The m-order Jacobi, Gauss–Seidel and symmetric Gauss–Seidel methods

Autores

DOI:

https://doi.org/10.29215/pecen.v6i0.1773

Resumo

Aqui, são desenvolvidos métodos de ordem m que conservam a forma dos métodos de primeira
ordem. Métodos de ordem m têm uma taxa de convergência maior que sua versão de primeira ordem.
Esses métodos de ordem m são subsequências de seu método precursor, onde alguns benefícios do uso
de processadores vetoriais e paralelos podem ser explorados. Os resultados numéricos obtidos com as
implementações vetoriais mostram vantagens computacionais quando comparadas as versões de
primeira ordem.

Biografia do Autor

  • Gustavo Benitez Alvarez, UFF/EEIMVR/VCE
    Universidade Federal Fluminense Centro Tecnológico Escola de Engenharia Industrial Metalúrgica de Volta Redonda Avenida dos Trabalhadores 420, Vila Santa Cecilia, Volta Redonda, Rio de Janeiro, Brasil. CEP 27255-250. Áreas: Física/Matemática/Engenharia Currículo Lattes

Referências

Antuono M. and Colicchio G. (2016) Delayed Over-Relaxation for iterative methods. Journal of Computational Physics, 321: 892–907.

Apostol T.M. (1981) Mathematical analysis. Addilson-Wesley Publishing Company.

Bai Z.-Z. and Miao C.-Q. (2017) On local quadratic convergence of inexact simplified Jacobi–Davidson method. Linear Algebra and its Applications, 520: 215–241.

Bertaccini D. and Durastante F. (2018) Iterative methods and preconditioning for large and sparse linear systems with applications. Taylor & Francis Group.

Forsythe G.E. and Moler C.B. (1967) Computer solution of linear algebraic systems. Prentice-Hall, New Jersey.

Golub G.H. and Van Loan C. (2013) Matrix computations. The Johns Hopkins University Press, Baltimore, MD, 4th edition.

Golub G.H. and Varga R.S. (1961) Chebyshev semi-iterative methods, successive over-relaxation iterative methods, and second-order Richardson iterative methods, Parts I and II. Numerische Mathematik, 3: 147–168.

Kahan W.M. (1958) Gauss–Seidel methods of solving large systems of linear equations. PhD thesis, University of Toronto, Toronto.

Kepner J. (2009) Parallel MATLAB for Multicore and Multinode Computers. Society for Industrial and Applied Mathematics, USA, 1st edition.

Kolodziej S.P., Aznaveh M., Bullock M., David J., Davis T.A., Henderson M., Hu Y. and Sandstrom R. (2019) The SuiteSparse Matrix Collection Website Interface. Journal of Open Source Software, 4(35): 1244–1248.

Kong Q., Jing Y.-F., Huang T.-Z. and An H.-B. (2019). Acceleration of the Scheduled Relaxation Jacobi method: Promising strategies for solving large, sparse linear systems. Journal of Computational Physics, 397:108862.

Mazza M., Manni C., Ratnani A., Serra-Capizzano S. and Speleers H. (2019) Isogeometric analysis for 2D and 3D curl–div problems: Spectral symbols and fast iterative solvers. Computer Methods in Applied Mechanics and Engineering, 344: 970–997.

Downloads

Publicado

28-03-2022

Edição

Seção

CIÊNCIAS DA COMPUTAÇÃO / COMPUTER SCIENCE