线性方程组的几种迭代解法.docxVIP

PAGE7

摘要

本文系统研究了线性方程组的三种经典迭代解法：雅可比迭代法、高斯-赛德尔迭代法及共轭梯度法（CG），并基于数值分析理论探讨了其收敛性、计算效率与适用场景。就雅可比迭代法以及高斯-赛德尔迭代法而言，从矩阵分解这个角度对迭代公式给予推导，对其收敛条件展开分析：雅可比法有要求，系数矩阵需严格对角占优或者谱半径小于1，而高斯-赛德尔法在对称正定矩阵里收敛性更好，并且借助即时更新策略让收敛速度有了一定提升。针对大规模稀疏对称正定问题，对共轭梯度法的数学原理进行详细说明，凭借正交残差极小化特性证实其有限步收敛性，还结合预处理技术比如不完全Cholesky分解来优化算法稳定