n实矩阵的全体，A^T表示矩阵A的转置，R（A）和N（A）分别表示矩阵A的值域和零空间，A^＋表示矩阵A的Moore—Penrose广义逆，A×B表示矩阵A与B的Kronecker乘积，     

n次迭代还原函数的一个构造定理

定义1 记函数f（x）=f^{1}（x），f（f（x））=f^{2}（x），…，f（f（…f（x）…））=f^{n}（x），f^{n}（x）为f（x）的n次迭代．     

n次迭代还原函数的一个构造定理的改进

定义1^[1]记函数f（x）=f^[1]（x）,f（f（x））=f^[2]（x）,…,f（f（…f（x）…））=f^[n]（x）,f^[n]（x）为f（x）的n次迭代．     

二次函数迭代的一个问题初探

对二次函数f（x）=x^2＋bx＋c进行n次迭代，得到f^[n]（x），函数f（x）有无不动点（即方程f（x）=x有无实根）对方程f^[n]（x）=x的解的情况有何影响？文[1]探讨了这个问题，并提出未解决的问题：     

双变量线性矩阵方程异类约束解的迭代算法北大核心CSCD

1 引言 约束矩阵方程问题就是在满足一定条件的矩阵集合中求矩阵方程的解,不同的矩阵方程或不同的约束条件都将导致不同的约束矩阵方程问题．早在1989年戴华就提出了线性约束条件下矩阵束的最佳逼近及其应用问题．此类问题在最优化设计、参数识别、自动控制、图像复原等许多科学计算领域有着广泛应用．迄今,针对该类问题中解矩阵属于同类矩阵集合的情形（同类约束解问题）,中外学者已用奇异值分解、标准相关分解、     

一些迭代矩阵的特征值和特征向量及其收敛性

在大型科学计算中,大量的计算都归结为线性代数方程组求解,而线性代数方程组的迭代法求解是求解线性方程组的最有效的方法之一,因而,引起世界上大型科学计算界的许多著名学者的重视。1980年EVANS,MISSIRLS建立了迭代求解线性代数方程组的PSD方法并讨论了矩阵A是对称正定时的收敛性。1983年EVANS在[2]中说,“遗憾的是,除δ_1外,PJ方法(即PSD方法的特殊情况)的迭代矩阵的特征值没有象SOR方法那样,建立起与JACOBI迭代矩阵的特征值之间的关系式”。本文在系数矩阵A是T(q,r)阵的情况下,建立了PSD,PJ方法的迭代矩阵的特征值和特征向量与JACOBI方法的迭代矩阵的特征值和特征向量的关系式并在系数矩阵A是T(1,1)和T(1,2)阵的情况下讨论了PSD,PJ的收敛性。     

矩阵理论中的一个迭代公式

本文对文[1]的结果加以推广,给出一个可以同时计算矩阵的特征多项式、特征矩阵的逆矩阵、矩阵的逆矩阵和矩阵行列式的迭代公式。此时,凯莱——哈密尔顿定理可作为它的一个推论,另外,为便于计算机运算,本文还给出了迭代公式的计算机框图。     

某些迭代矩阵谱半径的上界估计

§1.引言在一些文献中对SOR、SSOR迭代矩阵的谱半径的上界进行了估计,例如对SOR的迭代矩阵■_w=(D—wL)~(-1)[(1—w)D wU] (1)的谱半径ρ(■_w)早有估计(例如[1]) ρ(■_w)≤|1-w| wρ(|J|),当0≤w≤2/(1 ρ(|J|))(2)此处设A为所考虑的线性代数方程组     

迭代微分方程解的存在性及分支

本文讨论迭代微分方程ｘ（ｔ）＝ｆ（ｘ（ｔ），ｘ（ｘ（ｔ）））的解的性态，并在ｆ（ｘ（ｔ），ｘ（ｘ（ｔ）））＝（ｘ＾２（ｔ）－μ）ｘ（ｘ（ｔ））时研究解的分支问题，更正了现有文献中的错误，结出了正确，完整的结果。     

AOR迭代法的收敛性

1.引言 [1]定义了解线性方程组A_x=b的AOR迭代法,它以SOR迭代为特例,而且适当选取参数,有可能比SOR方法收敛快(见[2]).众所周知,使 AOR方法有意义的最基本条件是A的对角元素都不为零.然而,在实际计算中,有时需要求解的线性方程组其系数矩阵存在零对角元素.例如[3]中研究的线性方程组的系数矩阵具有如下形式:     

AOR方法的最优因子及效果分析

在[1]中提出了解线性代数方程组 A_x=b (1)的AOR方法: x~(m 1)=L_(α,ω)x~(m) ω(I-αL)~(-1)b, (2 L_(α,ω)=(I-αL)~(-1)[(1-ω)I (ω-α)L ωU], (3)其中A=I-L-U,L,U分别为严格下、上三角矩阵。AOR方法主要用于求解椭圆型离散化方程组,故上面可设diag(A)=I。现记B=L U。 当(2),(3)中两个参数取相同值时,AOR方法退化为相应参数的SOR方法。一个自然的问题是:能否在(2),(3)中选取适当的参数α,ω,使相应的AOR方法比最优参     

区间AOR方法的收敛性

设A∈I(R~(n×n)是一个区间矩阵,b∈I(R~n)是区间向量.将A分解成 A=D-L-U,其中D,-L和-U分别是A的对角矩阵、严格下和上三角矩阵.假定A的每个对角元均不为零,则可引进求解区间线性方程组     

Optimum Modified SOR (MSOR) Method in a Special Case

In this paper we study the MSOR method with fixed parameters, when applied to a linear system of equations $Ax=b(1)$, where $A$ is consistently ordered and all the eigenvalues of the iteration matrix of the Jacobi method for (1) are purely imaginary. The optimum parameters and the optimum virtual spectral radius of the MSOR method are also obtained by an analysis similar to that of [5, pp. 277-281] for the real case. Finally, a comparison of the optimum MSOR method with the optimum SOR and AOR methods is presented, showing the superiority of the MSOR one.     

Ostrowski-Reich定理在AOR方法中的推广

其中D=diag(α_(11),α_(22),…,α_(nn)),C_L和C_U分别是严格下和上三角矩阵。若D是非奇异的,则Jacobi矩阵为 B=D~(-1)(C_L C_U)=L U,其中L=D~(-1)C_L,U=D~(-1)C_U。SOR方法(见[1,2,3])定义为     

预条件同时置换(PSD)迭代法的收敛性分析

1引言求解线性方程组Ax=6,(1.1)其中A∈R~(n×n)非奇异阵且对角元非零,x,b∈R~n,x未知,b已知.不失一般性,我们假设A=I-L-U,(1.2)其中L,U分别为A的严格下和上三角矩阵,相应的Jacobi迭代矩阵为B=L U.(1.3)若Q是非奇异阵且Q~(-1)易计算,于是(1.1)可以变成     

k-循环矩阵的最佳SOR方法

本文研究 K-循环矩阵的SOR迭代,提出一种确定最佳松弛因子的方法，应用和改进了Young和Eidson等人的结果，同时给出了计算实例．     

某些广义迭代法的Stein－Rosenberg型定理与比较定理

某些广义迭代法的Ｓｔｅｉｎ－Ｒｏｓｅｎｂｅｒｇ型定理与比较定理王新民（中国金融学院）ＳＴＥＩＷ－ＲＯＳＥＮＢＥＲＧＴＹＰＥＴＨＥＯＲＳＭＳＡＮＤＣＯＭＭＭＳＯＮＴＨＥＯＲＥＭＳＦＯＲＳＯＭＥＧＥＮＥＲＡＬＩＺＥＤＩＴＥＲＡＩＶＥＭＥＴＨＯＤＳ￥Ｗａｎ...     

Semiconvergence of extrapolated iterative methods for singular linear systems

In this paper, we discuss convergence of the extrapolated iterative methods for solving singular linear systems. A general principle of extrapolation is presented. The semiconvergence of an extrapolated method induced by a regular splitting and a nonnegative splitting is proved whenever the coefficient matrix A is a singular M-matrix with ‘property c’ and an irreducible singular M-matrix, respectively. Since the (generalized, block) JOR and AOR methods are respectively the extrapolated methods of the (generalized, block) Jacobi and SOR methods, so the semiconvergence of the (generalized, block) JOR and AOR methods for solving general singular systems are proved. Furthermore, the semiconvergence of the extrapolated power method, the (block) JOR, AOR and SOR methods for solving Markov chains are discussed.     

ON THE CONVERGENCE OF COMPLEX SOR

1　IntroductionConsider the following linear algebraic systemAX =b ( 1 .1 )with A∈Cn× n,b∈Cn,A=D-L-U,where D is diagonal,L and U are strictly lower andupper triangular matrices. And A is consistently ordered as defined by Young ( see [5] ) . Inother words,A isa particular weakly cyclic ofindex p=3 matrix( p-cyclic matrix.Asfor thediscussion when p=2 ,see[1 ] ) .The relationship between the eigenvaluesμ of the Jacobiiterative matrix B and the eigenvaluesλ of its associated successi…