Neste trabalho apresentamos os métodos de regularização iterativa da família sirt, art, art por blocos e o método lsqr para problemas discretos mal-postos de grande porte. esses métodos são baseados na observação que boa parte das informações relevantes da solução são capturadas nas primeiras iterações, e que à medida que as iteradas prosseguem a qualidade das aproximações é deteriorada pela influência do ruído nos dados. essa propriedade é conhecida como semiconvergência. portanto, a idéia dos métodos de regularização iterativa é calcular as iteradas até um certo ponto em que a qualidade das iteradas começa a incorporar o ruído nos dados. para contornar esta dificuldade, a semiconvergência dos métodos da família sirt é analisada e, baseados em estimativas do erro nos dados, são introduzidos dois critérios de parada chamados de princípio de discrepância e a regra de erro monótono. além disso, para o caso em que nenhuma estimativa do ruído é disponível, são introduzidos o critério ncp (normalized cumulative peridogram) e a regra do produto mínimo, introduzido recentemente na literatura. os métodos são aplicados a problemas testes da literatura bem como a problemas de reconstrução de imagens.