大型线性方程组的求解一直是数值代数的一个重要研究课题。在很多工程问题中经常会碰到一些大型稀疏矩阵，因此对大型稀疏线性方程组的高效求解就变得尤为重要。一般在求解大型稀疏线性方程组之前，先要对方程组系数矩阵进行预处理，而预处理方法中的不完全分解预处理一直受到人们的广泛关注，因为它能保持系数矩阵的稀疏性，而且计算量和存储量上也能降低很多。本文的研究重点是求解大型线性方程组，而且构造了一类有效的预处理子。　　首先介绍迭代法知识,包括经典迭代法和现代迭代法以及几种特殊矩阵的定义；然后对预处理技术作了简单介绍，包括不完全分解预处理技术和稀疏近似逆预处理技术等；其次对不完全分解预处理方法ILUT(p,τ)进行改进得到新算法MILUT(p,τ)通过数值试验可以看出，新算法对稀疏矩阵的分解效果良好；最后介绍了几种常见的IC分解算法，以及算法在两种稀疏模式下的稳定性分析，第一种是在矩阵分解之前就确定好的静态稀疏模式，第二种是在分解过程中产生的不可预见的动态稀疏模式。　　一般对于稀疏矩阵，无论对称与否，通过矩阵分解构造出的预处理子，为了保证分解后矩阵稀疏性不被破坏，通常通过引进参数来控制分解后矩阵每行非零元个数。本文在算法ILUT(p,τ)基础上，两次引进参数来控制分解矩阵中非零元个数，得到了MILUT(p,τ)算法，数值实验效果良好。